投资 · OpenClaw 用户案例

投资者的
情报
引擎

20 倍市场信号覆盖。每日节省 2 小时。一个 AI Agent 网络替代全职研究员——每月仅 $12。

📈
Kevin Luo · 天使投资人 & 公募交易员
$200万+ 组合 · 美股 + 早期科技 · 兼职
20x
信号覆盖
2h
每日节省
$12
月 Agent 成本
4
AI Agent
openclaw — investor-agents — live
▶ market_scout.run()
扫描 847 个来源...
✓ NVDA — 内幕买入：CFO $210万
★ TSLA — 交付超预期 +8%
! SMCI — SEC 传票已提交
▶ deal_scout.scan(stage="seed,series-a")
分析 234 家公司...
✓ 匹配：AI 基础设施 · YC W25 · $300万 ARR
✓ 匹配：气候科技 · 3 条可介绍路径
▶ portfolio_pulse.report()
持仓：12 只股票 · 3 私募
↑ AAPL 财报 3 天后 — 关注 IV 收缩
→ 科技超配 68% — 再平衡？
痛点

信息过载，
洞察饥荒

现代投资者拥有更多数据，但缺乏过滤的数据只会带来分析瘫痪，而非超额收益。

#
痛点
代价
01
RSS 与新闻过载
订阅 30+ newsletters、15 个 RSS 源和 3 个金融数据服务。全部读完要 3 小时。错过关键信号是家常便饭。
02
手动财报追踪
财报季意味着 3 周内 兼顾 40 家公司。你无法追踪每场电话会、每次指引更新、每次分析师评级。一次错过，持仓可能错一个月。
03
Deal Flow 盲区
优质早期项目在收件箱里死掉，或根本到不了你手里。在 YC 批次、AngelList 和创始人网络中找符合你投资 thesis 的初创公司，本身就是一份兼职。
04
组合漂移
科技板块大涨时，你的配置从 40% 漂到 68% 而你浑然不觉。手动组合复盘最多每月一次——但市场每天都在动。
05
研报堆积
分析师报告、10-K、S-1、竞品拆解堆积如山。一份 S-1 就 200 页。要么读太少，要么全读然后决策慢。
06
缺乏系统性第二意见
你只能在事后发现自己的盲点。没有一致的框架来压力测试你的 thesis——只有直觉和今早读到的内容。
解决方案

你的4-Agent
情报网络

四个专业 Agent 覆盖投资流程的每一层——7×24 运行，你只处理真正重要的事。

📡
MarketScout
市场情报 Agent
每天早上扫描 800+ 来源——财经新闻、SEC 文件、内幕交易报告、分析师评级、社交情绪。只过滤与你的自选股和 thesis 相关的信号。按置信度排序推送晨间简报。
web_search sec_filings sentiment_parse relevance_score email_brief
每日新闻阅读时间 3h → 15min
🔭
DealScout
私募 Deal Flow Agent
持续扫描 YC 批次、AngelList、Product Hunt 首发、GitHub 热门 repo 和招聘信号，寻找符合你投资 thesis 的初创公司。按 traction、团队、市场规模和你的标准打分。标记通过你人脉的 warm intro 路径。
web_scrape thesis_match network_scan score_rank crunchbase_api
Deal 来源覆盖 20x 更广
📊
PortfolioPulse
组合监控 Agent
每日追踪公募持仓，季度追踪私募。监控配置漂移、财报日期、期权到期、每只持仓的新闻。在问题出现前提醒再平衡机会。生成月度组合健康报告。
portfolio_track drift_calc earnings_cal alert_send monthly_report
组合复盘频率 每日 → 自动
🧪
ThesisDebater
投资 Thesis 压力测试 Agent
当你考虑新仓位或投资时，ThesisDebater 扮演魔鬼代言人。研究反方论点、识别你未言明的风险、找出可比失败案例、压力测试你的假设。在投入资金前提供严谨的第二意见。
counterarg_gen comparable_research risk_identify scenario_model
投资前发现的 thesis 盲点 3→0 平均/季
📑
ResearchDigest
文档摘要 Agent · 按需
丢入任意文档——S-1、10-K、财报电话会纪要、研报或 pitch deck——ResearchDigest 在 3 分钟内提取 10 条最相关的投资洞察。高亮红牌、关键指标、管理层指引变化和竞争格局变化。
pdf_parse 10k_extract s1_analyze flag_detect summary_gen
S-1 摘要输出示例
收入：$1.27亿 ARR，82% 同比增速——较上年 114% 放缓
⚠ 风险：前三大客户 = 41% 收入——集中度风险
✓ 优势：净收入留存率 128%——产品粘性强
烧钱：$820万/月，收盘时 14 个月 runway——紧张
估值：中位数定价 18x NTM——较同业 22x 压缩
每日工作流

Kevin 的自动化
投资周

Agent 持续运行。Kevin 只与精选、高信号输出互动——而非原始噪音。

// Agent 活动时间线
06:00
每日
MarketScout → 晨间简报
扫描隔夜 SEC 文件、亚洲收盘、自选股盘前表现。将排序信号摘要推送到邮箱和 Telegram。
output: ranked_signals.pdf
08:00
每日
PortfolioPulse → 每日检查
检查配置漂移与目标。标记未来 72 小时内有财报的持仓。任一持仓盘前波动 >5% 时提醒。
output: portfolio_status
10:00
周一/三
DealScout → 新匹配
报告符合 thesis 的新初创公司。本周：YC W25 批次 3 家 AI 基础设施公司，2 家气候科技公司，已识别 warm intro 路径。
output: deal_shortlist
按需
随时
ThesisDebater → 投资前审核
打款前，Kevin 将投资备忘录发给 ThesisDebater。收到严谨的 bear case、3 个可比失败案例和标记的盲点。
output: bear_case_analysis
周日
每周
All Agents → 周汇总
合并周报：Top 5 市场动态、组合 vs 基准表现、3 个值得电话的 deal、下周关键日期和财报。
output: weekly_briefing
// 每周回收时间
Kevin 过去每天花 2-3 小时 读新闻、看持仓、研究 deal。现在每天花 20 分钟 审查 Agent 输出并处理高信号项。每周 14+ 小时 回收。
// Deal Flow 变化
之前：每月仅通过直接介绍审核 4-6 个 deal。之后：每月 40+ 家公司 浮现，且 thesis 匹配已完成。Kevin 只与已通过第一筛选的公司互动。
// ThesisDebater 效应
Q1 时 ThesisDebater 指出 Kevin 看好的一个 fintech 存在关键人依赖风险，他当时在自我合理化。他放弃了。60 天后该公司遭遇监管问题。 一次规避 = 网络成本的 10 倍。
// 总月成本
在 OpenClaw 上运行全部 4 个 Agent 每月约 $12 LLM token 成本。初级研究员每月 $6,000–8,000。Agent 7×24 工作，永不休假。
配置指南

OpenClaw 配置
参考

Kevin 投资者 Agent 网络的核心配置。根据你的 thesis 和自选股调整。

agents/market-scout.json 
{
  "id": "market-scout",
  "schedule": "0 6 * * 1-5",
  // 工作日 6am
  "watchlist": [
    "NVDA", "TSLA", "AAPL"
    // 添加你的自选股
  ],
  "sources": [
    "sec_edgar",
    "reuters",
    "bloomberg",
    "twitter_finance"
  ],
  "filters": {
    "min_relevance": 0.7,
    "insider_trades": true,
    "analyst_changes": true
  },
  "output": "email + telegram"
}
DealScout — Thesis 配置 
# DealScout 投资 Thesis 配置

THESIS_SECTORS:
  - AI 基础设施
  - 开发者工具
  - 气候科技硬件

STAGE_FILTER:
  - pre-seed
  - seed
  - series-a

TRACTION_THRESHOLD:
  arr_min: 500000  # $50万 ARR 最低
  growth_rate_min: 100  # 100% 同比

SOURCES:
  - ycombinator.com
  - angellist.com
  - producthunt.com
  - github trending

SCORE_WEIGHTS:
  traction: 0.35
  market_size: 0.30
  team_signal: 0.20
  thesis_fit: 0.15
ThesisDebater — 系统提示词 
# ThesisDebater 指令

你是严谨、持怀疑态度的投资分析
师。当收到投资 thesis 时，你的任务是
挑战它，而非验证。

始终产出：
1. Top 3 bear case 论点
   （具体，非泛泛）

2. 2-3 可比失败案例
   与相似 thesis/市场
3. 投资者可能自我合理化的
   关键假设
4. 向创始人提问的问题
5. Kill 条件——什么会让你
   立即退出？

不要：验证或鼓励。
你的工作是找缺陷。

语气：直接、分析、怀疑。
不要软化语言。
PortfolioPulse — 提醒规则 
# PortfolioPulse 提醒配置

DRIFT_ALERTS:
  sector_max: 0.40  # 40% 上限
  single_stock_max: 0.12
  check_frequency: "daily"

PRICE_ALERTS:
  premarket_move: 0.05  # 5%+
  intraday_move: 0.08  # 8%+
  channel: "telegram_instant"

EARNINGS_WATCH:
  advance_notice_days: 3
  include_iv_data: true
  include_consensus: true

REPORTING:
  daily_summary: "8:00 AM"
  weekly_report: "Sunday 7:00 AM"
  format: "email + pdf"
90 天后结果

Kevin 的数据

运行完整投资者 Agent 网络三个月。变化如下。

20x
每日覆盖的市场信号更多——无需花更多时间
14h
每周从手动研究和新闻阅读中回收的小时数
$12
4 个 Agent 月成本——vs 人类分析师 $6K+
ThesisDebater Agent alone 的价值抵得上月成本的 100 倍。不是省时间——而是抓住我本会因错误理由做出的 deal。把严谨的怀疑者内置到流程里，让我成为了更好的投资者，而不只是更快的。
Kevin Luo
// 天使投资人 & 公募交易员 · $200万+ AUM
// 开始你的旅程
搭建你的
情报引擎

30 分钟内部署首个投资者 Agent。你的自选股、你的 thesis、你的标准。

→ 从 openclaw 开始 ← 全部用户案例