基于OpenClaw的个人金融研究助手
AI 总结
一份报告介绍了一套基于OpenClaw的个人金融助手方案，用于整理公开金融资料、阅读公告、跟踪研究观点，并通过飞书提供决策辅助；交易仍由用户决定，助手不登录交易账户，也不自动下单。系统架构包括OpenClaw Gateway、持久化文件区、数据与计算工具，以及按任务分工的模型。作者称，试运行已验证DeepSeek Flash委派Pro、Pro返回结果并由主会话回复的链路。日常任务交给Flash，正式研究交给Pro，金额计算由固定程序完成。常规业务会话中的联网搜索、定时交付、计算口径一致性、High思考设置的独立生效证据，以及DeepSeek Pro的可靠性仍待验证。
深度见解
该报告提供了一套可追溯的金融研究架构，将模型委派、持久化状态、外部工具、程序化计算与人工决策控制结合起来，并明确区分了已验证的委派链路与仍需端到端测试或可靠性评估的环节。
用 OpenClaw 搭建个人金融助手：从联网查询到双模型协同
我希望有一个能持续整理金融资料、阅读公告、跟踪研究观点的助手：平时可以通过聊天更新资料，在固定时段收到摘要，重要问题再展开研究。交易仍由人决定，助手不登录交易账户，也不自动下单。
真正搭起来后发现，接通模型和飞书只是开始。更难的问题是：搜索结果能不能支撑结论？模型算出来的金额有没有统一口径？任务究竟还在运行，还是已经无声结束？
这篇文章记录一套已经跑通模型委派链路的实现思路，以及目前仍需验证的环节。它不是投资策略，也不包含任何真实持仓、资金规模、个人风险阈值或收益记录。文中的目录和示例均为通用示意。
1. 先把助手的职责定清楚
我把金融助手的工作分成三层：