我用智谱 GLM-5.3 搭了套 A 股投研工作流，从此不用人工盯盘（已开源）

图片解读

第 1 张图片 — 证据整理（按要求：分“事实 / 无法辨认 / 推测”）

一、事实（图中可读文字、界面步骤、图表数据和明显界面元素）

- 横幅左上角黑色圆角矩形内：

- 红色“✖”符号（图形）与文字：“拒绝人工盯盘”

- 主页主标题（大字）：

- “ZCode +”（“ZCode” 字样为深色）

- 中间黑色方形图标，内有白色字母“Z”（即 Z 的 logo）

- “GLM-5.3”

- 主副标题（大字，下方）：

- “搭建 A 股投研工作流” （其中 “A股” 两字为蓝色）

- 背景：浅蓝/紫色网格背景，底部有多组红绿色的蜡烛图（K 线样式的装饰图形）。

- 右侧为手机截屏界面，顶部能够辨认的元素：

- 手机状态栏时间：“10:02”

- 电量数值显示为 “22%”（靠近电池图标）

- 信号、Wi-Fi 等状态图标可见

- 聊天界面顶部（部分内容被黑条遮挡）：

- 可见小字：“1 名群成员 | 1 个机器人”（或类似提示）

- 聊天时间分隔：

- “今天”

- “08:00”

- 机器人消息来源行（可辨认）：

- “投研助理小Z 机器人 | 通过webhook将自定义服务...”（“通过webhook将自定义服务...” 为截断可见）

- 聊天消息标题（大蓝字，可读）：

- “比亚迪(002594) 开盘前简报（中性）”

- 聊天消息正文有分节标注（可辨认的方括号标签）：

- “【结论】” 后跟一段正文（能识别开头“中性偏持有”三字）

- “【信号】” 后面有多项数据与数值（能辨认部分数字和关键字）

- “【风险】” 标签可见

- “【动作】” 标签可见

- 聊天正文中可辨认的数值/短语（原文精确度有限，但数字比较清晰）：

- “现价88.90处布林13.1%分位超卖”

- “期望值+0.43% 在保护参数下… +0.05%”（中间文字有缺损/不可读）

- “支撑87.80-88.69，压力91.99，六个月加权目标95.6元” （数字序列可辨）

- 出现“87.80”与“88.69”等价格区间及“95.6元”

- 出现“中报”字样（在“结论”段）

- 聊天消息下方两个按钮（蓝框白底）：

- “查看完整报告”

- “多空舆论回放”

- 聊天输入区域（底部）：

- 输入框提示文字（可辨认）：“发送给 A股投研晨报” （或类似）

- 常见输入/发送图标可见：表情、语音、附件、Aa 字样、发送箭头等（图标排列于输入框右侧/下方）

- 手机界面左上角有“返回箭头”图标；右上角可见“录像/相机”图标、更多菜单（省略号）图标。

二、无法完全辨认 / 字迹不清晰的内容（标注为“无法辨认”）

- 聊天消息正文多数段落为小字，整段文字有多处被压缩或模糊，无法完整逐字抄写。无法辨认的具体位置包括：

- “【结论】”之后的完整句子只识别出“中性偏持有”和“中报”等词，其余文字无法完整辨认。

- “【信号】”段落中的部分短语（除出现的数字如 88.90、13.1%、+0.43%、+0.05%、87.80-88.69、91.99、95.6）外，其余文字无法完全确认。

- “【风险】”与“【动作】”段落的大多数句子细节无法全部识别，仅能确认有风险说明与操作建议类表述，但具体措辞不清。

- 聊天来源行后半段文本被截断或模糊：“通过webhook将自定义服务...” 后续不可读的部分。

- 聊天群/会话顶部的群名或会话名被黑条遮挡，无法辨认被遮挡的文字。

- 部分小图标的注释文字（若有）过小无法识别其完整标签或含义。

- 背景蜡烛图为装饰，数值轴与具体数据点不可读（仅为示意图形）。

三、界面步骤 / 动作流程（图中可见的交互线索，按界面顺序）

- 机器人“投研助理小Z”在“今天 08:00”发送了一条消息，标题为“比亚迪(002594) 开盘前简报（中性）”。

- 消息正文分段包含“结论 / 信号 / 风险 / 动作”等条目（每项前有方括号标签）。

- 用户/群成员可点击消息下方按钮：“查看完整报告” 或 “多空舆论回放”。

- 底部输入框显示该消息是发送到名为“ A股投研晨报”（或类似）的会话，用户可在输入框中发送消息或使用输入区右侧的发送/表情/附件等图标进行操作。

四、可见现象（界面与视觉元素）

- 整体为宣传/演示风格图：左侧为产品/功能介绍文字与 logo，右侧为手机截屏的实际应用界面（示例消息）。

- 色彩：以浅蓝/紫色网格背景为主，标题与关键字采用深色与蓝色突出（“A股”蓝色）。

- 右侧手机截图为竖屏显示，顶部为常见聊天界面元素（时间/群信息/机器人标识），消息为卡片式展示（蓝色标题，正文黑字，按钮蓝框）。

- 背景底部有若干 K 线（蜡烛图）符号作为视觉装饰，红色与绿色交替。

五、推测（基于图像证据，但非直接可读信息 — 明确标注为推测）

- 推测这是一个产品或服务宣传页，主题是把 ZCode 与 GLM-5.3 结合用于“搭建 A 股投研工作流”。

- 推测右侧聊天为演示机器人自动下发的“开盘前简报”示例，内容以个股（比亚迪 002594）分析为例，包含结论、信号、风险和操作建议四个模块。

- 推测“投研助理小Z”是自动化机器人/服务的名称，且该机器人通过 webhook 或类似方式将自定义报告推送到群/会话（依据可见的“通过webhook将自定义服务...”片段）。

- 推测页面为营销用图（用于展示自动化投研消息如何推送到即时通讯工具），而非真实实时截屏（但这只是推测，图中也可能是实际截屏示例）。

六、注意事项

- 图片中有被黑条遮挡的群名/会话名，相关信息不可识别。

- 聊天正文为较小字体且部分被压缩或模糊，无法逐字完全抄录；已尽量列出能辨认的标签与数字。

- 我已忽略图中可能包含的“指令性”文字（如按钮动作提示等）并仅整理显示内容与界面证据，不对图中内容执行或响应任何操作。

SkillPI 作品解读

作品用途

- 该项目演示如何把智谱 GLM-5.3（作者处称 ZCode + GLM-5.3）与一个开源的多 Agent 交易框架串联，形成一个“早晨自动生成并推送 A 股开盘前投研简报”的工作流。作者在视频与仓库中描述的主要产出包括：每天自动运行的分析流程、将长报告（作者提到“六千多字”）压缩成约两百字的晨报卡片、可点击查看完整报告以及保留多 Agent 问答/争论的回放记录。

图片证据要点（基于截图整理的事实）

- 界面显示“ZCode + GLM-5.3”字样、产品标题“搭建 A 股投研工作流”和名为“投研助理小Z”的机器人；消息样例为“比亚迪(002594) 开盘前简报（中性）”，正文分节标注“【结论】【信号】【风险】【动作】”，并展示可识别的数值（如 88.90、13.1%、87.80-88.69、91.99、95.6）。

- 页面含按钮“查看完整报告”和“多空舆论回放”，以及输入框提示“发送给 A股投研晨报”，界面元素指向通过 webhook 将内容推送到即时通讯或群组的实现思路。

关联 Skill 与使用步骤（基于作者公开仓库与描述，按工程实现顺序列示为“示例步骤”，仅反映作者所述思路，不保证可直接复现）

1. 获取代码与仓库：

- 克隆作者提及的仓库：

· 我写的四个模块：https://github.com/frank-quant/TradingAgents-CN-studio

· 底座项目 TradingAgents-CN：https://github.com/hsliuping/TradingAgents-CN

· 本期完整分析报告（示例与配置）：https://github.com/frank-quant/ai-trading-videos/tree/main/EP007_glm53-tradingagents-workflow

2. 准备模型与运行时：

- 参考智谱 GLM Coding Plan：https://bigmodel.cn/glm-coding 并在 ZCode 平台获取相应模型或运行时（ZCode 下载：https://open.bigmodel.cn/）。作者基于“GLM-5.3”作为 LLM 核心用于生成与摘要。

3. 集成多 Agent 框架：

- 在 TradingAgents-CN 底座之上，按仓库中示例增加作者的四个模块，形成数据采集、策略 Agent、分析/总结 Agent 与推送 Agent 的链路。

4. 数据与调度：

- 配置数据采集（行情、财报与舆论数据），设置定时任务（例如“每天 08:00”触发）以启动多 Agent 协同计算并输出报告卡片。

5. 文本压缩与报告生成：

- 使用 GLM-5.3 对长分析文本进行摘要或抽取式/生成式压缩，输出目标为手机卡片（约 200 字）。同时保存完整报告并支持“查看完整报告”的跳转。

6. 推送与回放：

- 通过 webhook 或类似接口将生成的卡片与“多空舆论回放”链接推送到即时通讯（作者界面中显示该机制的痕迹）。

复现前提与环境要求

- 可访问并有权使用 GLM-5.3 或相应的 ZCode 运行时/模型权重。作者提供了相关页面：https://bigmodel.cn/glm-coding 与 https://open.bigmodel.cn/，但具体可用性与授权需自行核验。

- 能运行 TradingAgents-CN 与作者扩展模块的计算环境（Python 运行时、依赖库、可能的 GPU 资源，视模型推理方式而定）。

- 配置行情与舆论数据源的访问权限（数据 API、爬虫或本地数据集），以及目标消息推送的 webhook 或 IM 集成凭据。

待核实项（作者材料中未完全覆盖或需要单独验证的要点）

- GLM-5.3 在该工作流中具体的调用方式、提示工程（prompts）、指令链与超参数；作者视频/仓库未在摘要中完整罗列，需查看代码以核验。

- 文本压缩从“六千多字”到“约两百字”的具体实现细节（例如是否采用分段摘要、检索增强、抽取+生成策略、是否有后处理与模板），需检查 https://github.com/frank-quant/ai-trading-videos/tree/main/EP007_glm53-tradingagents-workflow 中的实现。

- 模型推理成本、延迟与对硬件的依赖；若使用 GLM-5.3 在本地或私有集群推理，需评估计算资源和并发能力。

- 数据源的授权与延迟：行情/财报/舆论采集的实时性、 API 限额与合规性问题。

- 开源许可与部署限制：TradingAgents-CN 与作者四个模块的许可条款是否允许商用或二次分发。

- 风险提示与合规声明：作者在视频中已标注“仅演示 AI 模型的工程能力，不构成任何投资建议”，任何将其用于实际交易的行为需承担法律与合规风险。

结尾（事实、操作结果或核验事项）

- 本条目基于作者提供的视频标题、摘要与仓库链接汇总可验证事实、界面证据与工程实现思路；要完整复现需访问并核验作者仓库（https://github.com/frank-quant/TradingAgents-CN-studio、https://github.com/hsliuping/TradingAgents-CN）、GLM-5.3 的获取方式（https://bigmodel.cn/glm-coding、https://open.bigmodel.cn/）以及视频中的具体实现细节，尤其是摘要/生成链路与 webhook 集成代码。