根据券商导出数据制定投资组合计划
2026 年 2 月 10 日 · 阅读需 10 分钟。任务：2026 年 2 月 10 日 · 阅读需 10 分钟我最近看到了下面这条推文，并且照着做了。在与 Claude Code 的多次会话中，我向它提供了我们的券商 CSV 文件，说明了我们的目标和约束，并与它一起制定了一份投资组合优化计划，包括分阶段行动、税务影响分析、基金推荐，以及调整前后的资产配置表。这种计划通常需要付费请理财顾问制定，而我是用 AI 完成的。 一年前，我写过一篇文章，讲述如何用 AI 在一天内搭建个人理财工具。那个项目涉及软件开发：我借助 AI 构建了一个包含用户界面、数据流水线和可视化组件的应用。如今，模型已经足够灵活，你不再需要专门开发应用了。像 Claude Code 这样的智能体可以读取你的文件、编写脚本、运行脚本，并直接根据输出反复改进。 设置工作空间我使用的是 Claude Code，它在终端中运行，可以读写你电脑上的文件。我让它访问一个存放了我所有财务数据的目录。投资组合分析很适合这种方式，因为其中有大量格式各异、杂乱无章的数据，而模型可以直接深入处理。 我从三类输入开始： • 从各个金融账户导出的 CSV 文件：包含持仓、金额、成本基础、基金费用、基金评级，以及大量可供模型使用的其他数据。 • 一个补充文本文件：有些我知道模型会需要的信息，没有合适的导出方式，所以我写了一份随手记录，用项目符号列出银行余额、529 教育储蓄计划、雇主退休账户详情和自动投资设置等内容。虽然没有结构化，但包含了原始数值。 • 一份描述我想要什么的目标提示词。 目标提示词是最重要的部分。我在上面花了很多时间，主要先自己手写，再让 AI 审阅，因为我想强迫自己把所有约束和目标都想清楚。其中包括： • 有哪些数据、放在哪里：说明目录中有哪些文件，以及模型应该考虑哪些内容。 • 期望的输出格式：我列出了想看的内容，包括资产配置表、投资风格箱矩阵、持仓图表，以及从不同维度分析数据的方式。最终还要有一份具体计划，说明如何调整投资组合，使其达到目标配置。 • 我们的偏好：我希望投资组合具有税务效率；相比追逐业绩，我更愿意寻找费用最低且质量良好的 ETF；也不想把事情搞得过于复杂。我对这些内容很熟悉，但复杂并不是目标。 • 已知约束：每个人都有自己的特殊情况。对我们而言，我们已经决定不调整某个特定账户的资产配置或持续缴款，因此我把这一点明确列为约束。 • 我们怀疑存在的问题：我对哪些方面可以改进有一些判断，因此也写了进去，但同时补充说：“如果你有不同看法，我想听听。”我不想过度引导模型得出某个特定结论。如果你有能帮助它找准方向的见解，值得提供，但也要给它留出空间，探索你已有想法之外的可能性。 • 初步提案：我列出了我们对目标配置和投资调整的一些粗略设想。即使这些设想不对，也能给模型一个可供评估和回应的起点，而不必从零开始。 • “尽可能全面地向我提问”：我把这句话放在提示词末尾。这样可以让 AI 在直接下结论之前先提出澄清问题，从而显著改善第一版计划。 我还逐步建立了一个 CLAUDE.md 文件，里面是 Claude 在每次会话开始时都会读取的项目说明。最初，我让 Claude 在向我提了一些问题后创建这个文件。几次会话之后，我开始让 Claude 把每次会话中获得的新认识更新进去。久而久之，它成了项目的记忆，记录着数据的特殊情况、策略决策和目标配置。几天后我再回来时，Claude 就能接着上次的进度继续。 解析杂乱数据；工具：Claude Code。人工角色：原文未说明人是如何持续参与其中的。；局限：成功取决于准确、完整的数据导出以及定义约束和偏好的结构化目标提示词。如果没有明确的澄清，智能体可能会忽略细微的个人财务背景，因此需要人工审查税务影响和适用性。集成需要本地文件访问和终端执行能力，多次迭代会话会产生相应成本。。
工具
Agent Work Atlas 发布日期:
概述
2026 年 2 月 10 日 · 阅读需 10 分钟
工作流程
2026 年 2 月 10 日 · 阅读需 10 分钟我最近看到了下面这条推文，并且照着做了。在与 Claude Code 的多次会话中，我向它提供了我们的券商 CSV 文件，说明了我们的目标和约束，并与它一起制定了一份投资组合优化计划，包括分阶段行动、税务影响分析、基金推荐，以及调整前后的资产配置表。这种计划通常需要付费请理财顾问制定，而我是用 AI 完成的。 一年前，我写过一篇文章，讲述如何用 AI 在一天内搭建个人理财工具。那个项目涉及软件开发：我借助 AI 构建了一个包含用户界面、数据流水线和可视化组件的应用。如今，模型已经足够灵活，你不再需要专门开发应用了。像 Claude Code 这样的智能体可以读取你的文件、编写脚本、运行脚本，并直接根据输出反复改进。 设置工作空间我使用的是 Claude Code，它在终端中运行，可以读写你电脑上的文件。我让它访问一个存放了我所有财务数据的目录。投资组合分析很适合这种方式，因为其中有大量格式各异、杂乱无章的数据，而模型可以直接深入处理。 我从三类输入开始： • 从各个金融账户导出的 CSV 文件：包含持仓、金额、成本基础、基金费用、基金评级，以及大量可供模型使用的其他数据。 • 一个补充文本文件：有些我知道模型会需要的信息，没有合适的导出方式，所以我写了一份随手记录，用项目符号列出银行余额、529 教育储蓄计划、雇主退休账户详情和自动投资设置等内容。虽然没有结构化，但包含了原始数值。 • 一份描述我想要什么的目标提示词。 目标提示词是最重要的部分。我在上面花了很多时间，主要先自己手写，再让 AI 审阅，因为我想强迫自己把所有约束和目标都想清楚。其中包括： • 有哪些数据、放在哪里：说明目录中有哪些文件，以及模型应该考虑哪些内容。 • 期望的输出格式：我列出了想看的内容，包括资产配置表、投资风格箱矩阵、持仓图表，以及从不同维度分析数据的方式。最终还要有一份具体计划，说明如何调整投资组合，使其达到目标配置。 • 我们的偏好：我希望投资组合具有税务效率；相比追逐业绩，我更愿意寻找费用最低且质量良好的 ETF；也不想把事情搞得过于复杂。我对这些内容很熟悉，但复杂并不是目标。 • 已知约束：每个人都有自己的特殊情况。对我们而言，我们已经决定不调整某个特定账户的资产配置或持续缴款，因此我把这一点明确列为约束。 • 我们怀疑存在的问题：我对哪些方面可以改进有一些判断，因此也写了进去，但同时补充说：“如果你有不同看法，我想听听。”我不想过度引导模型得出某个特定结论。如果你有能帮助它找准方向的见解，值得提供，但也要给它留出空间，探索你已有想法之外的可能性。 • 初步提案：我列出了我们对目标配置和投资调整的一些粗略设想。即使这些设想不对，也能给模型一个可供评估和回应的起点，而不必从零开始。 • “尽可能全面地向我提问”：我把这句话放在提示词末尾。这样可以让 AI 在直接下结论之前先提出澄清问题，从而显著改善第一版计划。 我还逐步建立了一个 CLAUDE.md 文件，里面是 Claude 在每次会话开始时都会读取的项目说明。最初，我让 Claude 在向我提了一些问题后创建这个文件。几次会话之后，我开始让 Claude 把每次会话中获得的新认识更新进去。久而久之，它成了项目的记忆，记录着数据的特殊情况、策略决策和目标配置。几天后我再回来时，Claude 就能接着上次的进度继续。 解析杂乱数据
原文报告的结果
该工作流生成了一份包含差距分析、税务位置矩阵和分步行动计划的十部分计划文档。用户报告正在积极执行该计划，指出它取代了数周的电子表格工作或数千美元的顾问费用。具体成果包括识别免税账户中的超配头寸和优化退休供款结构，但未提供量化的绩效指标。
人工角色
原文未说明人是如何持续参与其中的。
局限
成功取决于准确、完整的数据导出以及定义约束和偏好的结构化目标提示词。如果没有明确的澄清，智能体可能会忽略细微的个人财务背景，因此需要人工审查税务影响和适用性。集成需要本地文件访问和终端执行能力，多次迭代会话会产生相应成本。
试一试
作为使用 Claude Code 的投资组合分析师。我将提供 [可替换输入：券商 CSV 文件、包含其他账户余额的文本文件以及目标提示词]。首先，分析数据以创建基线投资组合快照。然后，生成包含税务影响分析和基金推荐的分阶段优化计划。通过询问有关约束和偏好的澄清问题与我进行迭代。最后，生成一份包含附录的十部分 Markdown 文档。在最终确定之前，运行自我批评以识别潜在错误。不要执行任何交易；仅提供计划供我审查。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。