openInvest Skill：本地多代理投资决策引擎，让 AI 委员会为你辩论

Skill超级捕获手 技术创作者 2026-10-08 16 阅读

openInvest 是一个本地化的多代理投资决策引擎——它不是让一个大语言模型直接给出买卖建议，而是让宏观策略师、定量分析师、风险官和首席投资官四个独立角色组成委员会，通过结构化辩论得出可审计的投资结论。所有推理过程、证据链和置信度分数全部公开披露，帮助投资者在 AI 辅助下做出更透明、更系统的决策。

功能与原则

openInvest 的核心是一套隔离式的多代理委员会机制。四个角色各司其职且互不知晓对方持仓：宏观策略师负责 VIX / 利率 / 外汇分析，定量分析师从技术指标角度独立判断，风险官只关注集中度和尾部风险而不接触信号，首席投资官综合三方意见给出最终裁决加置信度。设计原则是「零上下文污染」——每个角色的分析过程严格隔离，防止信息泄露导致判断偏差。

认可度

  • GitHub Star：截至 2026-10-08 约 83 颗（来源：mcphub.in）
  • GitHub Fork：12
  • License：MIT
  • 定位：小而专的垂直场景工具，尚未进入大众视野，但在投资 + AI Agents 交叉领域有明确差异化

链接

  • GitHub 仓库：https://github.com/longsizhuo/openInvest
  • 完整架构 Wiki：https://github.com/longsizhuo/openInvest/tree/main/docs/wiki
  • 安装命令：npx mdskills install longsizhuo/openinvest

原作者

  • GitHub：longsizhuo（个人开发者）
  • 项目定位：聚焦 AI Agent 与量化金融的交叉应用，代码结构偏向研究级而非产品级

介绍

openInvest 诞生于 2025 年 12 月，定位是「AI Agent 的投资决策基础设施」。它解决的核心问题是：单一大语言模型做投资判断时容易产生过度自信和上下文污染，结论不可审计。openInvest 通过隔离角色的辩论机制和 lookahead 保护的回测框架，把决策过程变成可验证的白盒。

项目内置完整的委员会运作流程：用户提出一个投资命题（如「看好某股票」），系统自动召集四个角色独立分析，每个角色给出支持 / 反对的理由和置信度，首席投资官综合辩论结果生成最终裁决。整个过程生成一份完整的辩论记录，包括每方的论据、证据引用和让步内容。

项目还提供了每日自动化报告能力：通过 GitHub Actions 定时运行委员会并邮件推送结果，用户只需配置 DEEPSEEK_API_KEY（Direct 模式）或零 API 消耗使用 Coordinator 模式（由 Claude Code 本身驱动推理）。

特点

  • 零成本执行（Coordinator 模式）：在 Claude Code 内运行委员会时，推理完全依赖宿主 Agent 自身，不需要额外 API Key，适合不想把投资数据发给第三方的用户
  • 信息隔离架构：每个角色只能看到自己的领域信息，定量分析师不知道用户持仓，风险官不知道信号内容，从架构上防止先入为主的判断
  • 完全可审计：每一次裁决都附带完整辩论记录、证据链和置信度分数，用户可以回溯「这个结论是怎么来的」
  • 内置回测框架：lookahead 保护的回测引擎，防止模型在模拟历史时「看到」未来数据，确保性能指标真实可信
  • 自我披露负面结果：项目主动发布失误案例和统计结果（如方向性裁决准确率 42.2%，低于随机水平），不隐瞒系统局限

使用方法

安装（Claude Code / Codex / Hermes / OpenClaw）：

/plugin marketplace add longsizhuo/openInvest
/plugin install invest@openinvest

零成本交互（推荐）：

在任意 Skill 启用的 AI Terminal 发送：

set up invest

系统会启动引导向导，配置 memory/ 存储路径、风险偏好、初始持仓等信息，之后即可通过自然语言向委员会发起投资命题辩论。

Standalone MCP 模式：

claude mcp add openinvest -e INVEST_HOME=~/openInvest -- uvx openinvest-mcp

查看状态：

INVEST_HOME=~/openInvest uvx openinvest status

使用场景与人群

  • 个人投资者：希望借助 AI 多视角审视自己的投资想法，发现盲点
  • 家庭财富管理：不想把持仓和财务数据发给第三方 API，本地运行保障隐私
  • AI 研究者：关注多代理系统、推理透明性、符号推理与 LLMs 结合的学术方向
  • 不适用：追求超额收益、寻求自动交易的用户——项目明确声明其价值在于纪律和透明度，而非预测能力

输入与输出案例

输入（用户）：

帮我分析一下英伟达 (NVDA) 当前是否值得加仓

输出（委员会裁决示例）：

裁决：HOLD（持有）
置信度：62%

宏观策略师：看多 —— AI 算力需求持续，数据中心业务增速符合预期，VIX 处于舒适区间
          看空 —— 估值处于历史高位，利率环境压制成长股定价

定量分析师：看多 —— 50 日均线位于 200 日均线上方，动量指标正向
          看空 —— RSI 超买区域，机构资金流显示净流出

风险官：集中度风险提醒——NVDA 已占投资组合 23%，超出建议单一标的 20% 上限
       尾部风险——VIX 短期跳升情景下持仓回撤可能超过 -18%

CIO 综合：三方意见分歧，宏观支撑但估值偏高，定量信号转弱，建议维持当前仓位不加仓

整个裁决过程耗时约 40 秒（Coordinator 模式，由 Claude Code 推理驱动），用户获得的不只是一个结论，而是一套有依据、有分歧、有置信度的完整决策框架。

GitHub: https://github.com/longsizhuo/openInvest

评论区

0 条评论

登录后可评论。

Skill超级捕获手 16 阅读