Vibe-Research实测：开源AI投研系统功能详解

在AI工具爆发的当下，投资研究这一专业领域也迎来了属于自己的开源利器。B站UP主昆蓬Talk实测了一款名为 Vibe-Research 的开源投研系统，它支持A股、港股、美股一站式复盘，并可接入Claude Code、Codex和DeepSeek等主流大模型，让普通用户也能拥有一个专属的AI投研助理。

声明：本文仅介绍AI工具的使用方式，不构成任何投资建议。文中涉及的行情、财务数据均为演示用途，无实际参考意义。

什么是Vibe-Research

Vibe-Research是一个开源的个人投研系统，核心思路是将投研工作流中的各类信息聚合到统一看板，再借助AI的分析能力，帮助个人用户高效完成投资研究。

值得一提的是，Vibe-Research的命名来源于近年兴起的**"Vibe Coding"**概念。这一理念由OpenAI联合创始人Andrej Karpathy于2025年初提出并迅速传播，核心是开发者通过自然语言描述意图，由AI（如GitHub Copilot、Cursor等工具）自动生成代码——开发者无需逐行编写，只需审阅、调整并"感受"代码的方向。

从技术演进角度看，Vibe Coding的兴起有其深刻的产业背景：一方面，以GPT-4、Claude 3为代表的大语言模型在代码基准测试（如HumanEval、SWE-bench）上的得分已接近甚至超越中级工程师水平；另一方面，Cursor、GitHub Copilot、Windsurf等深度集成AI的IDE工具链打通了从自然语言到可运行代码的完整链路，将"描述→生成→调试"的循环压缩至分钟级别。这一范式的兴起与传统软件开发的高门槛形成鲜明对比，也是开源投研工具得以在个人用户中普及的重要技术背景。在开源社区中，类似定位的投研工具过去主要面向量化从业者（如Backtrader、zipline等），而Vibe-Research则将目标用户下沉至普通个人投资者，强调零代码门槛的可用性。

它整合了多个维度的数据模块：每日复盘、资产雷达、行情数据、自选内容、产业板块拆解、持仓管理、研报库以及研究记录等。用户可以在同一界面内完成从信息获取到AI分析的全流程，相当于拥有一个24小时在线的"投研管家"。

与市面上封闭的商业投研软件不同，Vibe-Research最大的特点是开源且面向个人。用户可以自行部署、自由定制，甚至根据自身需求进行二次开发，数据和模型完全掌握在自己手中。

核心功能实测

每日复盘

每日复盘是Vibe-Research的核心入口。进入系统后，用户可以一键让AI生成当日市场复盘报告。在UP主的演示中，系统自动汇总了大盘表现、市场活跃度、短线情绪波动等维度，并输出结构化的分析内容。

除整体行情外，复盘模块还会展示成交额榜单、涨跌分布等数据，帮助用户快速把握市场全貌。演示中的所有数据均为模拟数据，仅用于展示功能形态。

资产雷达与公告抓取

资产雷达模块可聚合各类事件动态和公司公告。用户设置定时刷新后，系统会自动抓取关注标的的最新公告，并支持一键交由AI进行解读。

这一功能对需要跟踪多只标的的投资者尤为实用——无需逐一手动查看公告，系统自动汇总后由AI提炼要点，大幅降低信息获取成本。上市公司公告通常包含定期报告、重大事项披露、股权变动等多种类型，人工逐一阅读耗时极长；AI自动摘要能将数千字的公告压缩为核心要点，使投资者得以将精力集中在真正需要深入研究的信息上。

产业板块与AI深度分析

在板块模块中，用户可以按产业维度进行拆解。UP主提到自己关注半导体芯片、机器人自动化、大模型等方向，系统支持对人形机器人、算力、HBM等细分板块进行单独跟踪。

对于感兴趣的板块或个股，用户可直接调用AI进行深度分析。系统会将相关数据自动附加到提问中，让AI在有数据支撑的前提下给出更有针对性的解读，而非泛泛而谈。这种"数据上下文注入"的方式，本质上是通过丰富提示词（Prompt）中的结构化信息，引导模型聚焦于具体数字与事实，从而显著提升分析的准确性与可信度。

AI大模型接入配置

Vibe-Research支持接入多种主流大模型，包括Claude Code、Codex以及国产的DeepSeek。理解这三款模型的技术定位，有助于用户根据自身需求做出合理选择：

Claude Code 是Anthropic公司推出的、专为代码和结构化任务优化的模型版本。Anthropic在训练方法上主打"宪法AI"（Constitutional AI）与RLHF相结合的安全对齐策略，使其在长文本理解、多步骤指令遵循和结构化输出方面表现突出，尤其适合需要生成格式规范的分析报告的场景。

Codex 是OpenAI专注代码生成的系列模型，也是GitHub Copilot早期版本的底层技术前身。其核心优势在于经过海量开源代码语料的专项微调，对编程语言的语义理解和代码补全能力极强，但在纯文本分析任务上相比通用模型略有局限。

DeepSeek 是国产大模型的代表，其V2/V3系列在中文金融文本理解方面具备本土化优势——不仅训练语料覆盖大量A股研报、财经新闻等中文金融文本，且在MoE（混合专家）架构上的创新使其在保持高性能的同时显著压缩了推理成本，API定价显著低于国际竞品。

对于普通用户，UP主推荐优先使用DeepSeek的Flash模型——它在推理速度和成本之间取得了较好平衡，非常适合高频调用的投研场景，价格最低、配置最简单，日常投研分析性能完全够用。

配置流程清晰直接：

1. 首次登录系统后，在AI设置中完成模型接入
2. 前往DeepSeek官方开放平台申请API Key（需实名认证）
3. 将获取的Key粘贴到系统配置中并保存

API Key（应用程序接口密钥）是访问这些模型服务的身份认证凭证，也是云平台进行用量计费的核心依据。从安全架构角度理解，API Key本质上是一种"Bearer Token"鉴权机制——任何持有该Key的请求都会被服务端视为合法调用，这意味着一旦泄露，第三方可冒用账户消耗配额甚至造成经济损失。主流安全实践建议将Key存储在环境变量（如.env文件）或操作系统的密钥管理服务（如AWS Secrets Manager、macOS Keychain）中，而非硬编码在代码里；同时建议定期轮换Key，并在平台控制台设置用量告警阈值和IP白名单限制，实现纵深防御。DeepSeek等平台通常也支持为不同应用场景创建独立的子Key，便于精细化权限管理与用量追踪。完成配置后，系统的所有AI功能——包括每日复盘、板块分析、研报解读、"问AI"等——将全部激活，即可开始正常使用。

数据源说明

Vibe-Research调用的均为免费公开数据源。据UP主介绍，数据来自A-Shock Date、Global Shock Date以及全球资讯等免费接口，用户无需额外付费购买行情数据，即可获得基础的市场信息支持。

从技术层面理解，这些免费接口本质上是对交易所公开行情数据的二次封装与分发。A股的基础行情数据由上交所、深交所依规公开，第三方平台可在合规范围内进行整合转发。然而，理解免费接口的技术架构有助于准确评估其适用边界：这类服务通常采用定时批量同步而非实时推送的方式获取数据，导致数据延迟普遍在15分钟至日级别；为防止单一用户过度占用资源，平台通常设置调用频率上限（如每分钟不超过若干次请求）；港股、美股数据往往受数据授权协议限制，覆盖标的不如A股完整；财务数据（如季报、年报核心指标）的更新也往往滞后于官方发布时间。相比之下，Wind、Bloomberg Terminal、Choice等专业付费终端提供的是实时Level-2行情（含逐笔成交、委托队列）、完整财务报表数据库及机构研报全文，数据质量和时效性存在本质差距，其高昂定价（Wind机构版年费数万元起）正是对这一数据价值的市场定价。

因此，对于严肃的投资决策，建议结合其他权威信息源交叉验证，不宜完全依赖单一来源。

研报库与知识沉淀

除实时数据外，Vibe-Research还提供研报管理能力。用户可将自己撰写的研报或从各机构收集的研报导入系统，统一存储与管理，并支持让AI对这些研报进行批量解读分析。

UP主还分享了一个实用技巧：先让AI将某个行业或板块的研究内容整理成结构化的"技能库"（skills），后续基于这些沉淀好的知识再进行分析，输出结果会更精准、更简洁。

这一工作流在技术上对应当前AI应用领域最主流的范式之一——RAG（Retrieval-Augmented Generation，检索增强生成）。这一技术由Meta AI研究团队在2020年的论文《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》中正式提出，其核心创新在于解决大语言模型"知识截止"与"幻觉"两大固有缺陷。

RAG的工作流程可分为两个阶段：离线索引阶段，文档被切割成固定长度的文本块（chunk，通常为256-512个Token），通过嵌入模型（Embedding Model，如text-embedding-ada-002或国内的BGE系列）转化为高维稠密向量（通常为768或1536维），随后存入向量数据库（如开源的Faiss、Chroma，或商业化的Pinecone、Weaviate）；在线检索阶段，用户的提问同样被向量化，系统通过余弦相似度或近似最近邻算法（ANN，如HNSW、IVF）在毫秒级别内找出语义最相关的若干文本块，将其拼接进系统提示词（System Prompt）后发送给大模型，使模型的回答"有据可查"而非凭空生成。

UP主提到的"先整理成技能库再分析"的做法，进一步强化了这一效果——通过对知识进行预结构化处理，去除研报中的营销性语言和重复信息，减少噪声干扰，使AI能更准确地定位到用户真正关心的分析维度。这种工作流在企业内部知识库问答、法律文件合规审查、医疗文献综述等领域已有广泛应用，引入个人投研场景是其自然延伸，也代表了AI辅助知识工作的重要演进方向。

"知识沉淀 + AI复用"的工作流，正是Vibe-Research区别于普通AI问答工具的核心价值所在。

使用建议

从UP主的实测来看，Vibe-Research作为开源个人投研工具，已具备较为完整的功能框架。虽然部分模块仍在持续开发中，但核心功能已可正常使用，且产品处于快速迭代阶段。

对个人投资者而言，它的主要价值体现在三个方面：

• 信息聚合：将分散的行情、公告、研报等信息统一到一个看板，减少信息切换成本
• AI赋能：借助大模型完成复盘、解读和分析，降低专业门槛
• 开源可控：数据和部署完全自主，可按需定制或二次开发

当然，工具终究只是辅助手段。UP主也反复提醒：不熟悉的行业不要盲目跟进，工具本身不构成任何投资建议。对于希望用AI提升研究效率的个人投资者，Vibe-Research提供了一个值得认真了解的开源选择。