别再让 AI 瞎分析了：我做了个先找数据源的金融小助手

QVeris · 产品故事

先说清楚：这不是投资建议，也不是"AI 自动炒股赚钱教程"。

我这次想做的东西很朴素：用中文描述一个金融数据需求，让 AI 先帮我找合适的数据工具，再看参数、估成本，最后才执行。

它不是替我判断买卖，更像一个"金融数据接口翻译官"。

以前我看到 API 文档，常常卡在几个问题：这个接口到底能不能查我要的数据？参数怎么填？字段是不是我理解的意思？调用失败会不会扣费？

所以我想用 Codex + QVeris 搭一个小助手，把这些问题先问清楚。

我给它定了三个任务

第一个任务：帮我找接口。

比如我问：

我想查 A 股某只股票的实时行情、资金流和公告，有哪些工具可以用？

它不应该直接开始分析，而是先去 QVeris 里找候选工具，告诉我每个工具适合查什么、来自哪个数据源、需要哪些参数。

第二个任务：帮我看参数。

金融 API 的难点不只是"有没有接口"，而是"怎么填"。

同样是股票代码，有的接口要 symbol，有的要 code，有的要交易所后缀。它要先告诉我：哪些必填、哪些可默认、我的问题里还缺什么。

第三个任务：帮我记账和留痕。

我想知道它用了哪个工具、来自哪个 provider、有没有成功、花了多少 credits、返回结果是否真的可用。

金融数据不能只看答案，还要看答案从哪来。

为什么不直接问大模型？

一开始我也会问：

帮我分析一下茅台今天为什么异动。

大模型能写得很顺，但问题是：数据从哪来？是不是最新？有没有查真实接口？

所以我后来换成：

先帮我找能查询 A 股资金流和公告的工具，不要直接分析。找到后展示工具 ID、数据源、参数、成本和限制，等我确认后再调用。

这个问法立刻把 AI 从"写作文模式"拉回了"干活模式"。

QVeris 的价值也在这里：不是让模型凭印象回答，而是让 Agent 先 Discover，再 Inspect，最后 Call。

我让 Codex 搭的不是炒股 Bot

我给 Codex 的目标是：

做一个中文金融数据接口小助手。用户输入中文需求后，先搜索 QVeris能力，展示候选工具，再检查参数，最后才执行。全程记录来源、参数、成本和执行结果。

我把它拆成四个按钮：

找工具：输入中文需求，返回候选工具。

看工具：查看工具说明、参数 schema、示例和成本。

调工具：填好参数后调用。

看账本：查看调用结果、耗时、成本和是否拿到有效数据。

它像一个懂 API 的同事。

我不用先读每个数据供应商的文档，只要说清楚想查什么。

最大的坑：工具不是越多越好

一开始我以为，工具越多越强。

后来发现，工具越多，Agent 越容易选错。

比如我问：

查一下比亚迪最近的资金变化。

这里面可能是实时行情、主力资金、北向资金、两融余额、成交额变化，也可能是公告或新闻里的资金动向。

如果 Agent 只是按"资金"这个关键词搜，很容易找到名字相似但不适合的接口。

所以小助手不能只返回"最像"的工具。它要解释为什么推荐：

• 这个工具查资金流。

• 那个工具查两融。

• 另一个是新闻搜索，不是结构化行情数据。

如果你要盘中数据，优先选实时行情；如果你要收盘复盘，可以选日频资金流。

这才是 QVeris 真正有用的地方：不是把 API 堆在一起，而是让 Agent 先发现能力、检查能力，再调用能力。

中文不是简单翻译成英文

金融接口里，翻译特别危险。

工具说明、参数说明、字段解释可以中文化，但这些东西不能乱动：

• 参数名

• enum value

• API path

• HTTP method

• provider id

• tool id

• 股票代码

• 字段 key

所以我给小助手加了一个原则：

面向用户的说明可以中文化，面向机器的参数必须保持原样。

听起来像工程细节，但对小白用户很重要。

因为用户看到的是中文，真正执行的是结构化参数。中间翻坏了，接口就会调错。

批量调用前，必须先看成本

查一只股票没什么。

但如果我说：

帮我把全市场股票都扫一遍，找出今天资金异常的标的。

这就可能变成大量工具调用。

所以我给它加了规则：

批量任务执行前，先估算调用次数、单次成本、总成本、失败重试方式。没有预算说明，不允许直接跑。

这能防止它从"热情助理"变成"积分消耗机"。

用起来大概是什么体验？

我问：

我想查贵州茅台今天有没有资金异动，先别分析，先找工具。

它回答：

找到 3 类候选工具：

1. 实时行情工具：查最新价、涨跌幅、成交额。

2. 资金流工具：查主力净流入、超大单、大单。

3. 公告/新闻工具：解释异动原因。

建议先调用实时行情和资金流，再补公告/新闻。预计调用 2 到 3 次。请确认是否执行。

我再说：

执行，但不要给买卖建议。

它才开始调用，并输出数据源、tool id、输入参数、返回字段和风险提示。

这比直接甩一句"建议关注"有用多了。

因为它没有替我做判断，只是把数据链路摆出来。

适合谁，不适合谁

适合：

• 经常查金融数据，但不想读 API 文档的人。

• 想用 Codex / OpenClaw / MCP 搭金融 Agent 的人。

• 不想让 AI 胡编金融数据的人。

不适合：

• 想要"明天必涨代码"的人。

• 想让 Bot 自动下单的人。

• 不看来源、不看成本、不看风险提示的人。

最后的感受

我以前以为，金融 AI 应用的难点是"模型够不够聪明"。

现在我觉得，真正的难点是：

• 它能不能知道该用哪个工具。

• 它能不能看懂工具参数。

• 它能不能把中文问题变成正确调用。

• 它能不能在调用后留下证据链。

• 它能不能在成本失控前停下来问我。

Codex 负责把想法落成原型。

QVeris 负责把真实金融数据能力接进来，并让 Agent 先发现、再检查、再调用。

这个组合最有意思的地方，不是让我变成投资高手，而是让我能用中文把需求说清楚，再让 Agent 按可追溯的流程去找数据。

金融判断还是人来做。

AI 负责把工具找对，把数据查清，把过程留下来。