本文基于2026年新手零基础阿里云+本地双部署流程、阿里云百炼API及免费大模型API配置方案，详细拆解8大股票分析Skills的安装、配置与实战用法，所有代码命令可直接复制执行，帮助投研团队、投顾从业者、个人投资者快速搭建专业级股票分析系统。阿里云上OpenClaw极速一键部署最简单，步骤详情 访问阿里云OpenClaw一键部署专题页面 了解。

1. 效率革命：从“手动整合数据、交叉验证分析”到“输入代码→自动输出结论”，将投研周期从数天压缩至分钟级；
2. 专业保障：覆盖“行情+基本面+舆情+因子+事件+风控+组合+报告”全环节，分析逻辑贴合机构投研框架；
3. 灵活适配：8个Skill可独立使用（如单独抓取数据、生成报告），也可联动形成完整链路，满足不同场景需求；
4. 开源免费：基于MIT协议，支持二次开发与定制，个人与机构均可零成本使用。

1. 管理员模式打开PowerShell，安装Node.js（v24.x稳定版）：# 国内镜像加速，避免下载超时 iwr -useb https://npmmirror.com/mirrors/node/v24.5.0/node-v24.5.0-x64.msi -OutFile node-install.msi Start-Process . ode-install.msi -Wait
2. 安装ClawHub（技能管理工具）与Python（数据处理依赖）：npm i -g clawhub # 安装Python 3.11（数据处理必备） winget install Python.Python.3.11

（2）macOS 12+系统

1. 终端安装Homebrew（已安装可跳过）：/bin/bash -c “\((curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”
2. 安装Node.js、Python与ClawHub：brew install node@24 python@3.11 echo ‘export PATH=“/usr/local/opt/node@24/bin:/usr/local/opt/python@3.11/bin:\)PATH”’ >> ~/.zshrc source ~/.zshrc npm i -g clawhub

（3）Linux（Ubuntu 20.04+）系统

1. 安装Node.js、Python与ClawHub：curl -fsSL https://deb.nodesource.com/setup_24.x | sudo bash sudo apt install -y nodejs python3.11 python3-pip git sudo npm i -g clawhub

2. OpenClaw核心安装与初始化

1. 全局安装OpenClaw：npm install -g openclaw@latest
2. 验证安装：openclaw –version # 需显示2026.x.x及以上版本 clawhub –version # 需显示0.8.0及以上版本
3. 初始化工作空间：# 创建工作目录 mkdir ~/OpenClaw-Stock-Analysis && cd ~/OpenClaw-Stock-Analysis # 初始化配置，按提示选择默认值 openclaw init

3. 启动服务与访问控制台

1. 启动Gateway服务：# 前台启动（测试用） openclaw gateway start # 后台启动（推荐） # Windows（PowerShell）：Start-Job -ScriptBlock {openclaw gateway start} # macOS/Linux：nohup openclaw gateway start &
2. 访问控制台：

• 浏览器输入，无需登录直接访问，本地部署完成。

• 阿里云账号：注册阿里云账号，实名认证（个人用户支付宝刷脸验证，企业用户需资质审核1-3个工作日）；
• 百炼API-Key：访问登录阿里云百炼大模型服务平台，进入“密钥管理”创建API-Key，保存Access Key ID与Access Key Secret（仅创建时可完整查看Secret）；
• 数据源API-Key：注册Tushare、聚宽等数据源账号，获取API-Key（股票数据抓取必需）；
• 辅助工具：远程连接工具（FinalShell、Xshell）、文本编辑器（记录公网IP、API-Key）。

第二步：选购阿里云轻量应用服务器，配置参考如下：

• 镜像：OpenClaw(Moltbot)镜像（已经购买服务器的用户可以重置系统重新选择镜像）
• 实例：内存必须2GiB及以上。
• 地域：默认美国（弗吉尼亚），目前中国内地域（除香港）的轻量应用服务器，联网搜索功能受限。
• 时长：根据自己的需求及预算选择。

第三步：访问阿里云百炼大模型控制台，找到密钥管理，单击创建API-Key。

前往轻量应用服务器控制台，找到安装好OpenClaw的实例，进入「应用详情」放行18789端口、配置百炼API-Key、执行命令，生成访问OpenClaw的Token。

• 端口放通：需要放通对应端口的防火墙，单击一键放通即可。
• 配置百炼API-Key，单击一键配置，输入百炼的API-Key。单击执行命令，写入API-Key。
• 配置OpenClaw：单击执行命令，生成访问OpenClaw的Token。
• 访问控制页面：单击打开网站页面可进入OpenClaw对话页面。2. 服务器配置与实例创建

1. 购买轻量应用服务器：

• 访问阿里云轻量应用服务器控制台，点击“创建实例”；
• 核心配置选择：

1. 启动实例：

• 支付完成后，等待1-3分钟，实例状态变为“运行中”，记录公网IP（如47.xx.xx.xx）。

3. 端口放行与远程连接

1. 端口放行：

• 进入实例详情页→“防火墙”→“添加规则”，放行以下端口：
• 22端口（远程连接）：TCP协议，授权对象“个人IP地址”；
• 18788端口（OpenClaw控制台）：TCP协议，授权对象“个人IP地址”；
• 443端口（API通信）：TCP协议，授权对象“0.0.0.0/0”（数据源与大模型API调用必需）；

1. 远程连接服务器：ssh root@你的服务器公网IP
   按提示输入密码，连接成功后进入终端界面。
   
   

4. 启动OpenClaw服务

1. 验证预装环境：openclaw –version # 需显示2026.x.x版本 clawhub –version # 需显示0.8.0及以上版本 python3 –version # 需显示3.11.x版本
2. 启动服务并设置开机自启：openclaw gateway start echo “openclaw gateway start” >> /etc/rc.d/rc.local chmod +x /etc/rc.d/rc.local
3. 访问控制台：

• 浏览器输入，无需登录直接访问，阿里云部署完成。

1. 访问登录阿里云百炼大模型服务平台；
2. 进入“密钥管理”→“创建API-Key”，保存生成的（仅创建时可见）；
3. 领取免费额度：进入“额度管理”，新用户可领取7000万Token（90天有效期），足够支撑高频股票分析。

1. 访问DeepSeek官网（https://www.deepseek.com/）注册账号，创建API Key；
2. 配置环境变量：echo ‘export DEEPSEEK_API_KEY=“你的DeepSeek API Key”’ >> ~/.bashrc source ~/.bashrc
3. 切换模型：openclaw model use deepseek-finance

（三）API配置避坑指南

1. 安全存储：金融数据与API-Key涉及敏感信息，严禁硬编码到配置文件，优先使用环境变量或加密存储：# 加密存储百炼API-Key openclaw config set model.apiKey “$ALIBABA_CLOUD_API_KEY” –encrypt
2. 额度监控：定期查看API调用额度，避免超额产生费用：

• 百炼API：登录控制台→“额度管理”查看；
• 免费API：通过命令查询。

1. 缓存策略：行情数据实时性要求高，缓存有效期建议设置为15-30分钟，避免使用过期数据；财务报表、因子评分等静态数据可延长至1-2小时。

• 核心价值：抓取A股、美股、港股等全球市场的行情数据（OHLCV），支持实时行情与历史K线，自动完成数据清洗、补缺与去异常，输出标准化时序数据表。
• 安装命令：clawhub install market-data-fetch
• 数据源配置（以Tushare为例）：# 配置Tushare API-Key openclaw config set skills.market-data-fetch.dataSources.tushare.apiKey “你的Tushare API-Key” # 设置默认数据源 openclaw config set skills.market-data-fetch.defaultDataSource “tushare”
• 实战场景：
• 指令：“用market-data-fetch抓取贵州茅台（.SH）近30天的日K线数据，包含开盘价、收盘价、成交量，输出数据质量报告”；
• 执行效果：
• 数据输出：标准化表格（日期、开盘价、收盘价、最高价、最低价、成交量）；
• 质量报告：“数据缺失率0%，异常点1个（已剔除），数据完整性100%”。
• 避坑要点：
• 不同数据源的API调用频率有限制（如Tushare免费版每分钟最多10次），避免高频次无意义调用；
• 跨市场数据需注意时区统一（如美股与A股时区差异），技能会自动处理，无需手动调整。

2. Skill 2：fundamentals-parser（基本面解析）

• 核心价值：解析上市公司利润表、资产负债表、现金流量表，计算同比环比数据，生成成长性、盈利性、估值区间标签，3分钟看懂一家公司的财务质地。
• 安装命令：clawhub install fundamentals-parser
• 实战场景：
• 指令：“用fundamentals-parser解析宁德时代（.SZ）2025年年报，输出核心财务指标、成长性标签、盈利性标签与估值判断”；
• 执行效果：核心财务指标： - 营收：3280亿元（同比+25%） - 净利润：456亿元（同比+30%） - 毛利率：28.5%（环比+1.2%） - PE：22.3倍，PB：4.8倍 标签： - 成长性：高成长（营收、净利润同比均超20%） - 盈利性：高盈利（毛利率稳定在25%以上） - 估值区间：合理（PE低于行业平均28倍）
• 避坑要点：
• 财务报表需确保为最新版本，可通过指令指定报告年份（如“2025年年报”）；
• 部分公司财务数据存在口径差异（如合并报表与母公司报表），技能默认使用合并报表，如需切换可明确指令。

• 核心价值：扫描公司公告、新闻报道、券商研报、社交媒体（微博、雪球）等渠道，去噪后进行情绪打分（-10至+10），捕捉市场预期拐点。
• 安装命令：clawhub install news-sentiment-scan
• 实战场景：
• 指令：“用news-sentiment-scan监控比亚迪（002594.SZ）近7天的舆情，输出情绪温度计与重大事件清单”；
• 执行效果：情绪温度计：+6.8（偏正面） 重大事件清单： 1. 正面：公司发布2026年Q1销量预告，同比增长40%（情绪贡献+4.2）； 2. 中性：行业政策调整，新能源汽车购置补贴退坡（情绪贡献0）； 3. 正面：券商发布研报，维持“买入”评级（情绪贡献+2.6）
• 避坑要点：
• 社交媒体存在水军言论，技能会自动去噪，但仍建议结合权威来源（公司公告、券商研报）交叉验证；
• 情绪评分仅反映市场预期，需结合基本面与事件实质判断影响。

4. Skill 4：factor-score-engine（因子评分引擎）

• 核心价值：全链路核心技能，基于成长、价值、质量、动量四大因子池，通过标准化、加权、行业中性化处理，生成1-10分评分卡，量化个股综合质地。
• 安装命令：clawhub install factor-score-engine
• 配置自定义因子权重（默认权重：成长30%、价值25%、质量30%、动量15%）：openclaw config set skills.factor-score-engine.weights.growth 35 openclaw config set skills.factor-score-engine.weights.value 20 openclaw config set skills.factor-score-engine.weights.quality 35 openclaw config set skills.factor-score-engine.weights.momentum 10
• 实战场景：
• 指令：“用factor-score-engine对白酒行业3家公司（贵州茅台、五粮液、泸州老窖）进行评分，输出评分卡与分层结果”；
• 执行效果：评分卡（1-10分）： - 贵州茅台：9.2分（绩优白马） - 五粮液：8.5分（绩优白马） - 泸州老窖：7.8分（成长黑马） 分层依据： - 成长因子：泸州老窖（9.0）> 贵州茅台（8.5）> 五粮液（8.0） - 价值因子：贵州茅台（8.8）> 五粮液（8.2）> 泸州老窖（7.5） - 质量因子：贵州茅台（9.5）> 五粮液（9.0）> 泸州老窖（8.5） - 动量因子：五粮液（7.8）> 贵州茅台（7.5）> 泸州老窖（7.0）
• 避坑要点：
• 因子权重可根据投资策略调整（如价值投资可提高价值因子权重至40%）；
• 行业中性化处理可避免行业偏差（如周期行业与消费行业的PE不可直接对比），建议默认启用。

5. Skill 5：event-impact-analyzer（事件冲击分析）

• 核心价值：分析财报季、政策发布、行业突发等事件对个股的冲击，拆解乐观/中性/悲观情景，评估冲击方向（利好/利空）与强度（轻微/中等/重大）。
• 安装命令：clawhub install event-impact-analyzer
• 实战场景：
• 指令：“用event-impact-analyzer分析‘新能源汽车购置税减免政策延长’对宁德时代的冲击，给出情景分析与强度评估”；
• 执行效果：事件冲击分析： - 冲击方向：利好 - 强度评估：重大（影响营收预期+15%-20%） 情景分析： - 乐观情景：政策延长3年，行业销量增长超30%，公司营收增长25%； - 中性情景：政策延长2年，行业销量增长20%-25%，公司营收增长18%； - 悲观情景：政策延长1年，行业销量增长15%-20%，公司营收增长12%； 传导链路：政策延长→购车成本下降→行业需求提升→公司订单增加→营收增长
• 避坑要点：
• 事件冲击存在滞后效应，需结合时间窗口判断（如政策发布后1-3个月逐步体现）；
• 多个事件叠加时（如政策利好+业绩不及预期），技能会综合评估净冲击，建议关注净冲击方向与强度。

• 核心价值：监控波动率、回撤、相关性、集中度等风险指标，设置阈值预警，模拟极端情况压力测试，触发止损规则（减仓/清仓）。
• 安装命令：clawhub install risk-guardrail
• 配置风控阈值：# 设置单只股票仓位上限20% openclaw config set skills.risk-guardrail.positionLimit 20 # 设置组合最大回撤阈值10% openclaw config set skills.risk-guardrail.maxDrawdown 10 # 设置波动率预警阈值30%（年化） openclaw config set skills.risk-guardrail.volatilityWarning 30
• 实战场景：
• 指令：“用risk-guardrail评估当前持仓（贵州茅台30%、宁德时代40%、比亚迪30%）的风险等级，进行压力测试”；
• 执行效果：风险评估： - 风险等级：中风险 - 集中度风险：高（单只股票仓位超30%，不符合仓位上限20%） - 相关性风险：中（宁德时代与比亚迪相关性0.75，行业集中） - 波动率：25%（年化，未触发预警阈值30%） - 最大回撤：8%（未触发止损阈值10%） 压力测试（极端市场下跌20%）： - 组合预期回撤：15%（超过最大回撤阈值10%） - 熔断建议：减仓宁德时代至20%，比亚迪至20%，新增低相关性资产（如消费行业）
• 避坑要点：
• 风控阈值需根据自身风险承受能力调整（如保守型投资者可将最大回撤阈值设为5%）；
• 压力测试默认模拟市场下跌20%、行业黑天鹅等场景，可通过指令自定义场景（如“原材料价格上涨30%”）。

7. Skill 7：portfolio-suggestion（组合建议）

• 核心价值：结合因子评分、舆情情绪、事件冲击与风控结果，给出“增持/减持/观察”建议，优化仓位配置与调仓节奏（分批/一次性）。
• 安装命令：clawhub install portfolio-suggestion
• 实战场景：
• 指令：“结合之前的分析，给白酒行业3家公司（贵州茅台、五粮液、泸州老窖）提供组合建议与仓位配置”；
• 执行效果：组合建议： - 贵州茅台：增持（目标仓位20%） 依据：因子评分9.2分（行业第一），舆情情绪+7.5，无负面事件冲击，风控合规； - 五粮液：增持（目标仓位18%） 依据：因子评分8.5分，舆情情绪+6.8，估值合理，风控合规； - 泸州老窖：观察（当前仓位10%，暂不调整） 依据：因子评分7.8分，成长因子突出但估值略高，需等待回调机会； 调仓节奏： - 第一批（3个交易日内）：增持贵州茅台至15%，五粮液至12%； - 第二批（1周内）：若市场情绪维持正面，继续增持至目标仓位； 约束条件： - 单只股票仓位不超过20%； - 组合行业集中度不超过60%。
• 避坑要点：
• 调仓节奏建议分批执行，避免一次性调仓对股价造成冲击（尤其是小盘股）；
• 建议结合市场流动性调整仓位，流动性不足的股票（日均成交额低于5亿元）需降低目标仓位。

8. Skill 8：report-generator（报告生成）

• 核心价值：整合所有分析结果，生成结构化可读报告，包含核心结论、数据依据、风险提示与动作清单，可直接用于汇报、沟通与归档。
• 安装命令：clawhub install report-generator
• 实战场景：
• 指令：“用report-generator生成白酒行业3家公司的投研报告，格式为‘结论→核心依据→风险提示→动作清单’”；
• 执行效果（报告摘要）：
  白酒行业核心标的投研报告（2026年3月） 一、核心结论 1. 推荐等级：贵州茅台（买入）、五粮液（买入）、泸州老窖（持有）； 2. 目标仓位：组合占比50%（贵州茅台20%、五粮液18%、泸州老窖12%）； 3. 预期收益：6个月内15%-20%。 二、核心依据 1. 财务质地：贵州茅台（高成长+高盈利）> 五粮液 > 泸州老窖； 2. 因子评分：贵州茅台（9.2分）> 五粮液（8.5分）> 泸州老窖（7.8分）； 3. 舆情情绪：均为正面（贵州茅台+7.5、五粮液+6.8、泸州老窖+6.2）； 4. 事件冲击：行业需求复苏+提价预期，无负面政策冲击。 三、风险提示 1. 行业风险：消费复苏不及预期，终端动销放缓； 2. 政策风险：白酒消费税改革落地； 3. 个股风险：泸州老窖估值偏高（PE 35倍，高于行业平均30倍）。 四、动作清单 1. 立即执行：增持贵州茅台至15%，五粮液至12%； 2. 跟踪观察：泸州老窖股价回调至PE 30倍以下时增持； 3. 定期复盘：每周监控舆情与动销数据，每月更新财务评分。
  
  
  
• 避坑要点：
• 报告格式可通过指令自定义（如“投顾版”“内部研究版”）；
• 建议在报告中保留数据来源与计算逻辑，便于后续追溯与验证。

1. 数据层：自动抓取近30天行情数据与2025年年报，输出标准化数据与财务标签；
2. 研究层：扫描近7天舆情（情绪+6.8），生成因子评分9.2分，评估提价预期事件（利好，重大冲击）；
3. 决策层：风控校验合规（仓位20%，回撤8%），给出增持建议，生成完整报告；
4. 输出结果：结构化报告（结论→依据→风险→动作），可直接用于投资决策或汇报。

1. 数据源API调用失败

• 原因：API-Key错误、调用频率超限、网络不通；
• 解决方案：

1. 验证API-Key正确性：；
2. 降低调用频率（如批量查询时添加1秒间隔）；
3. 测试网络连通性：。
4. 财务数据解析失败

• 原因：报告年份错误、数据口径不一致、公司未披露年报；
• 解决方案：

1. 明确报告年份（如“2025年年报”而非“最新年报”）；
2. 优先使用合并报表数据，避免母公司报表与合并报表混淆；
3. 未披露年报时，技能会自动使用最新季报数据并提示。

（二）技能协同问题

1. 因子评分与舆情情绪冲突

• 原因：财务质地优异但短期舆情负面（如公司业绩好但行业政策利空）；
• 解决方案：

1. 区分短期情绪与长期价值，短期舆情冲击建议观察1-2周；
2. 调整因子权重，长期投资可提高质量因子权重，降低舆情情绪权重。
3. 组合建议与风控冲突

• 原因：标的因子评分高但仓位超限或相关性过高；
• 解决方案：

1. 按风控建议降低高仓位标的比例，新增低相关性资产；
2. 若标的质地优异，可适当放宽风控阈值（如单只股票仓位上限从20%提至25%），但需同步提高回撤预警阈值。

（三）部署与服务问题

1. 阿里云部署实时数据抓取卡顿

• 原因：服务器配置过低、网络带宽不足；
• 解决方案：

1. 升级实例规格至4vCPU+8GiB内存+5Mbps带宽；
2. 优化数据抓取频率（如实时行情每5分钟抓取一次，非高频监控场景可放宽至15分钟）。
3. 本地部署报告生成失败

• 原因：Python依赖缺失、内存不足；
• 解决方案：

1. 安装缺失的Python依赖：；
2. 关闭其他占用内存的程序，建议本地设备内存≥8GB。

1. 个人投资者先通过本地部署测试核心技能，熟悉分析逻辑后再迁移至阿里云；
2. 机构用户直接选择阿里云部署，配置定时任务（如每天开盘前生成行业日报）；
3. 根据投资策略自定义因子权重与风控阈值，打造专属分析体系；
4. 定期更新技能与数据源API，确保分析的准确性与实时性。

需要注意的是，这套技能仅提供分析工具与参考建议，不构成投资决策，实际操作需结合自身风险承受能力与市场动态调整。随着OpenClaw生态的持续完善，未来将支持更多数据源、因子与事件场景，建议持续关注社区更新。