> ## Content Index
> Fetch the complete content index at: https://www.hubwiz.com/blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# 用LLM Wiki让智能体分析股票
- URL: https://www.hubwiz.com/blog/using-llm-wiki-to-enable-agents-to-analyze-stocks/
- Published: 2026-05-15T15:22:33.000Z
- Updated: 2026-10-13T15:33:55.000Z
- Description: 为什么无状态的AI是无用的AI（以及如何构建一个真正会思考的AI）
- Author: admin
- Tags: AGENT, LLM WIKI, #Import 2026-10-14 14:41

如果你仍然把AI当作聊天机器人来总结那些你根本不会看的邮件，那你的用法就错了。

我决定让我的AI帮我研究股票，作为一个爱好项目。

## 1、背景：新闻过载

我在AI和股票的交叉领域花了太多时间。有一段时间，我的设置很简单：用Hermes智能体将20多份时事通讯总结成一封早间邮件。感觉挺高效，但这是一个相当薄弱的使用场景。

我在阅读AI和股票新闻，但没有一条在积累。周一我在播客中找到一个很棒的AI论点，到周五我就忘了它和三周前在X上读到的半导体瓶颈有什么关系。

然后Andrej Karpathy发布了关于"LLM Wiki"的内容——这个理念是AI不应该只回答问题，它应该维护一个持久的、不断演进的知识库。

我意识到我从来没有保留任何知识，即使保留了，它们也是孤立的。我需要一个能记住并帮我串联线索的大脑。

**我的设置：**

- 智能体框架：Hermes Agent + 自定义技能
- 模型：GLM-5-Turbo
- "大脑"：Andrej Karpathy的[LLM wiki](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f?ref=hubwiz.com)

## 2、构建：从脚本到策略

我的第一个提示词是这样的：

> [https://x.com/aleabitoreddit](https://x.com/aleabitoreddit?ref=hubwiz.com)[https://x.com/midascabal](https://x.com/midascabal?ref=hubwiz.com)

单次提示后的结果相当不错，但很机械，没有推理。

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-OcbKlCnZZRfKoYEZ.png)

在喂给它我自己的关注列表、我的第一份每日市场简报并要求它寻找不对称交易机会后，我早上8点的"市场更新"看起来像一个大型关注列表和新闻快讯：

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-ZKaWe0VY3uPbjaqc.png)

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-IUtoAWpMulyMpqUu.png)

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-thnoqgF7g4YC3J7t.png)

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-_pCuM1QZmyTJgD0G.png)

扫描器的第一个版本就像一个大学一年级实习生：很积极，但不会战略性地思考。它能找到股票代码，但无法告诉我它们在整体格局中为什么重要。

为了从基本关注列表升级到高确信度研究系统，我必须构建这些"缺失"的层：

- **宏观情境化：** 没有上下文的原始股票提及是无用的。我强制智能体叠加"战略头条"——将股票代码提及与利率变动、超大规模AI资本支出（"大金主"）和特定供应链瓶颈等联系起来
- **确信度层级：** 并非所有信号都是平等的。我实现了一个严格的筛选系统，将股票代码分为一个层级：**确信**（强有力的论点）、**高信号**（异常活动）和**关注**（等待回调或更多数据）
- **递归来源发现：** 智能体现在会主动寻找替代来源。它会扫描新的X账号，而不仅仅是"炒作"的账号，而是那些在梳理供应链的账号
- **多模态输入：** 由于一些最好的alpha隐藏在一个小时的深度分析中，我正在整合YouTube和播客的文字记录作为信号源

## 3、调整和微调

运行几天后，我的列表、研究和评分系统开始堆积。智能体很难找到东西。

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-x37Yxs1Tqf3O_vyb.png)

我让V（我的"vibecodingdad.com"助手）来设置这个，它会自动整理内容。只需把V指向Karpathy的[LLM-wiki页面](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f?ref=hubwiz.com)。

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-eibaO2iTNd9DT4M7.png)

## 4、自我改进

> 你是一个专注于基本面向好的不对称交易的分析师——我们的研究、信号和宏观管道还应该添加什么？你在这个过程中不断改进。总是学习什么有效什么无效，总是调整。记住你是一个从不对称交易中赚钱的智能体，总是在寻找新机会

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-wGFXOYC6eo1x0DKJ.png)

这是它实际工作的架构：

1. **信号扫描器：** 每天早上7:45，它抓取深度研究账号过去24小时的推文（想想供应链极客，而不是博眼球的账号）。
2. **噪音过滤器：** 它提取股票标签并按确信度分类。它被训练来忽略"我在$X时就说过了"的帖子，专注于实际基于论点的数据。
3. **汇聚引擎：** 这是神奇的部分。如果三个不同的聪明账号提到\*\*$INTC**的CPU-to-GPU比率或**$SIVE\*\*的InP激光器，智能体会将其标记为"汇聚信号"。
4. **持久Wiki：** 不是每天出一份新报告，它维护一个`research/index.md`。它交叉链接股票代码。如果有一条关于霍尔木兹海峡的新闻，它不只是告诉我"石油涨了"——它会告诉我基于\*\*$VST\*\*与亚马逊的PPA协议，这将如何影响其利润率。

## 5、喂养新闻

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-VROZh1kEOxYqylHE.png)

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-LpBXM449UtkCayVm.png)

## 6、压力测试

### 6.1 添加新的X关注

当被要求关注[https://x.com/pelositracker](https://x.com/pelositracker?ref=hubwiz.com)上的政客交易时，V礼貌地拒绝了。

![None](https://www.hubwiz.com/blog/content/images/2026/05/0--SLvscow8jBNrjkv.png)

### 6.2 添加新股票

我还让它对 **$LMND**（一个朋友的最爱）进行了压力测试。V给了它一个**4/9的不对称评分**，指出其不断缩小的惊喜百分比，并告诉我市场正在"计入完美预期"。

它不是一个"应声虫"。它是一个有态度的分析师。

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-YuHKwENaWInIRv_K.png)

把所有东西整合在一起：

![None](https://www.hubwiz.com/blog/content/images/2026/05/0-ILKn6cOnEDfcvHUa.png)

## 7、可操作的收获：为复利而构建

如果你现在正在构建AI智能体，停止构建"无状态"工具。一个关闭标签页就忘记一切的工具只是一个花哨的计算器。

**真正有效的方法：**

- **创建日志：** 维护一个只增不减的研究时间线
- **强制交叉链接：** 让你的智能体解释新股票A如何影响现有论点B
- **定义你的"反目标"：** 告诉你的智能体不要看什么（例如，meme账号、滞后指标）

大多数人高估了AI在单次提示中能做的事，但完全忽略了当一个智能体被允许在一个月内建立知识库时能做的事。

---

原文链接：[Using Karpathy's Wiki: How I Turned an AI Agent into a Stock Analyst](https://freedium-mirror.cfd/https://medium.com/generative-ai/using-karpathys-wiki-how-i-turned-an-ai-agent-into-a-stock-analyst-2261baa54795?ref=hubwiz.com)

汇智网翻译整理，转载请标明出处

> **这是「Agent / MCP」专题的一部分。**完整地图见：[Agent / MCP / 自动化完全指南](https://www.hubwiz.com/blog/agent-stack/)