AlphaClaw投研小龙虾第六讲：MCP Porter、内置金融数据库强化定量分析能力

作者 | 费斌杰 北京市青联委员 熵简科技CEO

自AlphaClaw功能发布以来，收获了大量好评和专业反馈，这些反馈进一步推动产品功能快速完善。

过去两周AlphaClaw完成了新一轮重要升级，新上线了MCP Porter、AlphaEngine CLI、内置金融结构化数据库、原生兼容Office等重要功能，今天给大家分享一下。

从3月下旬开始，我们正式启动「驯龙（虾）高手计划」——每期分享3-5个投研实战案例，帮助专业投资者掌握金融小龙虾的最新玩法，成为在指数级变革中最早吃到红利的人。

错过了前五期培训课程的朋友，可以戳以下视频链接，需要拥有AlphaEngine账号才可以回看。

AlphaClaw投研小龙虾第一讲视频回放：

http://alphaengine.top/share/#/share/research-insight?shareLink=GCKeVfKiGEOI5wlu8Jwg&id=290001786389260

案例1：投资大师思维复刻，让巴菲特帮你选股

案例2：财报季风格化批量点评

案例3：投研PPT制作与二次编辑

AlphaClaw投研小龙虾第二讲视频回放：

https://www.alphaengine.top/#/share/summary?link=aBIT9Zs5Z2YMe1yizcKl

案例4：缠论选股策略构建

案例5：结合本地敏感数据撰写上会报告

案例6：有道云笔记批量导出到本地

AlphaClaw投研小龙虾第三讲视频回放：

http://alphaengine.top/share/#/share/research-insight?shareLink=8D2Hc0c5dZAzIhgAt0bw&id=290001787316680

案例7： 定制投资日报生成

案例8： 从持仓数据刻画基金经理投资逻辑

案例9： 公司/行业投资框架一键生成

AlphaClaw投研小龙虾第四讲视频回放：

http://alphaengine.top/share/#/share/research-insight?shareLink=C9uDhdYfYz1IZa4kbIyr&id=290001788005369

案例10：高油价对AI分子端影响传导路径

案例11： Super Research Skill研究腾讯研究框架

案例12： 全市场分歧最大的10个研究课题

AlphaClaw投研小龙虾第五讲视频回放：

https://www.alphaengine.top/#/share/summary?link=5kGxw7ZlMtkTP8eTiQRx

案例13：总结外资行观点变化趋势

案例14：券商复杂Excel底稿处理

案例15：CPU涨价逻辑梳理

那么话不多说， 今天就为大家详解本轮升级的 3 大新功能。

Let's go

（1）正式上线MCP Porter，打造你的专属投研工具箱

AlphaClaw 正式上线 MCP Porter 功能。

无论是金融数据服务 Tushare、知识管理工具 Obsidian，还是协作平台 Notion，只要对方提供 MCP 接入能力，你都可以通过 MCP Porter，用一句自然语言完成与 AlphaClaw 的对接。

例如，只需说一句"帮我接入 Tushare MCP"，连接即刻建立，无需编写代码，无需手动配置。

MCP Porter的背后是 AlphaClaw 对开放生态的坚持，我们不试图包揽一切，而是让你自由接入任何对投研有价值的外部工具，将 AlphaClaw 打造为真正属于你的投研工作台。

接下来我以Obsidian为例，帮大家快速上手。

Obsidian 是一款备受知识工作者青睐的本地笔记工具，以 Markdown 为基础格式，支持双向链接和图谱视图，非常适合构建结构化的投研知识体系。

更重要的是，所有数据存储在本地，天然契合投研场景对信息安全的要求。

我们以它为例，演示 MCP Porter 的接入流程。

提示词: 帮我接入Obsidian MCP

只需对 AlphaClaw 说一句："帮我接入 Obsidian MCP"，几秒钟后即可完成对接。

Obsidian 提供的 15 个工具将全部就绪，涵盖笔记的增删改查、标签管理等常用操作，这意味着你可以直接通过 AlphaClaw 对话式地读写和检索你的投研笔记。

使用前需要完成一项简单的准备工作：下载并安装 Obsidian，在本地创建一个 Vault（即知识库），然后将其根目录路径告知 AlphaClaw。完成后，你的本地知识库便正式接入了 AI 投研工作流。

打开 AlphaClaw 的连接器面板，你会看到一个清晰的分层结构：上半部分是官方预置的数据接口（如 iFind MCP、IMA 知识库等），下半部分则是你通过 MCP Porter 自行安装的服务。随着使用的深入，这里会逐渐成为你专属的投研工具箱。

一切就绪，让我们上手试试。

首先我们来验证一下AlphaClaw是否顺利链接上了我本地的Obsidian知识库。

提示词: 看下我的Obsidian里有多少篇笔记？

可以看到，AlphaClaw自动调用了刚安装上的Obsidian MCP中的get_value_stats工具，统计出我本地保存的160篇Obsidian笔记。

我在Obsidian的本地知识库中管理着历史以来五讲AlphaClaw培训的ppt课件，可以通过刚刚安装好的MCP直接加以分析。

当我用AlphaClaw生成了非常有价值的内容时，可以轻松把这些知识保存到你本地的Obsidian知识库中，进行有效积累。

提示词: 做得不错，帮我把笔记保存到Obsidian中

这里我们以Obsidian作为MCP Porter的应用案例介绍给大家，其实MCP Porter可以兼容一切提供MCP接口的三方服务，大家可以按需接入，形成自己的投研工具箱。

（2）内置海量金融数据库，强化定量分析能力

AlphaClaw 天然内置了 AlphaEngine 的海量研报库与会议纪要库，为定性分析提供了强大支撑。

但在实际投研工作中，我们同样频繁地需要调取结构化数据进行定量分析，比如最新行情、财务指标、基金净值、债券收益率等。

这类精确数值如果从研报文本中提取，既低效又容易产生偏差，理应直接从专业数据库获取。

为此，AlphaClaw 现已正式内置海量金融结构化数据库，覆盖 A 股、港股、美股全市场上市公司的财务行情等重要数据，横跨股票、债券、基金、指数等资产类别。

你无需在提问时刻意指定数据来源，AlphaClaw 会自动判断问题类型，从最合适的专业数据源中提取精确数值，直接给出可信答案，大幅降低幻觉风险。

这里举两个例子：

提示词: 用金融数据库，筛选近3个月重要股东增持次数最多的前20只A股

只需十几秒，AlphaClaw就通过金融数据库获取到了最近3个月以来所有A股重要股东的增持次数，并挖掘出一系列值得关注的标的。

再比如我用AlphaClaw查询债券收益率和久期数据并且加以分析：

提示词: 用金融数据库，查询兴业转债（113052）最近一个月的到期收益率、转股溢价率、纯债价值和修正久期变化

有了内置金融数据库加持之后，AlphaClaw的定量分析能力显著增强，欢迎大家实际上手体验。

（3）AlphaEngine CLI功能正式上线

除了 MCP，AlphaClaw 还在积极推进另一种更高效的能力集成方式——CLI（命令行接口）。

相比 MCP，CLI 能更原生地支持 Agent 调用，执行效率更高，正逐步成为我们推荐的首选集成方式。

这背后是我们对软件产品形态的一个判断。

我认为未来任何一款产品都需要提供两个版本。一个给人用，注重可视化交互与界面体验；一个给 AI 用，将每一个操作原子化定义，交由 Agent 按需进行串并联编排，从而灵活应对千人千面的定制化需求。

AlphaEngine CLI 正是为后者而生。

首批上线的 CLI 能力包括两组命令：自选股管理、活动日程管理。前者让 AlphaClaw 能够直接查询和操作你在 AlphaEngine 中的自选股列表，后者则打通了路演、会议等投研日程的访问通道。

以下通过一个实际场景来演示。

提示词: 帮我梳理一下我的自选股近期1个月的活动日程，导出md格式给我

AlphaClaw会通过CLI工具访问你在AlphaEngine平台上的自选股清单，然后生成一份独一无二的活动日程清单，不需每次都手动导入自选股Excel文件了。

你可以在左侧菜单栏的“自选股”页面配置自选股。

未来，我们还将持续上线更多 AlphaEngine CLI 工具。我们的目标很明确：打造一个专为 AI 设计的 AlphaEngine 版本，将平台上的每一项独立功能进行原子化拆解。

当这些能力以标准化接口提供给 Agent 后，AlphaClaw 便能根据你的具体需求，自主编排最优的调用链路，进一步释放投研效率，敬请期待。

（4）更多实用功能陆续上线

除了上述重点能力，AlphaClaw 近两周还密集上线了一系列实用功能，经常使用的朋友应该已有切身体会。

Office 组件内置：AlphaClaw 已内置 Office 组件，支持在对话中直接生成并编辑 Excel、Word、PPT 文件，完成后即可在侧边栏实时预览，创作与审阅一气呵成。

一键导出 PDF：对于 AlphaClaw 生成的任何回答，现在都可以一键导出为 PDF 格式，方便归档、分享或直接交付。

多模型自由接入：AlphaClaw 目前已支持智谱、DeepSeek、Kimi、MiniMax 等多种大模型。你可以接入自行购买的第三方 LLM API，也可以使用大模型厂商提供的 Coding Plan 包月方案，从而大幅降低积分消耗，轻松实现"积分自由"。

你可以在AlphaClaw的问答框右下角切换模型，值得注意的是，如果想要保障最好的回答质量，建议使用平台内置的Premier模型。

（5）AlphaClaw下载地址及培训预告

AlphaClaw搭载于AlphaEngine产品，登录www.alphaengine.top下载AlphaEngine桌面端应用，即可使用AlphaClaw功能。

如何系统掌握 AI 投研工具的实战打法？

如何建设投研工作台，成为指数级变革中最早吃到红利的人？

熵简科技CEO、AlphaEngine主理人费斌杰讲在下周二（5月19日）晚7:30，进行主题分享，欢迎感兴趣的投研专业人士参加。

AlphaEngine APP下载地址：