企业官网建设流程全解析

标题写了“一个月赚了3万+”，我知道很多人第一反应是“又来一个吹牛的”。先把话说清楚：我不荐股，也不卖课，这只是个人实践记录，而且我不打算把收益完全归功于某个“神准预测”。这笔收益的核心，是我用 OpenClaw 把股票持仓管理这件事彻底流程化之后，把过去反复犯的错拦住了。

OpenClaw 不负责告诉我哪只股票会涨，它负责的是：每天收盘后汇总持仓、计算盈亏偏离、检查止盈止损线、生成提醒，并且在需要执行的时候，通过我预先设定好的接口发出交易指令。这篇文章适合两类人：一类是手里有实际仓位、但总觉得“白天没空盯盘、晚上操作又容易拍脑袋”的人；另一类是对 AI 智能体有兴趣、想用它做点具体事情、又不想只停留在聊天层面的开发者。我会把整个持仓管理系统的模块划分、配置思路、收益来源和踩过的坑都写出来，哪些是个人决策、哪些是工具能力，尽量标清楚。

1. 为什么是 OpenClaw，而不是继续盯盘手动操作

1.1 持仓管理真正的痛点不是“不知道买什么”

这话说出来可能有点反直觉。玩了几年以后我发现，大多数有一定经验的人，“买什么”的判断力并没有那么差。真正亏钱的动作，通常发生在买入之后：拿不住、乱加仓、止损下不了手、赚了 5% 就开始飘。

我自己的情况更典型。白天有本职工作，行情软件只能抽空瞄一眼。于是问题变成了：价格提醒响了，我正在开会；等开完会，看了一眼K线，脑子里冒出一句“感觉还能再涨一点”，然后完美错过止盈点。反过来也一样，跌破了止损线，我用“再看一天”安慰自己，结果一路躺到更深的坑里。

手动盯盘的问题不在于“看不到行情”，而在于“看到了也执行不了”。等你有空操作的时候，情绪已经替你做了一半决定。所以，我需要的不是一个更多的看盘工具，而是一个能在我没空、或者情绪上头的时候，把“规则”原封不动执行起来的东西。

1.2 OpenClaw 在这个场景里扮演什么角色

OpenClaw 不是一个炒股软件，它是一个可以在本地运行的智能体执行框架。最打动我的地方是，它能按自然语言指令做多步工具调用，还能跑定时任务和脚本。换句话说，我可以把它当成一个“听人话的执行管家”。

我要它做的事很具体：

• 每个交易日收盘后，自动拉取我持仓标的的最新行情，计算市值、当日盈亏、累计盈亏；
• 检查每个标的距离止盈线、止损线还有多远，超过阈值就提醒我；
• 根据我预先写好的区间规则，生成“拟操作清单”，但所有交易指令都必须经过我确认；
• 把一天的持仓情况整理成一张表格，推送到我手机上。

这套流程里，OpenClaw 做的事情更接近“搬砖”：拉数、计算、比对、提醒。它不靠盘感，也没有情绪。它的好处是，规则是事先定好的，触发了就是触发了，不会因为“今天心情好”而放过一次该止损的机会。

1.3 和手动盯盘、固定网格机器人、自写脚本的对比

我在动手之前，其实对比了好几种方案，这里直接放一张对比表，省得各位挨个踩。

固定网格机器人最大的问题，是策略一旦跑起来，想改参数很别扭，而且大多数是云端服务，数据都在别人服务器上。自写脚本灵活，但我这种非专业开发者，每次改一个需求都要翻代码，维护成本太高。OpenClaw 的价值正好在中间：跑批量的读取用脚本，动态的调整用自然语言，两者能组合在一起。

1.4 先说清楚边界：它不是投资顾问

我必须泼一盆冷水：OpenClaw 不懂得看多还是看空，它也没有任何“直觉”。所有的判断依据，都必须由你自己先定好。如果你连“什么情况下买、什么情况下卖、最多亏多少”这些规则都说不出来，那上任何工具都帮不了你，反而可能放大你的操作频率。

我把它定位成“执行中枢”，不是“决策大脑”。决策大脑是我自己，或者说，是我提前写进配置文件里的那几条朴素规则。这一步想清楚，后面搭建才不会被工具带着跑偏。

2. 持仓管理中枢的架构划分：一个“执行管家”该有哪些模块

2.1 四层结构：数据层、策略层、执行层、通知层

我搭这套系统的思路，是把它拆成四个逻辑层，而不是一上来就写一堆纠缠不清的代码。OpenClaw 在这中间主要承担“编排调度”的职责，告诉我哪些任务跑完了、哪些条件触发了、下一步需要做什么。

• 数据层：负责拿行情和账户数据。行情从公开接口或自己维护的数据源拉取，账户持仓和交易流水存在本地数据库里。数据层必须保证口径一致，不然后面的计算全是错的。
• 策略层：把买入区间、止盈线、止损线、仓位上限这些规则，统一放在一个配置文件中。这个文件是 OpenClaw 和“交易纪律”之间的桥梁。
• 执行层：把策略层的判断转换成实际动作。我这里采用的是“半自动”模式：OpenClaw 生成拟交易清单，推给我确认，确认后才走合规的交易接口。部分朋友有权限开通自动化交易接口，但我个人建议，刚开始跑一定要保留人工确认这个环节。
• 通知层：把结果推送出来。收盘汇总、风险提醒、异常波动这些信息，通过 Webhook 或手机推送渠道发出去。通知信息要简洁，只写“触发了什么、我该看什么”，不要写一堆废话干扰判断。

2.2 规则参数放在哪里，以及为什么这么设计

很多人在使用 AI 工具时有个习惯，喜欢把所有要求都塞进对话里。这在一个长期运行的持仓管理场景里非常不可取，因为对话上下文会过期，每次重新开窗口，规则就丢了。

我的做法是，把所有交易规则写成一份配置文件，例如 config.yaml，OpenClaw 每次执行任务时主动去读这份文件。日常想改规则，也只需要对它说一句“把某标的止盈线改成 8%”，它会去修改配置，而不是把临时要求存在聊天记录里。这样规则变更可回溯，跑批任务时状态也稳定。

# config.yaml 示意，不代表任何投资建议 watchlist: - name: "某宽基指数ETF" code: "example_wide_base" buy_zone: [10.00, 10.40] # 买入区间 target: 11.20 # 目标止盈 stop_loss: 9.60 # 止损线 position_limit: 0.15 # 单标的仓位上限，占总资金15% - name: "某科技板块ETF" code: "example_tech_sector" buy_zone: [1.20, 1.35] target: 1.52 stop_loss: 1.10 position_limit: 0.20

配置文件 + 数据库 + 本地脚本，构成了整个系统的主干。OpenClaw 作为中间调度者，它能读文件、调用脚本、执行定时任务、再把结果发给我。就算某天 OpenClaw 本身崩了，我的配置和数据还在本地，不影响我做最基础的人工管理。

2.3 持仓管家至少需要四个独立模块

把任务拆成独立的小脚本，比让 OpenClaw 在一个超长上下文里处理所有事情可靠得多。我目前实际在用的模块有几个：

• market_snapshot：拉行情，计算每个标的的市值、当日盈亏、累计盈亏，更新本地数据库。
• risk_check：执行风控检查，比对当前价格与止盈止损线的距离，检查仓位占比是否超限，组合回撤是否到了警戒值。
• report_generator：把检查结果整理成表格，生成可读的持仓日报。
• trade_signal：根据策略层的规则生成“拟操作清单”，例如“某标的价格进入买入区下沿，建议买入 10% 仓位”，并在输出中标记“待确认”。

四个模块互相独立，职责单一。OpenClaw 不需要记住每一只股票的历史走势，它只需要知道：哪个模块负责哪件事，什么条件触发什么调用。

3. 让 OpenClaw 跑起来的落地配置和日常指令

3.1 环境与依赖：数据必须落地，不要活在网页里

我用的是本地部署方案：一个常开的低功耗电脑或小主机，装上 Python 环境，把脚本和数据库放进去，OpenClaw 跑在同一台机器上。依赖很少，无非就是请求库、数据库驱动、数据处理相关的几个库。

更关键的一点是，所有拉回来的数据都要落到本地存储，而不是让 OpenClaw 每次都去网上翻。一方面，行情接口有时间限制，频繁请求容易被限流；另一方面，数据存在本地，可以自己随时核对，不至于工具一升级历史记录全没了。为了简单，我一开始甚至没有用复杂数据库，就是一个 SQLite 文件，存每日持仓快照和交易流水。跑了几周之后发现，查询和统计足够用。

3.2 定时任务与条件触发的配置思路

OpenClaw 支持类 cron 的定时任务配置，这里我展示一个示意结构，不同版本的配置格式会有差异，重点看思路。

# 示意：交易日 16:30 生成持仓日报 [task.daily_report] cron = "0 30 14 * * 1-5" # 注意用本地时区，收盘后运行 command = "skill market_snapshot && skill risk_check && skill report_generator" output = "push_to_phone" # 示意：每个交易日每小时做一次风控提醒 [task.risk_check_hourly] cron = "0 * * * * 1-5" command = "skill risk_check --alert-only"

这里有一个很多新手容易踩的坑：时区。默认情况下，某些定时任务配置用的是 UTC 时间，如果不改，你会在北京时间凌晨收到“风险提醒”。我的做法是全部统一成本地时区，并且加一个“是否交易日”的判断逻辑。这个判断逻辑很重要，因为行情接口在周末不更新，定时任务如果不跳过，会拿周五收盘的价格反复提醒你，造成不必要的干扰。

3.3 我每天都实际在用的几条指令

这套系统跑起来之后，我每天真正手动输入 OpenClaw 的指令很少，因为大部分是定时任务自动执行的。但有一些场景需要临时交互，这里分享几条我高频使用的指令：

• “帮我生成今天的持仓汇总，按当日盈亏降序排列，标出距离止盈线低于 3% 的标的。”
• “把某标的的止损线从 -6% 收紧到 -5%，最近它的波动率变大了。”
• “模拟一下，如果某标的跌到买区间下沿，我再买入 10% 仓位，总仓位和现金比例会变成多少。”

你会发现这些指令并不需要什么“魔法措辞”，把需求说清楚就行。OpenClaw 会去调用对应的 skill，读取本地文件，跑一遍计算，然后把结果告诉我。这套交互方式比传统的“改代码、跑脚本、看输出”轻量太多，这也是我坚持用它的原因。

3.4 为什么我不推荐一上来就全自动

很多人一听“AI 管持仓”，第一反应就是让它全自动交易。我的建议是，不要这样做，至少前两个月不要。

全自动意味着你要把下单权限完全交给程序，一旦策略有漏洞、行情源异常或者接口逻辑写错，损失会在一瞬间发生，而且你可能根本来不及介入。我更推荐“半自动 + 人工确认”的模式：OpenClaw 负责监控、计算、生成操作建议，最后一步由我确认后执行。这样既保留效率，又保留了最终决策权。如果以后想提高自动化程度，也应该先拿模拟盘验证一段时间，确认逻辑稳定后再放开权限。

4. 一个月 3 万+ 的收益拆解：这套系统到底在赚什么钱

4.1 核心策略不是预测涨跌，而是“区间低吸 + 纪律兑现”

很多人以为我用 AI 做了很复杂的量化模型，其实恰恰相反。我的核心策略很简单：主仓是一只长期看好的宽基指数 ETF，卫星仓有两三个活跃度较高的行业 ETF。我不预测什么时候暴涨，而是给每个标的划一个“买入区间”，跌进区间就分批买，涨到目标线就分批卖，跌破止损线就无条件离场。

这个策略的价值，在于它把不确定性很高的“预测”问题，变成了确定性强一些的“执行”问题。我不需要知道一个标的能不能涨到 20%，只需要知道：它跌到哪个位置我愿意接，涨到哪个位置我愿意走。OpenClaw 每天帮我跑一遍所有标的，把接近买入区、接近卖点的品种列出来，我只需要在它列出来的清单里做最后确认。

4.2 风控参数怎么定的：放一张实盘参数表

所有策略都要落到参数上，否则就是空话。下面的表格是我实际使用过的参数设定，不代表任何投资建议，但思路可以参考。

这些参数不是拍脑袋定的。我的逻辑是：买入间隔太小，会导致频繁成交，手续费都不够覆盖；买入间隔太大，可能一轮行情根本等不到第二档。止损线定在 6%~8%，是因为超过这个幅度之后，标的需要涨 10% 以上才能回到成本，等回本的难度明显变大。

4.3 收益归因：3 万+ 到底从哪里来

标题写了“一个月赚了 3 万+”，这一个月恰好赶上震荡偏上行的行情，绝对不是我每个月的常态。我做了一份虚拟的收益归因，方便拆解数字来源，重点是看结构，而不是看具体金额。

3.6 万里有相当一部分来自“少亏的钱”。这听起来不那么酷，但确实是真实收益的一部分。过去我手动操作时，两次破了止损纪律，第一次是从亏 5% 扛到亏 15%，第二次是从应该止盈赚 8% 扛到赚 2%。这两笔钱如果逆向算回来，其实就是 3 万里的重要缺口。

4.4 别只盯着收益，我也经历了一次难受的止损

这套系统并不是每次都对。有一回某标的触发了止损提醒，我确认卖出，结果接下来两天反弹了 10%，当时确实有点后悔。但回头看，这笔操作是对的：之后的波动再次回落，若那次不卖，大概率会亏更多。执行纪律的最大意义，不是每次都能卖在最低点，而是避免“一次扛单扛到底”的重创。

所以我想得很清楚：3 万+ 是“纪律兑现”的奖励，不是“AI 推荐”的功劳。OpenClaw 只是把规则执行得更稳定罢了。

5. 踩坑实录：AI 管持仓最容易翻车的五个细节

5.1 行情数据源的延迟和口径不一致

我最早用的免费行情接口，行情延迟有几分钟，而且不同接口在除权除息日的价格口径不一致。有一次某标的除息，接口返回的价格跳变了 2%，系统直接算出一笔“巨额亏损”，给我推送了一条吓人的风险提醒。

解决办法是：用同一个数据源作为唯一口径，并在代码里做“除权除息过滤”；拉回来的历史数据只用于生成报告，不参与实时决策；每周手动对一次持仓市值，确保本地数据库和真实行情软件的数据能对上。

5.2 长上下文导致任务“漂移”

刚开始使用 OpenClaw 时，我喜欢把所有标的的历史记录都塞进对话里，让它“顺便分析一下”。结果到后面，它开始变得迟缓，偶尔会漏掉某个提醒，甚至在指令里加上了一些并不存在的标的。

原因很简单，上下文太长，模型在处理大量历史文本时产生混淆。解决方案：把任务拆分给不同的 skill，每个 skill 只读取自己需要的文件和数据库；状态信息写入本地文件或数据库，而不是放在聊天上下文里；每次对话保持独立，尽量“一问一议”。

5.3 API Key 和授权安全是最容易被忽略的问题

这一条必须重点说。交易接口的密钥一旦泄露，后果不堪设想。OpenClaw 在运行时会记录工具调用日志，如果你把密钥明文写在配置里，等于把钥匙挂在门口。

我的做法是：密钥通过环境变量加载，配置文件里只保留占位符；交易接口使用只读模式，只有手动确认时才调用下单接口；如果平台支持 IP 白名单，就只允许自己出口 IP 访问；本地日志目录设权限，避免其他进程读取。安全措施宁多勿少，千万不要在图方便的时候把底线丢了。

5.4 你没告诉它“什么不能做”，它就会出馊主意

AI 本质上是对指令的响应。如果你只告诉它“涨了就提醒”，没告诉它“什么情况不能买”，当市场出现极端行情时，它可能根据你的配置，提出追高某个已经连续大涨的标的的建议。

我在配置里加了一份明确的“禁止清单”：

• 不追涨停，不参与开板次新；
• 不在开盘 30 分钟内做买入操作，避免流动性冲击；
• 单日总交易次数不超过 3 次，防止情绪化频繁交易；
• 某个标的已触发止损后，当天不得反向买入同一标的。

把边界条件想清楚，比写一堆“建议语”可靠得多。

5.5 交易日历和时区会造成一连串误报

这个问题我踩得比较频繁。一开始定时任务没做“是否为交易日”判断，于是周六周日它也会执行行情拉取，推送里全是周五的旧数据。后来我改成了本地时区，仍然有误报，因为节假日没有处理，比如长假期间系统安静地误推了几天“风险提示”。

解决办法是引入一个交易日历判断：交易日才跑完整检查，非交易日直接跳过。这个逻辑很简单，但加完之后，系统的推送质量高了一个量级，不会在错误的时间制造焦虑。

6. 最后聊聊我不太会说出口的真实体感

跑了一个月以后，我越来越觉得，这套系统真正值钱的地方，不是“AI 持仓管理”听起来多厉害，而是它逼着我在开始之前，把所有交易规则用文字写了一遍。写下来的过程，实际上是我第一次认真面对自己的“交易纪律”。

OpenClaw 没有帮我做过任何神奇预测，它只是把我反复犯过的错误，用程序的方式拦了下来。这一个月赚到钱，很大程度上是因为我把“止损”从脑子里的想法，变成了配置文件里的固定数字。工具只是放大了纪律的威力，而不是凭空生成了收益。

如果你也打算折腾一套类似的东西，我的建议非常朴素：先不要碰任何下单权限。让 OpenClaw 跑两周“只读报告”模式，每天只汇总持仓、计算偏离、推送提醒。你可能会发现，它帮你省下最多的不是盯盘时间，而是来回纠结时消耗的情绪。等你自己习惯了跟着规则走，再考虑要不要把执行权也交出去。