陈工教你如何搭建自己的小万
从一个念头,到 1.2 万行 Python、200 万字语料、501 个测试用例、30+ 战法识别。

从一个念头,到 1.2 万行 Python、200 万字语料、501 个测试用例、30+ 战法识别。 这篇文章不是荐股,也不是技术分析教程,而是一个「AI 角色蒸馏」项目的完整复盘。
01|先回答一个问题:为什么要把一个活人蒸馏成 Skill?

做这个项目的起点,其实是看到花椒推出了「女娲」Skill。
在那之前,网上已经有很多图一乐的角色 Skill 了,什么「同事.skill」「前女友.skill」,大家好像都在玩梗,没人当真。我一开始也是这么看女娲的——又一个噱头。那时候我还不怎么信 AI,工作里最多也就是让 AI 把业务流程、数据流程写出来,我再自己 review 一遍。
但 2025 年 3、4 月份的时候,我确实不太忙,闲得无聊。那段时间我还在捣鼓一个叫 halo 的框架(后来没维护了,但最近 agent 势头太猛,说不定会重新捡起来)。既然有时间,我就想:不如认真做一次,看看这种「把人蒸馏成 Skill」的事到底靠不靠谱。
选题很快定了下来——Z 哥(zettaranc / 万千)。
原因很朴素:我自己看过他很多内容,二楼、B 站 ztalk、股探报告、直播切片……但这些东西零散地分布在各个平台。每次想回头查一个观点,比如「B1 买点到底怎么确认」「滴滴战法什么时候必须走」,都要翻很久。
于是我做了一个决定:能不能把他公开表达出来的思维框架,变成一个 AI 可以直接调用的 Skill?
不是做一个聊天机器人,而是做一个「思维操作系统」:
- 能回答投资问题,也能回答职业、人生、商业判断问题;
- 能基于真实行情数据做分析,而不是靠大模型瞎编;
- 说话有 Z 哥的味道,不是那种 AI 味很浓的官话。
这个念头,就是 zettaranc-skill 的起点。
02|语料层:200 万字从哪来?

在我动手之前,我已经接触过「花椒的女娲」这个 Skill/框架。它对我的最大启发只有一句话:
不要试图让 AI 记住一个人,而是把一个人的思维方式拆成可复用的协议。
很多人做角色扮演,第一步是写一个很长的 prompt:「你叫 XXX,性格是 XXX,说话风格是 XXX……」但这样出来的效果往往很表面,像 cosplay,不像真人。
女娲的方法让我换了一个思路:先把原材料整理清楚,再从中提炼结构。
而这一步的关键,是语料。没有高质量的语料,后面所有代码都会因为没有「灵魂」而垮掉。
我的语料来源
| 来源 | 数量 | 说明 |
|---|---|---|
| 股探报告 | 9 篇 | 师兄已经整理成 Word,交易心理系列,质量极高 |
| 公众号文章 | ~467 篇 | 小菜鸟、复盘专用 z、TANGOO、知行课代表等,都是师兄们自己归纳的 |
| B 站 ztalk 视频 | 13 个 | ~12.7 万字 transcript |
| 雪球专栏长文 | 1 篇 | 2014 年的长文 |
其中公众号文章是最核心的部分。这些号不是简单搬运直播内容,而是有粉丝自己理解、总结、提炼过的,属于「二次加工过的高质量语料」。
数据收集工具链(全部开源)
做这个项目,我没有用任何商业爬虫或付费采集工具。所有工具都是开源的,不开源的你去小黄鱼上也能搞到。这里把我用到的链路完整列出来,想自己蒸馏一个角色的人可以照抄:
1. 公众号文章抓取
工具:wechatDownload
- GitHub:https://github.com/qiye45/wechatDownload.git
- 能力:抓取你能看到的公众号文章(付费的不行,没付费就是看不到)
- 输出:HTML / Markdown / PDF
2. B 站视频字幕
Agent 只处理文字信息,没必要分析视频画面。B 站有字幕 API,可以直接拉字幕。
工具:bilibili-subtitle-downloader(我自己开源的)
- GitHub:https://github.com/lululu811/bilibili-subtitle-downloader.git
- 能力:批量下载 B 站视频字幕(CC 字幕或 AI 生成字幕)
- 输出:SRT / TXT
3. 知识星球
工具:ZsxqCrawler
- GitHub:https://github.com/2977094657/ZsxqCrawler.git
- 能力:抓取知识星球内容(付费星球需要你有权限)
4. 小宇宙播客
工具:xyz-dl
- GitHub:https://github.com/shiquda/xyz-dl.git
- 能力:下载小宇宙播客音频或字幕
语料处理管线
拿到原始语料之后,真正的功夫才刚开始:
采集 → 清洗 → 主题分类 → 提取心智模型 → 写成知识文件 → 注入 SKILL.md
具体步骤:
1. 清洗:公众号 HTML 去广告、B 站 SRT 去时间戳、Word 转 Markdown;
2. 主题分类:短线交易、仓位管理、卖出纪律、人生决策、职业选择、商业判断……
3. 提取心智模型:每个主题下,Z 哥反复说的话是什么?他的判断逻辑是什么?
4. 写成知识文件:放在 knowledge/ 目录下,比如 trading-core.md、position-management.md、life-decision.md;
5. 注入 SKILL.md:把最核心的模型、启发式、表达 DNA 写进 AI 角色协议。
200 万字是什么概念?如果直接塞进大模型的上下文,别说记住了,光是 token 就爆炸。所以必须先做结构化提炼:让 AI 不用背 200 万字,而是掌握那十几个核心模型和几十条决策启发式。
用工具把语料变成知识库
这一步我走了两条工具链。
第一步:用 K 神的「知识库 wiki 思维」搭初始知识库。
工具:init-knowledge-base
- GitHub:https://github.com/lululu811/init-knowledge-base.git
- 作用:把清洗好的语料,按 wiki 的方式组织成结构化的知识库骨架。
第二步:用花椒的 nuwa-skill 做蒸馏。
工具:nuwa-skill
- GitHub:https://github.com/alchaincyf/nuwa-skill.git
- 作用:把结构化的语料,蒸馏成可直接被 AI 加载的角色协议。
我必须说一句:nuwa-skill 真的很好用,很好用,很牛逼,我很佩服花椒能把这件事做到这个程度。
我在女娲基础上加了两个东西
当然,直接跑 nuwa-skill 只能得到一个基础版。我想让这个角色更像一个「真实的人」,所以自己加了两个功能:
1. 思维演进记录
一个人的观点不是静止的。Z 哥早期说「光在高位出货」,后面有「百岁山」的提法,再后来认知又变了。这不是打脸,而是人在不同市场环境、不同阶段的认知自然演进。
如果 AI 只学到某一个时间点的结论,遇到矛盾的问题就会僵住。所以我专门加了「思维前后变化」的记录,让 AI 知道:Z 哥在哪个阶段持什么观点、为什么变化、现在的框架是什么。
2. 语料可信度权重
200 万字来自那么多师兄师姐的总结,彼此之间肯定会有矛盾。有的总结准确,有的带个人理解偏差,有的只适用于特定场景。
我加了一层可信度权重:
- 一手来源(Z 哥原话、官方课程)权重高;
- 高质量归纳(逻辑清晰、有案例支撑)权重中高;
- 二手转述、推理成分多、缺乏上下文的,权重降低;
- 标注时间、场景、适用条件。
这样蒸馏出来的角色,不会把某一条孤立的结论当成绝对真理。
蒸馏完之后,你得到什么?
一个离线的小万。
它不需要联网查资料,也不需要每次重新读 200 万字。你把 SKILL.md 加载进 Claude Code / Cursor / 任何支持 Skill 协议的 AI 工具,它就能用 Z 哥的视角回答你。
到这一步,角色层其实已经能用了。但对我这种做量化出身的人来说,光有角色不够——我还想让他说的话能落在真实行情上。
03|指标层:让 AI 不再「瞎子算命」
刚开始做的时候,我也走过弯路。
我以为只要 prompt 写得好,AI 就能自己分析股票。但很快发现一个问题:让大模型直接聊股票,它要么在复述概念,要么在编造数据。
从 KimiClaw 到 Tushare
最早其实我根本没想自己搭数据层。
那时候我用的是 KimiClaw,它本身能力很强,而且是第一个接入同花顺数据库的 Agent。对,就是图一乐的阶段——有个能查股票、能回答问题的 AI 就够了。
但用到后面,KimiClaw 自带的数据库不够用了。我还想知道一些更细的数据,于是开始找外部数据源。
为什么选 Tushare?因为我想把这个 Skill 部署在 Hermes 或 Claw(一个可以接微信/飞书的 Agent Bot 框架)里,用微信、飞书当消息入口。Tushare 有 API,容易接,适合这种场景。
所以我买了 Tushare 的盗版数据接口——别问,问就是当时图方便。所以没有走通达信那种桌面数据源路线,而是选了 Tushare 的 API 数据。
双层架构
Z 哥自己说过一句话:「复盘是散户最重要的功课,交割单不会骗人。」
我反推了一下:如果 AI 要像一个有纪律的投资者那样说话,它必须先有真实数据。
于是项目从「纯 prompt 角色扮演」升级成「Python 数据层 + LLM 角色层」的双层架构:
Tushare API → data_sync → SQLite → indicators/ → strategies/ → SKILL.md(LLM 角色层)
数据层要做的事情很多:
- 接入 Tushare 真实行情(日线 OHLCV、资金流向、财报、财务指标);
- 本地 SQLite 缓存,避免重复请求;
- 增量同步,只拉新增数据;
- 限流保护,防止 API 被封;
- 60+ 技术指标每日快照。
指标精度和性能是两个大坑

指标计算这块,我踩过最深的坑是精度和性能。
精度上,我最开始以为 MACD、KDJ、RSI 这些公式很简单,网上随便找一个就能用。结果和通达信一对,差得离谱。后来才发现细节很多:前复权怎么处理、递推初始值怎么设、SMA 还是 EMA、边界条件怎么算……最后全部严格对齐通达信算法。
性能上,早期我用 Python for 循环逐个计算,跑一只股票还行,跑全市场 5000 多只就慢得无法接受。后来全部改成 Pandas 向量化实现,计算速度提升了约 60 倍。
数据写入也优化过。最早是一行一行 INSERT,全市场同步一次要等很久。后来改成 executemany 批量插入,写入速度提升 10-50 倍。
这些工程上的优化,让项目从一个「能跑的 demo」变成了一个「能用的工具」。
04|战法层:把黑话变成可执行信号
Z 哥的内容里有很多「黑话」:B1、B2、B3、SB1、超级 B1、长安战法、平行重炮、坑里起好货、滴滴战法、主力出货五式……(词表见 [[Z哥黑话词典]])
这些不是随便起的名字。它们背后是一整套短线交易信号体系。
我做的是把每一个战法,定义成明确的量化规则。比如 [[B1建仓波|B1 买点]]:
1. 黄线在下面托着(主力在场);
2. [[KDJ]] 的 J 值在 0-30 之间(超卖区);
3. 成交量不能是地量(要有资金进来)。
听起来简单,但实现起来要考虑很多细节:
- 什么是「黄线」?需要定义均线周期;
- J 值「在 0-30 之间」是收盘时还是盘中?
- 「成交量不是地量」的阈值怎么定?
- 不同市场、不同板块要不要差异化处理?
我把这些规则写成代码,放在 modules/strategies/ 下面。最终实现了 30+ 战法识别,覆盖买入、卖出、逃顶、趋势判断多个场景。
最有成就感的一刻,是当我输入一只股票代码,AI 能直接说出:
「这是标准的 B2 买点,放量突破 BBI 次日确认。但要注意 J 值已经偏高,追高的风险要控制。」
这句话里,既有数据,又有纪律,还有 Z 哥的语气。
05|角色层:当 AI 终于说出「利润是市场给的」
说实话,前面所有代码加起来,可能都不如这一关难。
技术可以量化,但「一个人的表达方式」很难量化。
Z 哥的表达有几个明显特征:
- 口语化,「兄弟们」「咋回事」「别吹牛逼」;
- 爱用反问和停顿;
- 讲纪律的时候特别硬,讲选择的时候又会拉回到人生层面;
- 不会给确定性答案,而是反复强调概率、风险控制、仓位管理。
我花了很长时间打磨 SKILL.md,让它不只是「知道 Z 哥说了什么」,而是「会以 Z 哥的方式回应」。
有几个关键设计:
第一,用「我」而不是「Z 哥认为」。
很多角色扮演的 prompt 会写「Z 哥会认为……」,但这样永远在描述角色,而不是进入角色。我要求 AI 直接说「我觉得」「我告诉你」「兄弟你听我说」。
第二,遇到不确定的问题,要像 Z 哥一样犹豫。
不是跳出角色说「这超出了我的知识范围」,而是用「这个我没法给你打包票」「得看具体情况」这样的表达。
第三, disclaimer 只说一次。
第一次激活时说明「我以 Z 哥视角和你聊,基于公开言论推断,非本人观点」,后面不再反复提醒。
第四,对话有问诊节奏。
比如用户问「这只股票怎么样」,AI 不会直接给结论,而是先问:
「你是做短线还是长线?不一样的。现在是已经持有了,还是在看想进场?这只票你占了多少仓位?」
这种多轮问诊,比直接给答案更像一个真实的交易者。
我印象最深的一次测试,是我把一张大族激光的龙虎榜截图丢给它,问它怎么看。
它回了很长一段话,大意是:
「大族激光今天涨停,你解套了。但这张龙虎榜值得仔细看:买方全是游资,卖方是机构和外资。净买 3.6 亿,但格局是『机构出货、游资接力』。
你成本 131.52,今天 136.6 涨停,浮盈约 +3.9%,终于解套。但机构在撤退、游资在接棒,这票的性质从『超跌反弹』变成了『游资短线票』。
我的建议:明天如果高开,减一半仓,锁定利润;不要加仓,这个位置机构不看好;你当初买它是图超跌反弹,现在反弹到位了,逻辑兑现。
大族激光不是真 AI,游资炒完可能就撤。见好就收。」
这不是在复述概念。它读了我发的截图,结合成本价算了浮盈,判断了资金性质,还给了明确的操作建议。
那一刻我觉得,味儿对了。
有数据、有纪律、有语气——这就是我想要的效果。
06|工程层:一个能持续迭代的项目
从技术角度看,这个项目走过了几个阶段:
| 版本 | 主题 |
|---|---|
| v2.0.0 | Tushare 真实数据接入、60+ 指标、30+ 战法 |
| v2.1.0 | 交割单复盘、Python 数据层 + LLM 点评层架构 |
| v2.4.0 | CLI 工具、回测框架、递推修复 |
| v2.5.0 | 工程化补完(pyproject.toml、zt 命令、dotenv 统一) |
| v2.6.0 | 三波理论、麒麟会四阶段 |
| v2.7.0 | 真实财报/资金流全量入库、SAT/UAT 测试、使用手册 |
| v2.8.0 | 意图识别编排层、RAG、可选 LLM |
| v2.9.0 | Pandas 向量化 60x 提速、多线程 I/O、模块解耦 |
| v2.10.0 | 501 个测试用例、CI/pre-commit、废弃模块清理 |
| v3.0.0 | 编排模式、人生/创业决策框架、双维度扩展 |
让我最骄傲的不是某个功能,而是测试覆盖率:从 0 到 501 个 pytest 用例。
为什么执着测试?因为一旦涉及真实行情数据和量化规则,一个符号的错误就可能让信号完全反了。比如某个指标的正负号写反,买入信号可能变成卖出信号。这种错误靠肉眼很难发现,只能靠测试。
另外,我也建立了一些工程护栏:
- ruff 做代码格式和 lint;
- mypy 对关键模块做类型检查;
- pre-commit 在提交前自动跑检查;
- CI 跑真实数据回归测试;
- corpus/quality_check.py 对 SKILL.md 做 8 项质量门检查。
这些让项目从「个人玩具」变成了「可以公开维护的开源项目」。
07|一点技术之外的感想:Vibe Coding 不是全部
做到后面,我越来越有一个感受:
Agent 确实带来了很多便利,但没有架构思维的代码,都是屎山代码。
现在网上很多人说「程序员要失业了」「Vibe Coding 的时代来了」。我不否认 Vibe Coding 很厉害——你描述一下需求,AI 就能帮你写出一个能跑的东西。但「能跑」和「能长期维护」是两回事。
我用 AI 写代码的过程中发现,AI 生成的代码耦合度往往很高。它会把很多逻辑塞在一个函数里,变量名、异常处理、边界条件都欠考虑。你让 AI 改一个功能,它可能在三个文件里各改一点,改完能跑,但过两周你自己都看不懂。
用一句话反驳那些过度乐观的人:
你 Vibe Coding 出来的软件,维护了多久?有上线实际使用吗?
软件整个生命周期里,开发其实只占不到 40% 的工作量。后面还有维护、扩展、调试、应对边界情况、团队协作。Vibe Coding 只是其中一环。
如果大家真的想用 AI 做出好东西,我建议不要只学 prompt,而是补一点软件工程、数据结构和系统设计。这样你才能让 AI 写出真正可用的代码,而不是一次性 demo。
08|从炒股工具,到人生决策系统
做到后面,我发现一个更有趣的事:Z 哥的思维框架不只适用于炒股。
他的很多话,比如「选择大于努力」「周期思维」「安全边际」「确定性思维」,本质上是一种通用决策语言。
所以在 v3.0.0 里,我加入了意图识别和路由:
- 股票/投资问题 → 走股票分析流程;
- 人生/职业问题 → 走「人生四圈」诊断;
- 创业/商业问题 → 走「时代主线」判断;
- 纯聊天 → 走通用 Z 哥角色。
这个设计让 zettaranc-skill 从一个「炒股辅助工具」,升级成了一个「多场景决策系统」。
我始终记得一个细节:在写人生决策框架的时候,我把 Z 哥关于「四个圈」的说法整理成了一套问诊流程:
「你现在身体怎么样?精力够不够?」(健康圈) 「你有什么技能?能为别人提供什么价值?」(能力圈) 「你心态怎么样?遇到困难能扛住吗?」(心性圈) 「你觉得现在这个时代,什么机会在你身边?」(时运圈)
这四个问题,比很多职业规划工具都更直接。
09|写在最后:理解不等于模仿
这个项目做下来,我最大的感受是:
蒸馏一个人的思维,最难的不是收集语料,而是判断什么该保留、什么该放弃。
Z 哥有些话是针对特定市场环境说的,有些话是情绪表达,有些话是反复讲的纪律。如果全部塞给 AI,它会变成一个复读机;如果只挑最漂亮的金句,它又会失去真实感。
我最后选择保留的是:心智模型 + 决策启发式 + 表达 DNA。
心智模型告诉他怎么看世界;决策启发式告诉他遇到具体问题怎么判断;表达 DNA 让他回答的时候像他自己。
但即便如此,这个项目也只是「理解」一个人,而不是「成为」一个人。真实的市场决策,永远需要人自己承担后果。
我接下来想干嘛
说实话,我本来不打算做 Web UI。它就是一个 Skill,我不想给它塞太多不属于它的工具和工作。
但现在我不想另开一个项目,所以可能会在这个 Skill 项目里先搭一个最简单的推送/通知模块,把选股结果、观察池信号推送到微信或飞书。
另外,我还想找个 Windows 电脑,把通达信数据源接进来。用通达信的数据能力,做一些更有意思的事情。
不过话说回来,这些功能多少有点「脱裤子放屁」。因为我平时都是手动完成这套流程的:打开通达信,选股,然后丢给小万,小万给我基本面和技术面分析,我加入自选,第二天看盘。
我没觉得量化会减少多少工作量。
我还是不太信 AI

写到这我突然发现,我和最开始做这个项目的时候没什么两样。
一开始我不信 AI,觉得它只能写点流程让我 review。后来我承认 Agent 确实能提升效率。但真到做决策的时候,我还是更相信自己的眼睛和手。
或许这就是 Z 哥说的「纪律」吧——工具可以帮你整理信息、提示风险,但按下买入或卖出键的,永远只能是你自己。
所以 README.md 里的免责声明,我写得比功能介绍还认真:
此 Skill 用于理解 zettaranc(万千)的思维模式,不构成任何投资建议。金融市场风险极高,任何基于历史信息的交易框架都可能失效。理解不等于模仿。投资有风险,入市需谨慎。
如果你也对「AI 角色蒸馏」感兴趣,欢迎来 GitHub 看看这个项目:
https://github.com/lululu811/zettaranc-skill
代码是 MIT 协议的,可以自由使用和修改。
附:一些可能有用的数字
| 项目 | 数据 |
|---|---|
| 语料 | ~467 篇文章 + 13 个视频 transcript,约 200 万字 |
| Python 代码 | ~1.2 万行 |
| 技术指标 | 60+ |
| 战法识别 | 30+ |
| 测试用例 | 501 个 |
| 股票基本信息 | 5,525 只 |
| 资金流向记录 | 207,361 条 |
| 财务数据 | 2,733 条 |
| 版本 | v3.0.0 |
作者:陈磊
公众号:小陈无所事事的一天
(本文仅为个人项目复盘,不构成任何投资建议。)