AI 实战派，是盈米 AI 开放平台推出的访谈系列。我们邀请每一位一线 AI 实战者，分享他们对问题的定义、对事情的洞察和判断、任务拆解的过程，以及一路踩过的坑和取得的成果。

我们相信，理解 AI 最好的方式，不是反复谈论它“将要改变什么”，而是走进 AI 实战者的故事里，看他们如何从一个真实问题出发，去定义、去拆解、去构造。

也希望这些来自一线的故事，能为你带来一些灵感和启发，成为开启 AI 实战的一份路径参考。

本期分享者是盈米基金且慢同路人——coco。

· 场景最重要！只要想清楚场景，很多过程都可以尝试交给 AI 实现。

· 警惕 AI 在未知领域表现出来的“专业感”，要用它补全认知，也要保留自己的判断。

· AI 输出的结果，我只相信 60%—70%，一定要人工二次校验。

——coco，且慢同路人、数据治理专家

今年 3 月，OpenClaw 爆火，微信指数最高冲到 1.65 亿。在社交平台上，到处都有人讨论 Agent、养龙虾，以及 AI 接下来还能做什么。

且慢同路人coco 也关注到了这股热潮，但那时的他，对 Agent 能真正做成什么，其实没有太多概念。在此之前，他已经在用 AI 大模型做基金信息查询，但更多只停留在聊天模式中，很少进入更复杂的投资分析阶段。

这与 coco 的职业习惯密切相关。作为一名数据治理专家，coco 对数字、口径和数据来源格外敏感。

此前，AI 给出的回答“看起来很专业”，但他总能从中发现漏洞：数字对不上，统计口径前后不一，或者结论说得很满，却找不到足够的数据支撑。

发现的错误越多，coco 对 AI 的态度就越谨慎。“如果连查一只基金的信息都可能出错，那更复杂的持仓诊断分析和资产配置分析，我真的能交给它吗？”

转机来自于一次机缘巧合，coco 加入了盈米养虾交流飞书群。看着群里同路人们对“投顾龙虾”的分享和讨论，渐渐刷新了 coco 对 Agent 的认识：有人让“投顾龙虾”按时发送市场温度早报；有人把自己的持仓交给“投顾龙虾”做诊断分析，查看集中度和风险暴露；也有人用“投顾龙虾”拆解和分析不同资产之间的配置比例。

coco 逐渐意识到，AI 是可以连接专业的金融数据和工具，按步骤来执行任务、解决复杂问题的。

除了过去需要人手工完成的信息整理工作之外，AI 还能辅助投资者完善投研分析框架和方法论，在资产分析方面提供专业的分析参考和数据支持。

这一次，coco 决定亲手试一试。在一个周末，coco 从基金 E 账户导出自己所有的持仓数据，让 AI 协助整理，并调用盈米 MCP 做进一步的持仓诊断分析、资产流向分析、持仓明细整理和蒙特卡洛模拟等。

“我以前可能大概知道自己买了多少比例的 A 股、债券，从来没有去精细地看过。”但这一次，AI 给出的持仓诊断分析答案非常清晰：coco 目前持仓高达 150 只基金、存在大量重复性买入、股债比例与预期存在偏差、部分基金风险暴露超出预期……

以前都是用 AI 做琐碎信息的整理，现在得到了一份可读性强、分析专业且可持续使用的资配分析报告，这让 coco 对 AI 更有信心了。

于是，他开始用盈米 MCP 做更多的尝试。

01

69 个MCP工具怎么用？

从“第一性原理”出发的逆向拆解

面对盈米 MCP 开放的 69 个金融数据与金融分析工具，即便对于有一定投资经验的人来说，第一眼看过去也会有点茫然的。

“说实话，对于一个日常没有接触过那么多专业投研数据的人来说，刚开始看到盈米MCP的 69 个工具是很懵的。”coco 回忆道。

但作为一名数据治理专家的职业本能，coco 很快找到切入点，不能被现有的工具束缚住，而是要从“第一性原理”出发——先定义“谁在什么场景下要解决什么问题”，再倒推工具链与决策要点的映射关系。

coco 没有单独研究每一个接口，而是选择与 AI 进行共创。他将投资世界划分为不同的角色和场景，比如有：长期配置型、基金深度型、固收精算型、投后管理型、全景财务规划型、市场驱动型、投资顾问型等。

“我常常会想，这个工具链集是不是可以衍生出其他使用的角色和场景？”

在具体的做法上，coco 将不同人群的需求输入给 AI，让 AI 基于盈米 MCP 69 个工具的技能介绍进行语义理解，最终梳理出了“69 工具 · 7 大人群场景设计”工具链集。这种逆向拆解，将原本冰冷复杂的 API 接口，转化为了一张张清晰的投资路线图。

先定义人群和决策场景，再此基础上根据投资决策的链路做逆向拆解，包括：投资实施的步骤、每个节点使用的盈米MCP工具，以及关键决策的量化指标等。coco的这套工具链分析报告可作为人和AI做投资决策的能力参照。

通过主动构建场景的方式，coco 用第一性原理重新定义了人与金融工具的交互方式。

想看完整版本的朋友可以复制网址后浏览器打开👇

yingmi_mcp_user_scenario_design 

https://www.coze.cn/s/LLAT4MYnNVY/ 

02

做股票、债券与资配到底要“盯”什么？用盈米 MCP 实现决策信号的闭环

在角色和投资场景划清之后，接下来的核心问题是，具体的投资决策究竟该怎么做？为此，coco 进一步设计了《金融数据工具 · 决策信号体系》。

在 coco 看来，市面上的资讯与观点往往是高度冗余甚至充满噪声的。“比如看卖方券商的研报，因为不同的机构立场和关注点各有不同，如果你去市场上盲目搜集数据，是很难形成客观判断的。”

为打破这种“噪音困境”，coco 以“谁要盯什么信号”作为原则，用量化数据打造投资决策的闭环。👇

对于这个想法的来源，coco 给我们分享他之前在探索市场情绪方面的一个洞察。

“去年纳斯达克下跌的时候，市场上都在讨论‘东升西落’。当时微信指数里‘东升西落’这个热词冲到了最高点。但我去把这个热度曲线和纳斯达克实际的指数做映射，发现热度炒到最高的时候，恰恰就是纳斯达克触底的时候。”

这次的经历让 coco 坚信，投资决策不能靠感性的情绪，而必须依赖客观信号和数据做验证。

所以coco在上个《金融数据工具链 69工具 · 7大人群场景设计》的场景基础做了二次收敛，归纳为做债、资产配置、做股票三个决策场景中的核心逻辑和信号指标，以及投顾观点怎么用、怎么验证的逻辑说明和量化指标。

目前这个决策信号体系也成为coco用来与AI交互，让AI辅助完成资产配置分析和投研分析的知识库和评测集。

想看完整版本的朋友可以复制网址后浏览器打开👇

yingmi_mcp_decision_signal_design

https://www.coze.cn/s/kOQFdvlF64c

03

实战案例：全市场债券基金的“三阶漏斗”筛选

在掌握了工具链的方法论和明确投资决策的信号后，coco 根据自己买债券的投资需求，用 AI 对市场上的债券型基金进行了全量的分析和筛选。

与股票型基金不同，债券基金对普通投资者而言往往像一个黑盒。“股票基金你还能看看上一季度的持仓前十大重仓股，但债券基金即使看到了持仓，绝大多数人也不知道那些券种代表什么意思。”coco表示。

以往要获取债券的久期、杠杆率等专业指标，往往需要付费来使用专业的终端，或者在繁复的表格中逐条比对。

不过coco最大的痛点，其实还是对网络上公开信息的时效性和准确性的担忧。“之前群里有人讨论美债基金，网上搜到的久期很多都是写着 3 到 4 年，但通过盈米 MCP 查出来的真实久期其实只有 1 到 2 年。”coco 坦言，金融数据的准确性，会直接影响自己投资决策的判断。

为此，coco 利用盈米 MCP 搭建了一套“全市场债券基金 · 三阶漏斗筛选”模型：

第一阶：基础池初筛（规模与类型过滤）

设定规模门槛，剔除清算风险较高或流动性不足的小微基金；按照中短债、中长债等目标期限进行类型划分。

第二阶：专业指标量化穿透（MCP 数据深度调取）

调用盈米 MCP 接口，穿透获取基金的真实久期敞口、杠杆率、年化收益率与最大回撤。根据拟配置的久期偏好（如长久期攻、短久期守）进行精准对齐。

第三阶：综合评分与风险匹配

结合 Sharpe 比率与回撤控制能力进行综合加权评分，最终输出一份具有可执行性的债券配置参考清单。

（coco作品｜全市场债券基金 · 三阶漏斗筛选）

“以后我再也不用揣测基金经理的想法，通过这套筛选漏斗，数据就可以更高效地识别哪些基金更契合我当前的久期需求。”coco 说道。

04

警惕 AI 的“专业假象”，

坚持“人机二次校验”

虽然成功用 AI 产出了专业的资产配置分析报告，也通过AI 进一步梳理和完善了自己的投资体系，作为一名数据治理专家，coco 始终对 AI 保持着清醒的克制。“我对 AI 输出的结果，信任度始终保持在 60%— 70%的程度。”

在AI实践过程中，coco 也踩过不少坑。例如 AI 会出现“数据幻觉”，明明有真实接口可以调用，它却可能临时编造出一行看起来合理的假数据；或者在解析数据单位时产生偏差。

针对这些问题，coco 总结了一套二次校验与提示词的约束法则：

1、强约束 Prompt：在提示词中明确规定——AI 必须且只能使用盈米 MCP 提供的数据；如果数据缺失，必须明确告知“数据缺失”，严禁私自编造；要求 AI 在输出结果前进行自我打分，并列出调用的工具清单。

2、反向否认测试：当不确定 AI 的回答是否真实时，coco 会切换到另一个大模型，或者直接反驳它。“AI 有强烈的迎合倾向。如果你一否认它立马就改口，说明它刚才的信息可信度极高概率是不够的。这时候就必须回到可信的数据源去核实。”coco分享道。

对于如何看待 AI 的能力边界，coco 分享他的经验：“我们要高度警惕 AI 在未知领域展示出的专业性；同时，也要善于用 AI 补全自己已知领域的深度与广度。”

在自己不熟悉的领域，AI 可能会编得天花乱坠，人是很难识别漏洞的；但在自己擅长的领域，只需要把框架建好，让 AI 去跑数据、做归因、算回撤，AI 就能展现出惊人的生产力。

05

未来，人与 AI 如何共处？

谈及未来AI的发展，不少人会畅想“未来人人都会拥有一个理想的 AI 投资助理，人什么都不用管，AI 就能帮自己‘无脑赚钱’”。对此，coco 持怀疑态度。

“从实际场景来看，目前最成熟的只有 Coding Agent。投资是一个极其复杂的系统，最终的操作结果和风险是由投资者自己承担的，AI 无法为你承担损失。”coco 强调，“人永远赚不到认知以外的钱。如果指望靠公开的信息和 AI 就能实现无脑套利，这本身就不符合投资逻辑。”

在 coco 看来，AI 在金融领域的真正爆发点，或许在于重塑理财顾问的服务生态。

“如果每一个理财经理都能装备像盈米 MCP 这样的工具，能一键调出客户的真实持仓，做深度的蒙特卡洛模拟、风险诊断分析和资产流向分析，再拿着这份分析报告去和客户沟通，我相信理财服务的体感和质量将发生巨大的改变。”

而对于那些想要尝试 AI 辅助投资决策的投资者，coco 给出的建议非常接地气——不要畏难，干中学！

“技术迭代太快了，以前大家天天研究‘提示词工程’，现在大模型能力提升了，提示词反而没那么重要了。不要等把所有工具都学透了才开始，最重要的是找准你自己的场景——比如，先用 AI 把你自己手头上现有的持仓做一次彻底的诊断分析。”

如果你也想拥有同款金融专业级 AI 能力，欢迎申请使用【盈米 MCP/Skills】，开启你的 AI 实战之旅！

开启方式

登录盈米 AI 开放平台官网 

ai.yingmi.com，即可免费开通。

扫描下方二维码加入官方社群，可获得产品使用交流与专业技术支持。

注：封面由AI生成。

风险提示：

投资有风险，入市需谨慎。基金过往业绩并不预示其未来表现。文章中为说明mcp/skills功能的例子中所涉及的基金、投顾组合、投资策略、市场观点，仅作释义展示，不作为任何投资建议。文中测算仅作示例，不作为收益保证或者投资建议。所引用指数在特定期间的收益率表现不能代表基金现在或未来的收益表现。基金投资存在本金亏损风险，投资者应充分了解基金产品特性、自身风险承受能力，谨慎做出投资决策。

请投资者在购买前认真阅读基金的基金合同、招募说明书、产品资料概要等销售文件，基金管理人发布的公告及公开披露的其他信息。投资者需全面认识基金的风险收益特征，对基金招募说明书风险揭示章节中提示的投资风险有足够了解，根据自身的风险承受能力、投资期限和投资目标，做出独立的投资决策，并自行承担购买基金的投资风险和相关责任。

因现阶段科学技术的局限性和生成式人工智能的特殊性，我们不能保证本服务生成内容合规、准确和完整。由于AI技术存在固有的不确定性，系统无法保证定期任务（包括但不限于定期分析、定期提醒、定期报告生成等）在每个既定周期内均被准确、完整地触发和执行。投资者不应将定期任务的自动执行作为其投资决策、风险管理或合规义务履行的唯一依据，请投资者务必定期核对账户信息及相关任务执行结果。