企业官网建设流程全解析

一说到“盯盘”，很多人第一反应是“多开几个屏幕，盯着分时图，盯着资金流向，盯着消息弹窗”。但我搭了个AI投资工作台之后，最大的感受是：盯盘这件事，本质上不是在“盯”，而是在“等信号”——等一个价格突破、等一则关键公告、等一个情绪拐点。而AI投资工作台的价值，就是把“等人眼去发现信号”变成“让系统主动推送信号”。

这篇文章不聊宏大架构，也不推复杂策略，只讲我实际搭出来、并且每天都在用的几个功能：智能预警、市场情绪感知、持仓监控与盘中简报。它们分别解决了我过去几个最真实的痛点——信息过载、反应太慢、盘中焦虑、复盘靠回忆。如果你也是那种“被琐事缠身、经常开小差又怕错过重要行情”的散户，这篇应该能给你不少可以直接抄作业的思路。

1. 先说自己动手的动机：现成软件到底差在哪

我并不是一上来就否定所有第三方行情软件。说实话，券商APP、同花顺、东方财富这类工具的基础功能都做得不错，K线、分时、F10资料要什么有什么。但用了两三年之后，我发现自己卡在几个结构性问题上，不是靠堆功能就能解决的。

1.1 所谓“盯盘”，累的不是眼睛而是注意力

盯盘的真正痛点，是心智负载。你要同时盯自选股、大盘、板块、消息、资金，还要在脑子里做判断——“这个异动是放量突破还是拉高出货？”“这则消息对持仓影响大不大？”人的注意力天生只够同时处理四五个信息流，一旦自选股超过20只，基本就是看哪哪都有问题，看哪又都觉得拿不准。

我自己最崩溃的一段时间，是早上九点半到十点半，手上同时挂着六七个行情页面，还要切出去刷公告。一上午下来，真正有效的决策也就一两个，但精力已经耗得差不多了。后来我梳理了一下，我需要的东西其实很明确：把“观察”交给机器，把“决策”留给自己。

1.2 现成软件的功能是“广场”，不是“私人助理”

现成软件的问题在于它是通用的。它面向几千万用户，所以预警条件、排序规则、展示方式都是标准化的。比如我想监控“某只自选股在开盘30分钟内成交量超过昨日同期两倍，同时股价涨幅小于2%”，这种组合条件在绝大多数APP里是设不出来的。就算一些高级版能设，也往往是付费功能，而且只支持它预设的字段。

另一个问题是推荐逻辑。多数行情软件首页推的是“人气榜”“涨幅榜”，那是平台运营逻辑，不是我的持仓逻辑。我需要的是“我关心的20只票，谁今天出现异常”，而不是“全市场哪只票涨得最猛”。说白了，我需要一个以我为中心的信息过滤层，而不是被动接受全市场的信息洪流。

1.3 自己搭工作台的真实动机：定制、自动化、免打扰

最终让我动手自己搭一个AI投资工作台，有三个原因：

1. 可定制：所有监控条件、触发阈值、通知方式都按我的习惯来。我想监控什么就监控什么，不做全市场的“盲人摸象”。
2. 可自动化：从数据抓取、信号计算到消息推送，全链路跑完不需要我动手。早上的“盘中速览”、收盘前的“复盘简报”，都是定时任务自动生成。
3. 可免打扰：不是所有波动都有必要通知我。AI工作台可以像过滤器一样，只把“高优先级信号”推到手机上，普通波动直接忽略。

这三点加在一起，才真正解决了我“盯盘累”的病根——我不是不看盘了，而是把90%的无意义盯盘时间砍掉了，只在系统叫我时才看盘。

2. 工作台的整体构造：从数据到通知，一条单向流水线

在讲具体功能之前，先把骨架搭出来。因为后面每一个功能，本质都是在这条流水线上挂载不同的“信号处理器”。我理解的工作台，可以分成四个层级：数据采集层、指标计算层、AI分析层、消息通知层。每一层只干一件事，层与层之间通过数据库或消息队列解耦。

2.1 数据采集层：行情、公告、资金，三大件

行情数据我用的是开源方案，一套Python库直接拉取A股行情、基本面、资金流。选它主要因为免费、无需自己维护数据源，而且社区活跃，遇到接口变动很快就有更新。

公告数据稍微麻烦一点，因为交易所公告是PDF格式或者HTML页面，需要做文本抽取。我目前的做法是：每天盘后拉取持仓股和自选股的相关公告，用大模型把关键信息（分红、业绩预告、增减持）提炼成一两句话的要点，然后推送给我。这是工作台里最实用也最“AI味”的功能之一。

资金流数据（北向、主力净流入等）同样通过Python库拉取，但我调整了拉取频率——不是实时刷，而是每5分钟拉一次，因为资金流数据本身有滞后，太频繁反而会带来噪声。

2.2 指标计算层：让原始数据变成“信号”

这一层是整个工作台最核心的引擎。采集层拿到的都是裸数据，比如最新价、成交量、涨跌幅，但“裸数据”不等于“有用信息”。指标层要做的事情，是组合这些裸数据，生成有判断意义的信号。

举个例子，监控“放量滞涨”这个状态。只看单根K线没用，它需要：当前成交量相对过去20日均量的倍数、当前涨跌幅、以及开盘以来的时间点。这个逻辑写在代码里就是：

import pandas as pd def detect_volume_divergence(row, avg_volume_20): volume_ratio = row['volume'] / avg_volume_20 price_change = row['pct_change'] # 放量但滞涨：量比大于2，涨幅小于1% if volume_ratio > 2 and price_change < 1: return True, f"放量滞涨，量比{volume_ratio:.2f}倍，涨幅{price_change:.2f}%" return False, ""

这只是个最简单的例子。实际操作中我还写了几个比较“刁钻”的指标：连板高度、炸板率、板块热度排名变化、龙虎榜净买额与股价背离度。这些指标本身不复杂，但组合在一起就能过滤掉无意义的波动。

2.3 AI分析层：大模型负责“翻译信息”

指标层输出的还是结构化数据，但人看结构化的数字没有直觉感受。比如“龙虎榜净买额2.3亿，股价微跌0.8%”，这两行数字放在一起，一般人反应不过来背后的博弈含义。AI分析层的作用，就是把这些结构化信号转译成一句人话。

我目前的方案是，每天早上开盘前让大模型生成一份“盘前焦点”，内容包括：

• 隔夜市场关键词（哪些板块受关注）
• 当前自选股中昨天出现异动的个股及原因推测
• 持仓股相关公告的要点提醒

这里要强调的是：大模型不做预测，只做摘要和转译。我不让它“预测明天涨跌”，只让它“把信息整理好”，决策仍然是我的事。把预期放低之后，实际体验反而好了很多——摘要信息一目了然，不用再自己翻一堆报告。

2.4 消息通知层：不同级别、不同通道

信号算出来、信息整理好之后，最后一步是通知。我的原则是：同一信号，级别不同，通知方式就不同。

• 低级信号（如普通板块涨幅变化）：不推送，只记录，留到日报里。
• 中级信号（如持仓股出现3%以上波动或公告要点）：推送到手机，用简洁文本。
• 高级信号（如多指标共振，放量+资金流入+消息催化同时出现）：除了推送，还会触发一次“盘中快评”，让大模型基于已有数据生成一段分析。

通知工具的选型上没有用特别的花活，一个支持Webhook的机器人接口就够，手机端接收。好处是延迟低、稳定、免维护，而且可以把“事件流”留档，方便复盘。

2.5 技术栈与部署方式：能省事就省事

如果你也想搭，技术栈真的不用追求“大而全”。我自己的配置清单如下：

整套东西就跑在一台淘汰下来的笔记本上，7×24小时开着，功耗可以接受，稳定跑了三个月没什么大问题。这也是一个重要心得：这个工作台不需要服务器，不需要GPU，一台能联网的旧电脑就够了。

3. 智能预警系统：把“盯盘”变成“滤盘”

预警是整个工作台里我最早做、也最依赖的功能。它解决的核心痛点是：过去我每分钟都在刷行情，但真正值得注意的行情一天可能只有两三次；手动刷屏既浪费时间，又容易在真正信号出现时刚好走神。

3.1 预警的设计逻辑：宁可少报，不可多报

我设计预警的第一原则是“宁缺毋滥”。早期我的预警条件设得太宽松，结果一天推送几十条，最后全被屏蔽了。后来我学乖了，给预警加了两道“闸门”：

第一道闸门是阈值。不是所有异动都值得报警。比如“成交量放大30%”听起来像异动，但如果在开盘初段，很多票本来就会放量。所以我采用相对阈值：与过去20日同时段均值比，而不是绝对比例。

第二道闸门是冷却时间。同一只票，同一个预警类型，一小时内最多触发一次。否则很容易陷入连环推送的轰炸，而且很多连续推送其实是同一个原因的滞后反映。

代码实现也不复杂，加一个缓存记录每个key的最近触发时间即可：

from datetime import datetime, timedelta cooldown_cache = {} def check_cooldown(alert_key, minutes=60): now = datetime.now() if alert_key in cooldown_cache: last_time = cooldown_cache[alert_key] if now - last_time < timedelta(minutes=minutes): return False # 冷却中，不推送 cooldown_cache[alert_key] = now return True

3.2 我最常用的三类预警模板

我把日常最常用的预警条件总结成了三个类型，你可以直接拿去改：

类型一：价格行为异常

• 5分钟内涨跌幅超过3%（使用5分钟K线）
• 收盘前30分钟出现V型反转（条件：开盘下跌超2%后拉回红盘）
• 连续3根30分钟K线收阳且成交量逐根放大

这类型监控盯的是“盘中异动”，是我过去手动盯盘最容易错过的东西。实际跑下来最有价值的反而是“V型反转”这个条件，因为它是短线情绪修复的早期信号，手动盯盘时经常犯了困就划过去了。

类型二：量价背离

• 价格创20日新高，但成交量较5日均量萎缩20%以上（缩量新高，警惕假突破）
• 成交量创20日新高，但价格涨幅不足1%（放量滞涨，可能是出货）
• 在低开超过2%的情况下，成交量仍持续放大（恐慌承接盘在进）

量价背离类预警的价值在于提示风险。很多新手看到上涨就兴奋，但量价背离往往意味着上涨的力度存疑。这个逻辑写进工作台以后，相当于多了一个“不发脾气的技术派教练”，时刻帮忙盯着那些不对劲的上涨。

类型三：公告与事件联动

• 持仓股出现“减持”关键字公告
• 持仓股业绩预告类型为“预亏”或“预减”，但股价反而上涨
• 自选股出现“停牌核查”相关公告

公告联动类预警依赖前面的公告解析能力。大模型读完公告后，会把“事件类型”打上标签，标签匹配到预警条件才会触发推送。比如“减持”标签一旦出现，立刻推送原文链接加AI摘要，不用我自己去翻公告原文。

3.3 一次真实的预警案例：躲过了一波下杀

给你看一个真实触发记录，我觉得比讲一百句理论都实在。

某天下午14:20，工作台推了一条预警：

【高级信号】猪肉股A（000***）15分钟跌幅1.8%，但主力资金净流出1.2亿，量比2.3倍。同时饲料板块出现普遍回调。最近2小时北向资金持续减仓该股。建议注意尾盘风险。

这条预警集合了三个子信号：价格下跌、资金流出一致、板块共振。按我原来的盯盘方式，这个信息我要到收盘后复盘才能发现，盘中大概率就是懵的。收到这条预警后，我在尾盘做了减仓处理，第二天猪肉板块继续下杀。这一波操作谈不上赚，但确实帮我少回撤了不少。

事后我在工作台里给这条预警打上了“高价值命中”的标签。复盘时统计了一下，这种多信号共振的预警命中率比单信号高得多，所以后来我把“多信号共振”设成了触发高级推送的硬条件。

3.4 误报排查：停牌股、注册制创业板涨跌幅、除权除息

智能预警系统跑起来之后，误报是绕不开的坎。我踩过几个坑，给你列一下：

• 停牌股误报：停牌股没有实时行情，但某些接口会返回上一交易日的价格，导致“价格突破”误触发。解决方式：拉数据时过滤停牌状态。
• 注册制20%涨跌幅误报：预警阈值如果统一按10%设置，创业板的票一天都不会触发。解决方式：按板块设置不同阈值。
• 除权除息日误报：除权当天价格跳空低开，容易触发“大幅下跌”预警。解决方式：用前复权价格计算涨跌幅，而不是用原始价。
• 开盘集合竞价阶段数据不稳：9:15-9:25的成交量参考意义不大，我在这个时间段强制关闭了量比类预警。

这几个坑踩过去之后，预警系统的信噪比才真正上去。我可以很确定地说：做预警系统，过滤误报比增加预警逻辑本身，更能提升使用体验。

4. 市场情绪感知：从“看大盘”到“读天气”

盯盘的第二个大痛点是“看大盘看不出温度”。上证指数涨了不代表你的板块好，板块涨了不代表领头羊还在。过去我得手动切换看涨跌家数、涨停数、炸板率、北向资金，再把碎片信息在脑子里拼出一个模糊画面。后来我把这项工作交给了工作台，做了一个“市场情绪仪表盘”。

4.1 情绪指标的量化方式：全市场数据算出来的“温度计”

我最早设计的情绪指标体系是五个维度：涨跌家数比、涨停封板率、昨日涨停今日表现、成交额变化率、北向资金方向。每天九点四十分左右，工作台自动计算这五项指标，生成一个从“冰点”到“过热”的情绪评级。

这里说一下涨跌家数比和涨停封板率的计算逻辑，因为这两个指标最能反映“赚钱效应”：

• 涨跌家数比= 上涨家数 / (上涨家数 + 下跌家数)。大于0.7算偏暖，低于0.3算偏冷。
• 涨停封板率= 收盘封住涨停的家数 / (盘中触及涨停的家数)。这个指标反映的是“追高意愿”，封板率高说明短线资金愿意拿真金白银锁仓，情绪自然偏暖；封板率低，说明盘中涨停被砸开的多，资金分歧大。

用Python拉全市场数据，算这两个值很轻松。真正需要费心思的是怎么把指标变成“操作性判断”。比如封板率连续三天低于30%，我基本不会做打板相关操作；涨跌家数比连续两天低于0.35，说明市场处于普跌状态，我会减少盘中操作频率。

4.2 AI解读：用大模型生成立场鲜明的“盘面解读”

光有数值还不够，数值不会告诉你“为什么”和“接下来要注意什么”。这一块就交给我前面提到的AI分析层。

每天上午十点、下午两点半，工作台把当前情绪指标快照发给大模型，让它生成一版“盘面解读”。我的prompt大致是这样的：

你是一名有十几年经验的交易复盘助手。以下是今天的实时市场情绪指标： - 涨跌家数比：XX - 涨停封板率：XX% - 昨日涨停今日平均涨幅：XX% - 当前成交额：XX亿，较昨日同期变化：XX% - 北向资金：净流入/流出XX亿 请用3-5句话解读当前市场温度，指出最值得留意的风险或机会方向。不要给出投资建议，只做信息梳理。

这里有个小技巧：限定角色和输出长度。如果不限制，大模型容易给你写一篇八百字的议论文，反而失去了“盘中快读”的价值。加了“3-5句话”的约束后，输出质量一下子稳定了。实际体验下来，这段解读的参考价值，基本相当于一个不怎么说话但很勤快的复盘助理帮你做的信息摘要。

4.3 板块热度轮动监控：这个功能省掉了我一半的翻页时间

板块轮动是散户最头疼的环节之一，因为板块信息散落在各个角落：涨幅榜、资金流向榜、消息面、龙头股表现……手动翻太耗时。

我在工作台里专门做了一个“板块热度变化榜”，逻辑也很直接：

1. 拉取全市场行业板块涨幅数据。
2. 计算每个板块当前涨幅在近20日的分位数。
3. 当某个板块的分位数从昨日低于50%跳到今日高于80%时，标记为“热度跃升”。
4. 对“热度跃升”板块，再拉取该板块龙头股的实时表现和资金流。

这个功能的效果非常直观。过去我复盘时得自己翻一遍所有板块K线，才能知道“今天哪个方向是突然启动的”。现在每天早上花十秒钟看一眼热度榜，就能知道资金昨天去了哪里、今天有没有延续。比如我最近的一笔记录：某“AI+”概念板块连续两天分位数从40%跳到90%以上，同时龙头股资金流连续净流入，第三天启动时我就能第一时间关注到。

4.4 情绪感知的局限与我的妥协

情绪感知功能做出来后，我并没有无脑相信它。有几个局限必须认清：

• 情绪指标是滞后的。涨停封板率、涨跌家数比都是全市场的统计结果，它们反映的是“过去一小时或半天”的情绪，不是“下一秒”的。
• 大模型解读有“顺滑效应”。你会发现AI的解读往往偏向中庸，很少说“这里非常危险”或“这里确定性很高”。这是因为训练数据注定了它会规避极端判断，因此我只把解读当成“信息整理”，不当成“决策依据”。
• 情绪极端时，指标会背离。比如牛市顶部阶段，涨跌家数比可以连续好几个月保持高位，但单看这个指标做交易，很容易在顶部当接盘侠。

所以我对情绪感知功能的定位很明确：它帮我快速感知“市场正在发生什么”，但不告诉我“应该怎么做”。行为决策仍然完全交给自己，AI只是把那些需要花半小时手动统计的活干完了。

5. 持仓监控与盘中速览：把“焦虑盯盘”变成“动态跟踪”

盯盘第三类痛点，也是最普遍的一类：帐户持仓一多，就总是忍不住想看估值、看盈亏、看要不要操作。我搭了持仓监控和盘中速览这两个功能后，心态稳了很多。不是因为我变得佛系了，而是因为“想知道的事都会主动推来”，我不需要再主动刷了。

5.1 持仓估值快照：实时知道“我现在赚多少”

过去每天打开券商APP，第一件事就是看持仓盈亏。但券商APP的盈亏数字刷新有延迟，而且盘中持仓盈亏和当日明细经常混在一起，看多了容易焦虑。

工作台的做法是：每5分钟对持仓做一次估值快照，计算出估算的持仓市值、当日浮动盈亏、持仓占比，并写入本地数据库。这样任何时候我点开手机，看到的是我自己算出来的、口径一致的数字。

更关键的是，估值快照是按时间序列存的。这意味着我可以回看“今天下午两点时我的持仓大概是什么状态”，而不是只看到券商APP当前时点的数字。这对复盘非常有用，尤其是当你发现某一次决策是在特定市场环境下做出的时候。

估值计算的代码核心就是两行：

current_value = sum(holding['quantity'] * get_price(holding['symbol']) for holding in holdings) floating_pnl = current_value - cost_basis

但要注意除权除息和停牌的处理，否则快照和实际有出入。停牌的股票我用上一交易日价格，除权除息日前一天我会手动更新成本价。

5.2 偏离度预警：只有“异常”才通知我

持仓监控如果做成“实时推送每只票的涨跌”，那跟盯盘没有区别。我的做法是反过来的——只在持仓偏离正常状态时才通知。

所谓“偏离”，我设了三类：

• 单票瞬时波动偏离：某持仓股5分钟内涨跌超过3%，触发短消息。
• 组合波动偏离：整个持仓组合在10分钟内估算净值波动超过1.5%，触发提醒。
• 风险敞口偏离：某一行业板块持仓占比超过总仓位的40%，触发结构提醒。

这三类偏离里，真正让我安心的是第二类。过去持仓分散在五六个行业里，单只票的波动再大我也能忍，但如果整个组合突然净值跳水，那说明系统性的风险来了。这种“系统性风险”恰恰是手动盯盘最难看出来的，因为你会被单只票的波动带偏注意力。

5.3 盘中速览：每天两次的AI语音级简报

除了被动预警，我还在上午十点半和下午两点半各生成一次“盘中速览”，推送到手机端。速览包含三个固定模块：

1. 组合状态：现在是赚是亏，和昨天同时段比如何。
2. 异动简报：今天已经触发过的预警，按级别排列。
3. 市场温度：全市场情绪指标快照加AI解读。

这个“盘中速览”出现后，我发现自己看盘频率肉眼可见地下降了。以前早盘可能要刷二三十次行情软件，现在早盘固定看两次速览就够了。因为速览把“我需要知道的信息”都整理好了，我不需要再主动去翻各个页面，也就不存在“刷着刷着刷上瘾”的问题。

5.4 收盘复盘报告：每晚自动生成的“复盘日记”

复盘是最需要纪律性的工作，也是绝大多数散户坚持不下来的工作。我用工作台把这个过程自动化了。

每天晚上收盘后，程序自动拉取当天持仓、交易记录、触发预警，生成一份“收盘复盘备份”，内容包括：

• 当日行情回顾（大盘、板块、成交额）
• 持仓变动点评（哪些票涨了跌了，原因推测）
• 当日预警触发列表与命中质量
• 我的操作记录（如果有调仓，手动补充操作原因）

生成这份报告的目的不是给我“打分”，而是为了留痕。几个月之后，你可以翻回来看：某一天某只票出现了“缩量新高”的预警，我当时是怎么处理的，后来走势如何。这种回顾能力，是复盘的核心价值所在。

我自己有一个很深的体会：盘中做决策时大脑容易发热，很多判断在当时看起来无比正确，过两周回头再看完全不是那么回事。有了自动化的收盘复盘备份，我能在冷静下来之后重新审视当时的想法，这才是真正的进步来源。

6. 跑通之后我踩过的坑和优化心得

任何一个实战系统都不是一次写成的，这个AI投资工作台也经历了差不多三次“推倒重来”式的大改。我把踩过的主要的坑和对应的解决办法总结在这，希望你不用重走弯路。

6.1 大模型API的“幻觉”问题：数字要回查，结论要谨慎

最典型的一次是，盘前焦点里写“猪肉板块昨日主力资金净流入5.6亿元”，但我手动查了一下，实际净流入只有不到2亿元。原因是大模型在生成摘要时，把多个来源的数据混在了一起，导致数字“合理但不准确”。

这个问题很难根除，因为大模型本身就存在幻觉，尤其在处理数字拼接时。我的解决办法是分层：

• 关键数字由指标计算层生成，不经过大模型。
• 大模型只负责“润色”和“总结”，把已确定的数字填进模板里。
• 生成结果后，所有数字会和数据源里的原始值做一次比对，不一致就标记风险。

这样改完之后，幻觉问题的危害大幅降低。大模型的定位是一台“文字排版机”，不是“数据计算器”，这个边界一定要分清。

6.2 数据源接口的脆弱性：熔断与重试机制是必需品

免费的数据源接口偶尔会抽风，有的是维护升级，有的是单次请求量过大被限流。我最早没做任何熔断，结果某个指标图层疯狂报错，导致一天之内预警推送全断了。

现在的做法是：所有外部数据请求统一走一个“带重试和熔断”的封装函数。连续失败3次就熔断10分钟，10分钟后再试；如果还是失败，就切换到备用数据源。这个机制加上去之后，工作台的可用性从“经常断”提高到了“基本稳定”，是很值得做的一件事。

6.3 通知过载的恶性循环：“吵”到后来会“聋”

早期我把太多信号接进了通知，结果一天能推送几十条。第一天感觉良好，觉得自己像专业交易员；第三天就开始烦躁；一周后，我甚至看到推送就划掉，重要信号差点被淹没。

我最后做了一次大清理：把通知按优先级分成三个通道，低级信号直接进数据库不推送，中级信号做摘要推送，高级信号才发详细分析。清理之后，每天推送数量从四五十条锐减到三五条，但每一条我都很认真看。过滤掉噪音之后，信号才真正清晰。

6.4 不要贪多：先用最小闭环跑通，再谈宏伟蓝图

如果你想照着搭一套，我的建议一定是“先做成一个小成品，再用起来”。你不需要一开始就实现我前面说的这么多功能——我一开始也只是想监控“量价背离”这一个点，剩下都是后续需求驱动慢慢加的。

一个合理的最小闭环可以是：

1. 用Python定时拉取10只自选股的行情，存到SQLite。
2. 写一个“涨跌幅超过3%就推送”的简单预警。
3. 跑一周，把误报率和实际体验记录下来。
4. 根据记录调整阈值和冷却时间，再做下一个功能。

这个过程虽然笨，但能帮你建立对这套系统的掌控感。一上来就想全功能，最后大概率是某个环节出错，整个系统都没人维护，沦为一个看起来很酷但不用的“玩具”。

7. 后续我还打算加的几个方向

工作台目前已经稳定跑了几个月，我在使用中也积累了一些新的想法。这些方向有一些我已经开始动手验证，有些还在犹豫，也写出来供你参考。

7.1 小仓位策略实验模块

我准备利用工作台的历史数据和信号记录，跑一个小仓位的策略实验。思路是：不直接自动下单，而是让工作台根据历史信号回测一个简单规则——比如“当某信号触发后，次日买入、持有三天”，统计胜率和收益率。这个实验不需要实盘账户，用回测和模拟盘就能完成。

7.2 多市场信号联动

现在只做了A股，但很多跨市场的信号其实是联动的。比如港股某个板块异动，A股相关板块往往在情绪上有滞后跟随。我打算把港股通部分的行情数据也接进来，做一个跨市场联动信号，因为这部分目前还是手动看盘，挺费精力的。

7.3 情绪指标的历史回测库

我手头已经积累了三个多月的情绪指标快照数据，等数据量再多一些，我打算做一次“情绪指标与次日大盘涨跌”的简单回归分析，看看哪些指标真的有领先意义。这事在没有工作台之前根本不可能做，因为数据都不在我手里。现在有了数据库，回测只是时间问题。

7.4 移动端小部件

目前所有推送都是基于机器人Webhook，消息到了手机上但展示形式比较朴素。我后面计划做一个简单的移动端页面，把持仓总览、情绪仪表盘、最新预警放到一个手机首页上，这样早上起来扫一眼就够了，不用再点进聊天记录翻。

写到最后想说一句实在话：这个AI投资工作台不是什么高深莫测的东西，它是把“盯着盘面手动找信号”这个动作，变成了一套“程序帮你找信号、AI帮你整理信息、你只负责决策”的流水线。对我来说，它最大的收获不是多赚了多少，而是把盯盘的焦虑感降了下来，把复盘的质量提了上去。如果你也深受盯盘之苦，不妨从一个小预警开始，一点点搭出自己的那套系统。搭好之后你就会发现，所谓“盯盘”，原来可以不用那么累。