Claude Code投研利器：A股免费数据源Skill六大模块详解

概述：一个Skill搞定A股全量数据

量化投研和AI Agent辅助炒股这两年越来越火，但真正动手做过的人都知道，数据源才是最先要解决的问题。免费接口要么不稳定，要么覆盖面窄，付费接口对散户和独立研究者又不太友好。

A股量化投研的数据获取长期存在明显的机构与散户鸿沟。Wind、Bloomberg等专业数据终端年费动辄数万元，主要面向机构客户；聚宽、米筐、掘金量化等量化平台虽提供免费额度，但数据调用有频率限制且通常绑定在自家回测环境中，难以灵活集成到自定义工作流。tushare等开源方案虽然覆盖面广，但需要积分体系且部分高频数据需要付费。正是这一生态空白，使得整合免费公开接口的工具受到独立研究者的持续关注。

最近，一个叫 AStockData 的Claude Code Skill在GitHub上线仅一天就拿下100个Star，在投研圈引起了不小的关注。

它的核心卖点很直接：把A股六大类数据整合封装到一个Skill里，全部免费、不需要API Key。安装之后，你只需要用自然语言告诉Claude Code想要什么数据，Agent就能自动调取并整理好。对于日常做个股分析、策略回测、研报阅读的用户来说，这个效率提升是实打实的。

什么是Claude Code Skill？ Claude Code是Anthropic推出的运行在终端环境中的AI编程Agent，能够读写文件、执行代码、调用外部API。Skill（技能包）是在此基础上封装的功能模块，开发者可以将特定领域的工具、接口和提示词打包成Skill发布到Skill Hub，其他用户安装后即可直接在Claude Code对话中调用这些能力。这种设计类似于VS Code的插件生态，让Claude Code从通用编程助手扩展为垂直领域的专业工具。AStockData正是利用这一机制，将分散的A股数据接口统一封装，使得用户无需了解底层API细节，只需用自然语言描述需求，Claude Code就能自动选择合适的数据接口、构造请求、解析返回结果并整理输出。

下面逐一拆解这六大数据模块，看看它到底能做什么。

行情层：从K线到实时盘口

行情数据是投研最底层的需求，AStockData在这一块覆盖得比较全面：

• K线数据：支持日线、周线、月线以及分钟级K线，从长线趋势判断到短线交易回测都能覆盖
• 五档盘口：实时买卖五档挂单数据，做盘口微观结构分析时很实用
• 实时报价指标：PE（市盈率）、PB（市净率）、总市值、换手率等常用估值和流动性指标

把这些数据封装在Skill里的好处是什么？你在Claude Code中可以直接说"帮我拉取贵州茅台最近60个交易日的日K线和PE走势"，Agent就能自动完成数据获取和整理，省去了自己写爬虫或者对接接口的麻烦。

研报层：直接下载PDF研报

研报层是这个Skill比较亮眼的部分，主要提供两个能力：

• 研报PDF下载：通过东方财富的渠道接口，自动抓取并下载券商研报的PDF文件
• 爱问财搜索：集成了爱问财的研报搜索功能，支持按关键词、行业、个股等维度检索

做过投研的人都知道，研报阅读是最耗时间的环节之一。有了这个接口，再配合Claude本身很强的PDF解析和长文本理解能力，你可以让Agent自动下载某个行业的最新研报，提取核心观点和盈利预测数据。比如让它"下载最近一周关于光伏行业的券商研报，整理出各家对2025年装机量的预测"，整个流程几分钟就能跑完。

这一能力背后是AI Agent辅助投研技术路径的成熟演进。早期方案主要是将大模型用于研报摘要和问答，属于被动的信息检索增强。随着工具调用（Function Calling/Tool Use）能力的成熟，新一代方案开始让AI主动调用数据接口、执行代码、迭代分析，形成真正的自动化工作流——"获取研报→解析PDF→提取关键数据→横向对比→生成摘要报告"的完整链路得以自动化完成。

信号层：捕捉市场异动

信号层面向交易决策，整合了几类高价值的市场异动和资金流向数据：

• 龙虎榜数据：每日上榜个股的机构和游资席位买卖明细
• 北向资金：沪深港通北向资金的流入流出数据，是跟踪外资动向的重要参考
• 当日强势股归因：不只告诉你哪些股票涨得好，还分析背后的驱动因素——是政策催化、业绩超预期还是资金抱团

龙虎榜是A股特有的信息披露机制。根据交易所规则，当某只股票单日涨跌幅偏离值达到7%、日换手率达到20%等特定条件时，该股票会被列入龙虎榜，并公开披露当日买卖金额前五名的营业部席位信息。机构投资者和知名游资的席位具有一定的跟踪价值，市场上形成了专门研究"席位风格"的分析方法。北向资金（沪深港通北向）则代表通过互联互通机制进入A股的境外资金，因其背后多为外资机构，具有较强的价值投资倾向，其持仓变动被视为判断外资对A股态度的重要参考指标。将这两类数据整合进AI Agent工作流，意味着可以自动化地进行席位识别、资金流向归因等原本需要大量人工查阅的分析工作。

这些信号数据的价值在于，它们已经是经过初步加工的"半成品