用WorkBuddy从零开发A股自选股筛选器全流程实录

炒股的人，可能都经历过这种“痛苦的早晨”：9点15分集合竞价一开始，就想在5000多只股票里，迅速锁定当天最值得盯的标的。但你要是真靠手动翻行情软件，光看个涨幅排名就得折腾十来分钟，再加上换手率、量比、资金流向、行业轮动……这一套组合拳下来，半小时就没了，连竞价都结束了，黄花菜都凉了。

市面上其实有不少现成的工具，比如券商App自带的“条件选股”，功能实在太过粗糙；专业的量化平台呢，门槛又高得吓人，必须装Python环境、配数据库、自己写脚本。说白了，对咱们普通散户而言，就是“要么不够用，要么用不起”。

所以，我就琢磨着：能不能让AI帮我代写一个轻量级的筛选器？要求不高，不用部署服务器，不用装复杂环境，每天早上自己能跑一遍，给我出一份结构化的选股报告就行。结果发现，WorkBuddy还真能把这个事办得妥妥帖帖。

第一步：跟AI说清楚你要什么

很多人上手AI工具，第一步就走偏了，上来就说“帮我写个选股软件”。结果呢？得到的要么是一堆无法运行的代码片段，要么是篇泛泛而谈的教程文章。

正确的玩法，应该是先讲清楚你的业务逻辑，再问它要技术方案。

我的第一轮对话是这样的：

“我想做一个A股日内选股筛选器，业务逻辑如下： 1. 每天早上9:35自动执行（升盘后5分钟，数据相对稳定）。 2. 从公开API获取全市场行情数据（包括涨幅、换手率、量比、主力净流入、市值等）。 3. 按6个维度做梯度筛选：市值>30亿、换手>1.5%、涨幅>0、量比>1.2、资金净流入为正、行业景气度。 4. 对入选标的做7因子动态评分，输出TOP20排名。 5. 生成三种格式的报告：可视化HTML报告、结构化JSON数据、纯文本摘要。 6. 同时获取行业板块和概念板块的资金流向排名。

请先给出技术架构方案，不要直接写代码。”

WorkBuddy给的方案很清晰：用Python脚本 + 东方财富公开API作为数据源，本地文件存储结果，再通过WorkBuddy的自动化任务来调度执行。架构图一目了然。

这里有个关键决策点：为什么放着现成的akshare或tushare不用，偏要自己搞东方财富的API？因为东方财富的实时推送API数据最全、更新最快，而且不需要注册token。相比之下，akshare的部分接口会有延迟，而tushare则需要积分权限。WorkBuddy帮我做了这个比较，有理有据，省了我不少调研功夫。

（此处建议插入：WorkBuddy输出技术架构方案的对话截图）

第二步：数据采集 — 比预想更复杂

确认了架构，我就让WorkBuddy开始实现数据采集模块。结果，一上来就遇到了坑。

遇到的第一个坑：API限流

直接用Python的requests库去请求东方财富的接口，跑了没几次，就遇到了RemoteDisconnected错误——IP被限流了。这其实是个很常见的反爬虫机制。

我把错误日志丢给WorkBuddy：

“数据采集脚本运行失败，错误信息：RemoteDisconnected('Remote end closed connection without response')，目标URL为东方财富行情推送接口。”

WorkBuddy立刻给出了三种解决方案： 1. 改用WorkBuddy内置的WebFetch工具获取，这个不受限流影响。 2. 先用curl把数据下载到本地缓存，脚本再从缓存读取。 3. 给请求加上间隔和重试逻辑，降低被限流的概率。

我选了方案2，简单粗暴，但胜在稳定。WorkBuddy直接帮我把采集脚本改成了“本地缓存优先，API请求兜底”的双层架构，非常实用。

遇到的第二个坑：编码问题

备用数据源（腾讯股票API）返回的是GBK编码的文本，但Python默认用UTF-8去读，直接报了个UnicodeDecodeError。这种编码问题，以前折腾起来特别烦人。

这回又是WorkBuddy一句话搞定：

“腾讯API返回的文本是GBK编码。读取时必须指定encoding='gbk'，或者加errors='replace'参数进行容错。”

改了一行代码就解决了。这种“踩坑→反馈→秒修”的循环，是我用WorkBuddy开发过程中体验最爽的地方。以前遇到这种编码报错，至少要在Stack Overflow上查半小时，现在30秒就搞定了。

（此处建议插入：API限流错误和修复的对话截图）

第三步：筛选漏斗与动态评分 — AI写算法比你想象中靠谱

数据采集稳定之后，就进入最核心的算法部分了。我把筛选逻辑详细告诉了WorkBuddy：

“筛选分两个阶段： - 第一阶段（梯度筛选）：从大约300只候选标的中，按6个维度逐项过滤。每项不强制全部满足，但至少满足2项才能入选。 - 第二阶段（升盘后验证）：对入选标的做3项实时验证（现价>升盘价、主力净流入>0、量比>1），至少满足3项才进入评分池。

评分体系是7因子加权： - 资金流 35分（净流入排名） - PE估值 25分（低PE加分） - 技术面 35分（涨幅、量比、换手、振幅、RPS） - 风险 15分（市值、流动性） - 趋势 0-10分（强势/偏多/横盘/偏空） - 套牢 0-10分（极轻→极重5级） - 动态抢筹 0-5分（委比、量比、升盘现价关系） 总分 = 资金流 + PE + 技术面 + 风险 + 趋势 + 套牢 + 抢筹，满分120分。”

WorkBuddy不只写了代码，还主动做了两件超出我预期的事： 1. 建议把PE为负值的股票直接扣分，避免那些亏损公司单靠其他因子拿到高分。 2. 给每个因子都加了归一化处理，防止某个因子的绝对值波动过大，导致评分失真。

这两处优化我原本真没考虑到，但实际跑数据时，确实解决了评分偏移的问题。

（此处建议插入：评分算法的代码截图）

第四步：报告生成 — 一键三格式

评分结果出来了，怎么呈现？我要求了三种输出格式：

WorkBuddy生成的HTML报告内容很全，包含了全市场概览（主要指数涨跌）、TOP20选股排名表格（代码、名称、现价、涨幅、评分、各因子分值）、行业板块资金流向TOP20和概念板块资金流向TOP20。而且，在配色上严格遵循了咱们中国市场的习惯：红涨绿跌。

这个细节看似简单，但如果你用过不少AI工具，就会发现它们默认输出的往往是美股配色（绿涨红跌）。WorkBuddy在我第一次提到“中国市场习惯”后，就自动修正了，后续所有报告都正确使用了中国配色，省心不少。

（此处建议插入：HTML报告可视化效果的截图）

第五步：自动化调度 — 每天早上自动跑

工具写好了，但我不想每天手动点一下。WorkBuddy的自动化任务功能正好解决了这个问题。

我在对话框里直接说：“帮我设置一个自动化任务：每个工作日早上9:35，运行选股脚本，输出报告到reports目录。”

WorkBuddy自动创建了定时任务（包含cron表达式和工作日过滤），我确认后就生效了。从此每天早上打开WorkBuddy，一份新鲜的选股报告已经等在那里了。

还可以设置14:25的尾盘复筛和15:05的收盘复盘，这样一天三跑的节奏就形成了：

开发过程中的省积分技巧

这个项目从构思到跑通，总共用了约7天，累计消耗了大约2000积分。以下是总结的几个省积分方法，对大家应该有参考价值：

最终成果：7天交付的完整工具链

全部代码加起来不到2000行，零外部依赖（只用了Python标准库 + requests），不需要数据库，不需要服务器。每天自动运行，就能产出一份完整的选股报告。

三个关键心得

1. 业务逻辑描述，比代码需求描述更重要。先跟AI说清楚“你要解决什么问题、逻辑是什么”，比你直接说“帮我写代码”效率至少高三倍。

2. 让AI参与方案决策。选数据源、定算法结构、处理异常——这些决策，AI都能给出有根有据的建议，而不只是傻傻地执行你的指令。

3. 踩坑就反馈，不要自己闷头查。从API限流、编码错误到评分偏移，把错误日志直接丢给WorkBuddy，修复速度比自己手动查Stack Overflow快十倍。

局限性说明

这个工具毕竟不是专业的量化交易系统，有几个很明确的边界需要了解：

- 数据时效：依赖公开API，盘中数据大约有30秒的延迟，不适合高频交易。

- 评分模型：7因子是经验模型，不是机器学习训练出来的结果。市场风格一旦切换，就需要手动调整权重。

- 不生成买卖信号：它输出的是“候选标的排名”，不是“买入/卖出指令”。最终的投资决策，还是得靠你的人工判断。

如果你想做更专业的量化工具（比如实时行情、回测框架、策略引擎），建议搭配akshare、tushare这类专业数据源，架构会更复杂，能力也更强。这篇文章的目标受众，是那些“想快速搞一个轻量筛选工具”的普通投资者，而不是专业的量化开发者。

写在最后

一个非全职的程序员，用了7天时间，借助WorkBuddy从零搭建了一个完整的选股工具链——从数据采集、筛选评分、可视化报告到自动化调度，实现了全流程闭环。整个代码量不到2000行，零运维成本，每天自动产出。

这并非一个“AI替代程序员”的故事，而是一个“AI帮普通人跨越编程门槛”的实例。工具的核心能力——选股逻辑、评分权重、市场判断——依然来自人的经验与认知，AI只是将这些经验高效地翻译成了可执行的代码。

如果你也有类似的想法，想为自己做一个实用的小工具，但又不想从零开始学编程，建议就从“用自然语言描述业务逻辑”开始。这或许是和WorkBuddy这类AI协作开发最正确的打开方式。