企业官网建设流程全解析

zhengxi-views是一个可溯源的基金投研 Agent Skill：它内置全市场约 2.7 万只基金的完整列表，让任意 AI 助手都能帮你完成三件事——基金查询（按名称/代码/类型找到任意基金）、基金对比（把两只基金的数据并排摊开）、基金评分（用易方达基金经理郑希的六维框架给任意基金打分）。所有数据来自公开披露，带季度日期、可追溯，绝不杜撰。下面用 3 步带你跑通全部流程。

⚠️ 先说清定位：本项目仅供研究与学习辅助，不构成投资建议。

📦 数据底座：2.7万只基金是怎么来的

在动手之前，先了解这份数据的"含金量"，这是理解后续所有功能的钥匙：

列表里的每一只基金都带类型标签，比如"指数型-股票""混合型-偏股""债券型-长债"，方便按类型筛选同类基金。郑希自己的基金则另有精编快照索引，4 只在任 + 4 只曾任，覆盖 2012 年以来的逐季数据。

🚀 快速上手：3 条命令装好 zhengxi-views

安装非常简单，只需克隆仓库并补齐脚本依赖：

git clone https://gitcode.com/gh_mirrors/zh/zhengxi-views pip install -r requirements.txt # 抓取/评分功能需要

在 Claude Code 里，把SKILL.md、references/、scripts/放进~/.claude/skills/zhengxi-views/即可自动加载；也支持 Cursor、WorkBuddy、ChatGPT 等平台，详见 README.md 的"在其他 AI 工具里使用"。之后大多数时候你只需用自然语言提问，AI 会自动调用脚本；以下命令也可手动执行。

🔎 第一步：基金查询——按名称、代码或类型找到目标

只记得"中欧医疗"这种模糊名字，不知道 6 位代码？fund_lookup.py就是为此设计的，它在全市场 2.7 万只基金里按名称 / 拼音 / 代码 / 类型模糊匹配：

python scripts/fund_lookup.py 中欧医疗 # 按名称找 python scripts/fund_lookup.py 005827 # 按代码确认 python scripts/fund_lookup.py 光伏 --type 混合 # 按类型筛选同类

脚本会输出命中的基金列表（代码 + 名称 + 类型），例如：

全市场 27037 只基金（更新 2026-06-19 23:06），命中 X 只： 003095 中欧医疗健康混合A [混合型-灵活]

拿到代码，就是拿到了这只基金在所有后续步骤里的"身份证"。脚本源码见 scripts/fund_lookup.py。

📥 第二步：基金数据抓取——持仓、净值、业绩一次到位

找到代码后，用fetch_any_fund.py从公开数据源抓取该基金的全部明细，包括逐季前十大重仓股、净值与区间收益、最大回撤、规模、资产配置、任职回报：

python scripts/fetch_any_fund.py 005827 # 抓单只 python scripts/fetch_any_fund.py 005827 110011 # 一次抓多只（为对比做准备）

抓完的数据落在references/fund_data_cache/缓存目录，结构与你打开 001513_易方达信息产业混合/净值业绩规模.md 这类文件看到的完全一致——区间收益、最大回撤、规模、资产配置一目了然。两个贴心细节：

• 缓存默认 7 天有效，期间重复查询直接读缓存，加--force可强制刷新；
• 持仓是季度快照（季报披露口径），引用时建议带季度日期，这正是它"可溯源"的基础。

抓取逻辑见 scripts/fetch_any_fund.py。

⚖️ 第三步：基金对比——把两只基金并排摊开

对比是新手最容易忽视、却最有用的玩法：把郑希在管的基金和任意同行的基金并列放在一起，风格差异立刻现形。项目自带的真实示例（郑希 · 易方达信息产业 001513 vs 葛兰 · 中欧医疗 003095）：

做法不复杂：两条fetch_any_fund.py把双方代码抓下来，郑希一侧直接用 references/fund_data/ 里的精编快照，然后让 AI 从收益、回撤、重仓行业、换手风格四个角度并排分析。想看郑希的逐季持仓如何切换，直接读 季度持仓.md——38 个季度的前十大重仓股全部列明。

🏆 进阶玩法：用郑希框架给基金打分

这是 zhengxi-views 最有辨识度的一招：不评价"基金好不好"，而是回答"这只基金有多像郑希会买的"。

一条命令备好全部证据：

python scripts/score_fund.py 招商中证白酒 # 支持直接输名称或代码

score_fund.py会自动完成：解析代码 → 备齐数据（郑希的基金用精编快照，其他基金实时抓取）→ 算好集中度、季度换手代理、区间收益、最大回撤、规模、资产配置等机械指标，打印一份完整证据档案。随后 AI 依据 references/scorecard.md 的六维评分卡逐项打分：

评级分四档：高度契合（80+）/ 较契合（60–79）/ 部分契合（40–59）/ 不契合（<40）。项目示例中，招商中证白酒指数只拿到21 / 100——注意，这不是说它是差基金，而是"全仓高端白酒的被动指数"与郑希"找科技通胀、买低 ROE 弹性"的风格几乎相反。低分 ≠ 差基金，这一点评分卡里反复强调。

✅ 边界与注意事项

• 数据来源：基金列表与明细均来自公开披露的季度数据；郑希的观点语料与方法框架（references/method.md）全部出自其本人公开原文，可溯源。
• 季度口径：持仓为季报快照而非实时行情，抓取缓存 7 天有效。
• 需要联网：实时抓取依赖网络环境；无网时可先在本地抓好数据再离线分析。
• 定位提醒：评分衡量"与郑希投资风格的契合度"，非基金优劣判断；整体仅供研究学习辅助，不构成投资建议。

小结

一句话回顾全流程：fund_lookup.py查代码 →fetch_any_fund.py抓数据 → 并排对比 →score_fund.py六维评分。2.7 万只基金的真实数据在手，从"这只基金代码是多少"到"它像不像郑希会买的"，每一步都有据可查。打开 README.md 看更多示例输出，或直接把 SKILL.md 接入你的 AI 工具，让"可溯源"成为你研究基金的默认姿势。