技能使用指南

jy-fund-research-report(基金深度研究报告生成器)Skill 是什么?如何下载?

一文讲清基金深度研究报告生成器Skill:基于恒生聚源MCP一键生成含六大模块的基金深度研究报告,覆盖业绩排名、资产配置、基金经理与投资建议,数据可溯源带时间戳。含安装配置步骤、同类方案对比、真实应用场景与常见问题解答,帮你快速上手。

基金深度研究报告生成器Skilljy-fund-research-report
22 个章节 约 19 分钟阅读 AI 智能生成

基金深度研究报告生成器Skill:一句话生成可溯源、带时间戳的基金深度研究报告

  • 一句话定位:基于恒生聚源 MCP 金融数据服务,自动拉取 7 个维度的基金数据并生成 Markdown 格式的深度投资研究报告,覆盖基金概况、业绩、资产配置、基金经理、基金公司、投资建议六大模块。
  • 数据可溯源:所有指标均来自 MCP 金融数据库接口,报告中带时间戳,避免"AI 凭空编造数字"的常见问题。
  • 一条指令即可出报告:在支持 OpenClaw 的环境中直接说"帮我分析基金 005827,生成深度研究报告",即可触发完整流程。
  • 效率提升明显:7 个维度数据并发获取,单次完整数据获取约 60–90 秒,省去人工在多个页面反复复制粘贴的时间。
  • 有边界要看清:依赖有效的 JY_API_KEY,报告为 Markdown 格式(不支持直接导出 PDF/Word),不支持多基金横向对比,且报告不构成投资建议。

该技能叫什么?如何下载安装 AI 技能提升开发效率?

基本信息

项目 内容
技能中文名 基金深度研究报告生成器Skill
技能英文名 jy-fund-research-report
技能ID 2122241785051381762
当前版本 1.0.0
输出格式 Markdown 研究报告

它解决什么问题

做基金研究的人几乎都经历过这样的流程:打开基金公司官网看基本信息,切到第三方平台翻业绩排名,再去另一处找持仓明细,最后打开基金经理履历页面手动记录——信息分散在五六个页面,格式各不相同,整理成一份结构完整的报告往往要花掉一两个小时,而且每次都要重复劳动。

这个技能要解决的就是"数据收集 + 结构化整理 + 初步分析"这三段重复劳动:它通过 MCP 协议对接恒生聚源金融数据服务,把 7 个维度的数据一次性拉齐,再交给 AI 按固定模板做归因分析和投资建议,最终产出一份可直接使用的 Markdown 报告。

支持查询的基金类型:股票型基金、混合型基金、债券型基金、QDII 基金、FOF 基金。

"一键安装"的完整思路与步骤

这个技能本身是一个技能包(包含 SKILL.md、run.sh、scripts/fetch_data.py、ai_prompt.md、references/report_template.md 等文件),因此在安装技能包之前,需要先备好它依赖的运行环境。整体思路是:装运行时 → 装 mcporter → 申请密钥 → 配置 MCP 服务 → 验证调用。

安装前提:本技能依赖 node、npm、mcporter、python3 四个可执行组件,且需要一枚有效的 JY_API_KEY。

步骤 1:检查 mcporter 是否已安装

mcporter --version

步骤 2:如未安装,通过 npm 全局安装

npm install -g mcporter
mcporter --version

步骤 3:申请 JY_API_KEY

向恒生聚源申请接口鉴权密钥。技能说明中给出的申请入口为恒生聚源数据地图 MCP 申请链接:https://www.gildata.com/products/datamap。申请通过后即可获得 MCP 服务的 JY_API_KEY(具体申请条件与配额以官方说明为准)。

步骤 4:配置两个 MCP 服务

mcporter config add jy-financedata-tool --url "https://api.gildata.com/mcp-servers/aidata-assistant-srv-tool?token=你的 JY_API_KEY"
mcporter config add jy-financedata-api --url "https://api.gildata.com/mcp-servers/aidata-assistant-srv-api?token=你的 JY_API_KEY"

步骤 5:验证配置是否生效

mcporter list

预期输出中应同时包含 jy-financedata-tool 与 jy-financedata-api 两个服务名。

步骤 6:测试一次真实调用

mcporter call jy-financedata-api.FundBasicInfoReport "query=基金 005827"

预期返回基金基本信息的 JSON 数据,包含基金代码、名称、类型、规模、成立日期等字段。若这一步能拿到数据,说明链路已经打通。

步骤 7:运行环境检查脚本

cd ~/Desktop/jy-fund-research-report
./run.sh --check

脚本会自动检查四项内容:mcporter 是否安装、MCP 服务是否配置、Python 3 是否可用、输出目录是否存在。

步骤 8:真实验证是否"完全生效"

./run.sh 005827
ls -la output/

如果 output/ 目录下出现了 005827_data.md(原始数据)与 005827_report.md(分析报告),说明技能已可正常使用。

提示:jy-financedata-api 服务没有通用的 FinancialDataAPI 工具,必须调用具体工具函数(如 FundBasicInfoReport、StageIncreaseReport、FundHistoryManagerReport 等),这是新手最容易踩的坑。


该技能的主要功能和特点

六大报告模块

  1. 基金基本概况:基金代码、名称、类型、规模、成立日期、业绩基准、费率等基础字段一次拉齐。
  2. 业绩深度分析:覆盖各周期收益率、同类排名,以及夏普比率、波动率、最大回撤等风险指标。
  3. 资产配置分析:股票/债券/现金仓位比例、行业分布、持仓集中度与重仓股情况。
  4. 基金经理分析:现任与历任经理、管理业绩、投资风格、能力圈判断。
  5. 基金公司分析:基金公司概况、管理规模、投研团队、财务数据。
  6. 投资建议:适合的投资者类型、配置建议与风险提示。

差异化特点:和普通工具比强在哪

  • 并发取数,速度快:7 个维度数据并发调用,单次完整数据获取约 60–90 秒,而不是一个页面一个页面地翻。
  • 数据可溯源、带时间戳:每个指标都来自明确的 MCP 工具调用,报告里能对应到数据来源,减少"AI 编数字"的风险。
  • 结构化模板输出:不是零散回答,而是一份按 references/report_template.md 格式组织、含六大模块的完整报告。
  • 支持按维度拆分调用:只想看业绩、只想看基金经理、只看资产配置都可以单独取数,不必每次跑全量。
  • 容错设计清晰:单次查询超时 30 秒、整体获取超时 180 秒;超时后输出已获取数据并标记缺失部分;查询无数据标记为"暂缺";网络错误重试 1 次后再报错。
  • 优先代码查询策略:先用 6 位基金代码(最准确),失败再尝试基金全称,关键数据缺失时还会尝试同义词查询。

如何使用该技能?

方式 A:命令行运行(适合本地批量与脚本化)

第 1 步:进入技能目录

cd ~/Desktop/jy-fund-research-report

第 2 步:运行入口脚本,替换成你要分析的基金代码

./run.sh 005827

也支持用基金名称查询:

./run.sh 易方达蓝筹精选混合

第 3 步:只取某个维度的数据

./run.sh 005827 performance   # 仅获取业绩数据
./run.sh 005827 manager       # 仅获取基金经理信息
./run.sh 005827 allocation    # 仅获取资产配置

第 4 步:查看输出

ls -la output/
cat output/005827_data.md

原始数据写入 {code}_data.md,AI 分析后的报告为 {code}_report.md。

方式 B:在 OpenClaw 中直接用自然语言触发(适合日常快速查询)

帮我分析基金 005827,生成深度研究报告
分析易方达蓝筹精选混合的业绩和基金经理
生成 005827 的投资研究报告

AI 会自动完成三步:调用 MCP 工具获取数据 → 进行深度分析 → 输出完整报告。

方式 C:用 Python 脚本直接取数(适合二次开发)

python3 scripts/fetch_data.py 005827

输入怎么写效果最好

  • 优先用 6 位基金代码:如 005827,这是最准确的查询方式。
  • 用完整基金名称:如"易方达蓝筹精选混合",不要只写"易方达蓝筹"这类简称。
  • 可指定分析维度:“005827 业绩分析”、“005827 基金经理”,能减少无关数据拉取。

输出说明

生成的是 Markdown 格式文本,六大模块按顺序排列,正文中所有数据带时间戳。示例中的 7 个取数工具与用途对应关系如下:

维度 工具名 用途
basic FundBasicInfoReport 基金概况、规模、费率
performance StageIncreaseReport 各周期收益率、排名
risk FundIncomeRiskReport 夏普比率、波动率、回撤
manager FundHistoryManagerReport 经理履历、管理业绩
allocation FOFAssetDistReport 股票/债券仓位
holdings ShareholdingDetailReport 持仓集中度、重仓股
company FundCompanyBasicInfo 公司实力、财务数据

同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
基金深度研究报告生成器Skill(jy-fund-research-report) 自动化基金研究报告生成器 6 大模块报告、7 维度并发取数、业绩归因、经理与公司分析、投资建议 需安装 node/npm/mcporter/python3,并配置 JY_API_KEY 与两个 MCP 服务 快速产出结构化基金研究报告、投研初稿、内容素材 优势:一条指令出报告、数据可溯源带时间戳、按维度拆分调用灵活;不足:依赖密钥与网络、仅输出 Markdown、不支持多基金横向对比
第三方基金信息平台(如各类基金数据网站/App) 面向大众的基金信息查询入口 净值查询、业绩排名、持仓披露、基金档案 无需安装,注册即可浏览 日常查看单只基金的基本表现 优势:零门槛、界面友好、覆盖广;不足:需人工逐页摘取信息、无自动报告生成、分析与结论仍需自己写
专业金融终端(如 Wind、Choice 类终端) 面向机构的专业投研数据终端 全量金融数据、Excel 插件取数、深度数据字段 需要付费账号与客户端安装,学习成本较高 机构投研、量化研究、合规要求高的场景 优势:数据维度极全、专业度高;不足:成本高、上手慢、报告仍需自行搭建模板
通用大模型直接问答 通用对话式 AI 泛化问答、文本生成 打开网页或 App 即可用 概念解释、思路梳理 优势:门槛最低;不足:缺乏实时、可溯源的基金数据库支撑,具体数字容易失真,无法保证数据时效与出处

怎么选:如果只是随手看看某只基金净值,第三方平台足够;如果是机构级全量数据与合规要求,专业终端更合适;如果目标是**“在几分钟内拿到一份结构完整、数据带出处的基金研究报告初稿”**,这个技能的定位正好卡在中间地带。


该技能的典型应用场景与实际体验情况

场景一:个人投资者做买入前的功课

角色与痛点:普通投资者想买入一只基金,但面对招募说明书、季报、业绩排名等一堆材料,不知道从哪看起,也看不懂夏普比率、最大回撤到底意味着什么。

使用方式:在 OpenClaw 中直接说"帮我分析基金 005827,生成深度研究报告",拿到报告后重点看"业绩分析"与"投资建议"两节,关注同类排名、回撤表现和适合投资者类型的说明。

实际体验:上手几乎没有门槛,一句自然语言就能跑通。需要注意的是,报告中的投资建议是基于数据的归纳,仅供参考,不构成投资建议,最终决策要结合自身风险承受能力。

场景二:理财顾问/投顾准备客户沟通材料

角色与痛点:需要给客户展示某只基金的完整画像,但每写一份材料都要在多个平台之间切换复制,效率低且容易漏项。

使用方式:用 ./run.sh 基金代码 批量生成多只基金的报告,把 output/{code}_report.md 作为沟通底稿,再补充自己的观点。

实际体验:六大模块的结构固定,省去了自己搭框架的时间。注意本技能不支持多基金对比分析,需要横向比较时要分别查询后自行整理。

场景三:基金研究员做初步筛选与归因

角色与痛点:研究员在初筛阶段需要快速了解一只基金的业绩来源、持仓风格与基金经理能力圈,人工整理耗时。

使用方式:先用 ./run.sh 005827 performance 单独拉业绩数据做快速筛选,对感兴趣的基金再跑全量报告;也可用 python3 scripts/fetch_data.py 005827 直接取原始数据做二次加工。

实际体验:7 维度并发取数速度不错(约 60–90 秒),风险指标与同类排名都有覆盖。注意新成立不足 3 个月的基金数据可能不完整,QDII 基金数据可能存在 T+2 延迟。

场景四:财经内容创作者找素材

角色与痛点:写基金测评类内容需要大量结构化数据支撑,纯靠手工整理效率极低。

使用方式:生成 Markdown 报告后直接改写为文章段落,数据带时间戳便于标注出处。

实际体验:报告本身就是 Markdown,复制到编辑器里基本无需二次排版。但输出不支持直接导出 PDF/Word,需要转换格式的话要另找工具。


该技能能为用户带来的价值

1. 把"两小时的手工整理"压缩到"几分钟的等待"

过去做一份基金研究报告,需要跨 5–6 个页面采集信息、手工对齐字段、再组织成文。现在 7 个维度数据并发获取约 60–90 秒,加上 AI 分析生成,整体耗时大幅下降。对于需要定期跟踪多只基金的用户,这个节省是按倍数累积的。

2. 降低专业报告的门槛

夏普比率、波动率、最大回撤、持仓集中度这些指标,很多人知道名字但不会组合解读。技能把指标采集、业绩归因、经理能力评估、投资建议串成一条完整链路,让非专业用户也能拿到一份结构专业的报告。

3. 用"可溯源 + 时间戳"提升可信度

AI 生成金融内容最大的风险是数字失真。这个技能的数据全部来自 MCP 金融数据接口的具体工具调用,报告中带时间戳,用户可以回溯每个数字的来源,这比让通用大模型"凭记忆回答"可靠得多。

4. 输出即素材,可复用性强

Markdown 格式天然适配写作、笔记、知识库等场景,output/{code}_data.md 保留原始数据可做二次加工,{code}_report.md 可直接作为初稿使用。

5. 长期价值:把投研流程标准化

六大模块的固定结构意味着不同基金、不同时间的报告具备可比性。长期使用下来,形成的是自己的一套标准化投研档案,而不是每次重新造轮子。


常见问题 FAQ

Q1:这个技能怎么安装?一定要有 JY_API_KEY 吗?

必须先装好 node、npm、mcporter、python3 四个组件,再通过 npm install -g mcporter 安装 mcporter,然后向恒生聚源申请 JY_API_KEY,用 mcporter config add 配置 jy-financedata-tool 与 jy-financedata-api 两个服务。是的,必须有有效的 JY_API_KEY,因为所有数据都来自恒生聚源 MCP 服务,没有密钥就无法取数。最后用 ./run.sh --check 检查环境是否就绪。

Q2:这个技能收费吗?

技能本身是一个开源可读的技能包(含 SKILL.md、run.sh、fetch_data.py 等文件),但它的数据来源依赖恒生聚源 MCP 服务,需要申请 JY_API_KEY,该密钥的申请条件与计费方式以恒生聚源官方说明为准,技能详情中未提供价格信息。另外调用大模型做分析可能产生相应的模型调用成本,同样以你所使用平台的官方说明为准。

Q3:为什么我调用时报错"找不到 FinancialDataAPI"?

这是最常见的配置误区。jy-financedata-api 服务没有通用工具 FinancialDataAPI,必须调用具体工具函数,例如 FundBasicInfoReport(基本信息)、StageIncreaseReport(业绩)、FundHistoryManagerReport(基金经理)等。用 mcporter call jy-financedata-api.FundBasicInfoReport "query=基金 005827" 这样的写法才是正确的。

Q4:适合谁用?不适合谁用?

适合:需要快速产出基金研究报告的个人投资者、理财顾问、基金研究员、财经内容创作者。不太适合:需要全量专业字段与合规级数据支持的机构场景(更适合专业金融终端);需要实时净值数据的场景(本技能数据通常 T+1 更新,实时净值需通过其他工具获取);需要多基金横向对比的场景(本技能不支持,需分别查询)。

Q5:生成的报告能直接当投资依据吗?

不能。技能说明中明确声明:本报告由 AI 基于公开数据生成,仅供参考,不构成任何投资建议。基金投资有风险,过往业绩不代表未来表现;报告数据可能存在延迟或误差,请以基金公司官方披露为准;使用本技能产生的任何投资决策风险由用户自行承担。

Q6:脚本跑超时了怎么办?

技能说明中给出了三种处理方式:减少并发数量(修改 fetch_data.py 中的 max_workers)、增加超时时间(修改 CONFIG 中的 timeout 配置)、检查网络连接。默认策略是单次查询超时 30 秒、整体获取超时 180 秒,超时后会输出已获取数据并标记缺失部分。另外请妥善保管 JY_API_KEY,不要在公开场合分享。