用 Claude Code 跑完整投资研究流程：金融人的 60 天实战

如果你是金融从业者，你可能看过 Claude Code 一眼然后移开视线。

黑色终端。看不懂的命令。给工程师用的，不是给整天泡在电子表格和年报里的人。作者现在用 Claude Code 跑完整投资研究工作流已经 60 天：筛选、抓取、建模、起草报告、监控组合。终端在第三天左右停止可怕。到第十天，完全不再打开 Claude（聊天版）做研究。

核心洞察：Claude Code 是带手的 Claude

Claude 和 ChatGPT 是聊天机器人。你问，它们答。再问，再答。有用，但有限。对话就是产品。

Claude Code 不同。Claude Code 是带手的 Claude。

想象你请 ChatGPT 帮忙做投资研究工作流。你可以请它筛选几只股票。你可以粘贴财务数据请它做 DCF。你可以给它草稿请它润色语言。但每个都是一步，你在中间复制粘贴。

现在想象真正的研究工作流：筛选 universe → 按参数 shortlist → 应用内部框架 → 挑两个名字 → 拉财务报表 → 建模型 → 压力测试 → 得出内在价值 → 起草研报 → 高级分析师审核 → 发布。

聊天机器人一次能帮一步。Claude Code 能跑整条链。

你给它最终目标。它如果需要就打开浏览器。如果需要就抓取数据。写文件。读文件。如果任务允许就并行跑五件事。只在真正需要你时才问你。工作在你做别的事时发生。

这就是"手"的意思。ChatGPT 是你对话的大脑。Claude Code 是运行你工作流的大脑。一个聪明勤奋的人通过做更多来做得更多。一个智慧的人通过消除更多来做得更多。Claude Code 是消除者。我们称之为"研究工作"的大部分其实是数据收集、格式化、复制粘贴、切换标签页。Claude Code 把这些从你盘子里拿走，剩下的才是真正需要你的部分。

系统架构：Obsidian 知识库 + CLAUDE.md 规则书

Claude Code 本身没有记忆。每次会话从零开始。周一 brilliant 的对话，关闭终端，周二什么都不记得。大多数编码任务没问题。研究是问题。研究是复利的。三月对半导体公司的笔记应该十一月还能找到，旁边还有自那以来学到的关于该 sector 的一切。

Obsidian 解决这个。免费 app，把电脑上的文件夹变成个人研究图书馆。每个笔记是纯文本文件。可以链接笔记、组织进 topic folder、瞬间搜索整个图书馆。没有数据库、没有云、没有锁定。研究在你机器上，任何文本编辑器都能读的文件里。

关键是 Claude Code 能读写同一个文件夹。设置正确后，Obsidian 变成 Claude Code 的长期记忆。你把 Claude Code 交给图书管理员的角色：归档收集的东西、总结读过的、跨 topic 链接相关想法、每次你提问时从图书馆拉取。随着时间图书馆变聪明，因为 Claude Code 给你的每个答案都被归档回去。

文件夹结构

raw/ — inbox，倾倒源材料的地方
wiki/ — 图书管理员的领域，Claude Code 在这里写和维护一切
output/ — 查询结果和报告的去处

CLAUDE.md：最重要的文件

这是 Claude Code 每次在这个 vault 里打开时读取的规则书。你写一次规则，Claude Code 永远遵循。没有这个文件，Claude Code 只是聪明的助手。有了它，Claude Code 是 disciplined 的图书管理员。

核心规则：

wiki/ 是 Claude Code 的领域——它写和维护里面的一切
raw/ 是 inbox，倾倒文件后 Claude Code 在"compile"步骤处理进 wiki
wiki/_master-index.md 是入口点，列出每个 topic folder 和一行描述，始终保持更新
每个 topic 在 wiki/ 有自己的子文件夹，有自己的 _index.md
始终用 [[wiki links]] 连接跨 topic 的相关概念
编译 raw 材料时：读 raw 文件 → 决定 topic → 写 wiki article → 更新 topic _index.md → 更新 _master-index.md
保持文章简洁——bullet points 优于段落
每篇 wiki article 包含 ## Key Takeaways
回答问题时先读 _master-index.md 导航，再钻入相关 topic _index.md，再读具体文章
说"compile"时处理 raw/ 中所有未编译的内容
说"audit"或"lint"时审查 wiki 的不一致、broken links、gaps

四个动词的工作流

Clip：看到值得保留的东西，浏览器里一键，落入 raw/。不决定放哪，不写总结，只管 clip。

Compile：每周一次或 inbox 满时，打开 Claude Code 输入：

Compile everything in raw/ into the wiki...

Claude Code 读每篇 clipped article，决定 topic，写结构化 summary，归档到正确 folder，更新索引。等你咖啡喝完，inbox 空了，图书馆变大了。

Query：向图书馆提问。简单问题："我上个月 clip 的 Bain 半导体报告的关键发现是什么？" 交叉引用："中国汽车出口放缓如何关联到我一直在读的 commodity demand？" 综合问题："基于 wiki 中的一切，Indian specialty chemicals 的主要 bull 和 bear case 是什么？把答案存为新 wiki article 并链接到你引用的来源。"

最后一个 query 是让系统复利的 move。每个问题变成新 note。每篇 note 链接到来源。图书馆每次使用都变聪明。

Audit：每月一次："Audit the wiki. Look for inconsistencies, broken links, missing cross-references, and gaps in coverage. Don't make changes yet, just give me a report." Claude Code 走遍整个图书馆，告诉你哪里变模糊。你决定修复什么。

扩展到实时网络：Playwright + Firecrawl

知识库强大但封闭，只知道你喂进去的东西。真正的研究需要 Claude Code reach 到实时网络。

Playwright 让 Claude Code 驱动真实浏览器。导航、点击、填表、登录、读屏幕——不需要你碰鼠标。对金融工作的价值：数据藏在交互后面时（需要设十个筛选器的 screener、dropdown 后面的 IR 页面、需要接受免责声明的监管 portal），Playwright 让 Claude Code 成为那个人。

Firecrawl 是快速、程序化地从任何网页拉取干净文本或运行网络搜索并拉取 top 结果文本的方式。转换成 Claude Code 能直接读的 clean markdown。

金融人立刻认出的用例：从 Finviz 拉两周内幕交易数据、从公司 IR 页面抓取年报、搜索"Indian specialty chemicals 最新新闻"并拉 top 10 文章进知识库。

真实 prompt 示例：

我在筛选要配置资本的名字，shortlist 上只有两个，还需要三个。去 finviz.com，拉最近两周 US-listed 公司的内幕交易数据。分析 strong buy signals。给我 top 10 watchlist，每个名字附 reasoning。同时 flag red flags 和要避免的名字。

Claude Code 请求使用 Firecrawl 的权限。同意后，去 Finviz、拉数据、解析、跑 buy-signal 逻辑、交叉核对 fundamentals，返回带 thesis 的排名列表。每个有内幕购买详情（谁买、何时、多少）、关键风险、summary scorecard。从开始到结束 3 分钟。

手动做至少 90 分钟，而且复制数据到 Excel 时会引入错误。Claude Code 没离开终端就完成了。

--dangerously-skip-permissions

每次 Claude Code 想用工具、改文件、运行命令时都请求权限。默认每几步一个 yes/no prompt。学习时有用。信任系统后烦人。

--dangerously-skip-permissions 关闭所有提示。Claude Code 可以运行任何工具、修改 vault 中任何文件、执行命令，不用每次检查。名字听起来吓人，而且应该吓人——你在给 Claude Code 工作目录的完全访问权。

作者开了这个 flag 跑了 60 天。什么都没坏。没有文件被意外删除，没有不该运行的命令，没有安全问题。改变的是作者不再坐在终端前等点"yes"。给 Claude Code 任务然后走开。咖啡回来时任务完成了。

原因：规则书。CLAUDE.md 告诉 Claude Code 它的工作是什么、边界在哪里。加上 Claude Code 只对你打开的 vault folder 有访问权，不是整台机器，风险比 flag 的名字暗示的小得多。

建议：第一周开权限，看 Claude Code 在做什么。信任模式后关掉权限让它工作。

60 天后的三个发现

第一：终端多快停止感觉像编码工具。第一周结束时，作者像打字进 ChatGPT 一样打字进 Claude Code。纯英文，没有命令，没有语法。人们警告的 intimidation factor 第一天真实，第三天消失。

第二：停止做聊天机器人用户、开始做工作流操作者的转变。微妙但下游一切改变。不再请 Claude Code "帮忙"做一件事，而是把整个任务交给它。筛选这些名字、用框架跑一遍、给幸存者拉财务、建模型、每个起草 one-pager。给最终目标然后走开。工作在后台发生。回来时一文件夹 finished output。

第三：多少研究曾经泄漏。之前研究散落在 Notion、Apple Notes、浏览器书签、五个不同文件夹的下载 PDF、很少打开的 Substack drafts folder。同样 insight 重新发现两次、三次。Obsidian 知识库结束了这个。现在读的所有东西落入一个地方，被 Claude Code 按 topic 归档，六周后问相关问题时被拉回来。什么都不泄漏。信息复利。

NotebookLM 补充

Google 的托管研究工具，解决与 Obsidian 不同的问题。Obsidian 是图书馆。NotebookLM 是 focused workspace，针对单一研究目标：单个公司、单个 sector、一批 filing。上传来源，NotebookLM 给出 grounded、cited 的答案，只基于那些文档。Python wrapper 让从 Claude Code 内部直接查询 notebook 成为可能，意味着可以构建 Claude Code 同时从 Obsidian 图书馆和 focused NotebookLM source set 拉取的工作流。