2026年4月，国泰海通已经针对龙虾不知不觉在skillhub上发布了6个Skill，这六个技能分别是：

• lingxi-financialsearch-skill（金融数据查询）
• lingxi-smartstockselection-skill（智能选股与回测）
• lingxi-ranklist-skill（市场热榜排行）
• lingxi-realtimemarketdata-skill（实时行情数据）
• lingxi-watchlist-skill（自选股管理）
• lingxi-researchreport-skill（研报搜索）

坦白讲，"券商+AI"这种尝试已经逐步铺开，东财、同花顺都发布了自己的skills，数据上的开源会带来新的内卷和同质化，我比较感兴趣的是这里面直接针对app的操控优化。

一、先说说这六个技能到底能干啥

1. lingxi-realtimemarketdata-skill：实时行情的"自来水"

这个技能是最基础的，支持批量查询。你可以说"给我看看茅台、宁德时代、比亚迪今天的表现"，AI会同时返回三只股票的完整行情卡片。

延迟方面，实测下来大概在3-5秒。对于非高频交易场景来说，完全够用。

2. lingxi-ranklist-skill：市场热榜的"温度计"

这个技能解决的是一个非常具体的问题：市场现在在炒什么？

你可以查涨跌幅排行、换手率排行、成交额排行…总共12个排序维度。我测试的时候，返回的数据长这样：

3. lingxi-smartstockselection-skill：选股和回测的"组合拳"

这个技能是六个里面最复杂的，也是最有"AI味"的。

它有两个核心功能：

第一，自然语言选股。你可以说"帮我找涨幅大于5%的股票"，AI会返回149条符合条件的标的。你还可以加更复杂的条件，比如"市值大于100亿、近5日涨幅超过10%、换手率大于3%"…

第二，历史回测。你可以测试某个策略在过去的表现。我测了一个简单的策略，返回结果是：年化收益0.0138，最大回撤0.4048，胜率0.4502。

不过说实话，这个技能的回测功能还比较基础，策略参数的调整空间有限。对于专业量化选手来说可能不够用，但对于普通投资者来说，已经够用了。

4. lingxi-watchlist-skill：自选股的"管家"

这个技能解决的是一个非常C端的需求：管理你的自选股。这个比较特殊的是，他真正能直接修改你的app内容了。

你可以查询自选股列表，查看自选股的实时行情，添加自选股，删除自选股…

我测试的时候，先查了列表，发现里面已经有3只股票：贵州茅台、宁德时代、中国平安。然后我又添加了国泰君安，再删除，再添加…AI会自动把名称转换成代码SH600519。这种体验，比在传统APP里手动输入代码舒服太多了。

5. lingxi-researchreport-skill：研报的"搜索引擎"

这个技能解决的是一个信息获取的痛点：怎么快速找到专业的研报？

你可以搜宏观策略研报，比如"最新宏观经济研究报告"；也可以搜行业深度研报，比如"新能源汽车行业研究报告"。

我测试的时候，搜"最新宏观经济研究报告"，返回了3篇研报，包括《26Q1收入成长稳健，利润弹性释放》、《外暖内平，稳健开局》等。

每篇研报都有标题、发布日期和核心观点摘要，并可针对研报进行提问。

6. lingxi-financialsearch-skill：金融数据的"万能查询"

这个技能是六个里面最"通用"的，也是最接近"AI助手"形态的。

你可以问它各种金融问题：“中国平安的技术形态怎么样？”、“贵州茅台的财务数据如何？”、“最近有什么热点板块？”…

它会返回结构化的分析结果，包括K线形态、技术指标、支撑压力位、资金流向等。

我测试了一个查询：“中国平安的技术形态”。返回的结果包括：

●K线形态：当前股价处于近期震荡整理阶段，日K线显示多空双方力量相对均衡

●MACD：处于零轴附近，DIF线与DEA线缠绕，尚未形成明确的多空信号

●KDJ：在中性区域运行，J值在50附近波动

●支撑压力位：支撑位56-57元，压力位58-59元

●资金流向：近期主力资金呈现小幅净流出状态

这种分析，以前你需要自己看K线图、自己算指标、自己判断。现在AI直接给你一些结论，但实际测下来各个skills配合得不好，数据也经常出一些问题。

二、C端用户到底怎么用？复杂吗？

如果你用的是OpenClaw、Claude Code或者其他支持MCP协议的AI助手，你可以直接让AI调用这些技能，前提是需要经过App扫码授权。

你：“用国泰海通的技能帮我查一下中国平安的技术形态”

AI：“好的，我调用lingxi-financialsearch-skill为您查询…”这种方式更"AI原生"，但前提是你得知道有这些技能存在。

这种方式适合已经习惯使用AI助手的用户。

对于技术用户，也可以直接通过命令行调用：

node skill-entry.js mcpClient call market marketdata-toolcodes=SH600519

但说实话，这种方式门槛较高，普通用户基本不会用。我测了一下，光是装Node.js环境就能劝退90%的用户。

这种方式虽然门槛高，但对于开发者来说很有价值。你可以把这些Skill集成到自己的应用里，构建更复杂的金融工具。

三、数据质量、效果与延迟：实测体验

数据质量

我测试了大概20多个查询，覆盖行情、排行、选股、研报等多个场景。数据质量整体不错：

●实时行情：数据准确，与主流行情软件一致

●市场排行：数据完整，包含涨跌幅、换手率、成交额等多维度

●研报搜索：返回的研报标题和摘要准确，但内容深度有限，只能查国泰海通自己的研报。

●选股结果：条件筛选准确，但返回的字段相对基础

效果评估

延迟体验

●简单查询（单股行情、热榜）：3-5秒

●复杂查询（选股、回测）：5-10秒

●研报搜索：5-10秒

整体延迟在可接受范围内。对于非高频交易场景，这个延迟完全够用。

能满足什么需求？

这六个Skill的定位非常清晰：服务普通投资者和进阶投资者，而不是专业交易者。目前整体能力相当有限。

四、这些Skill的价值到底在哪？

说实话，如果只是把APP里的功能搬到AI Skill里，那价值其实很有限。

但国泰海通这六个Skill，目前透露出了一个更深层的价值主张：

价值一：从"人找信息"到"信息找人"

传统金融APP的逻辑是：用户打开APP → 找到功能入口 → 输入查询条件 → 查看结果。

AI Skill的逻辑是：用户表达意图 → AI理解意图 → 自动调用Skill → 返回结果。

这个转变看似微小，实则巨大。

在第一种模式下，用户需要知道"我想查的行情在哪个页面"。在第二种模式下，用户只需要表达"我想查什么"。

这就是流量2.0的核心理念：从"人适应机器的规则"到"机器理解人的意图"。

价值二：从"功能堆砌"到"场景闭环"

传统金融APP往往功能很多，但用户实际使用的可能只有10%。为什么？因为功能之间是割裂的。

AI Skill的优势在于，可以把多个功能串联成场景：

“帮我看看最近有什么热门板块” → “这个板块里有哪些优质标的” → “这些标的的技术形态怎么样” → “帮我加入自选股跟踪”

整个过程，在一个对话流里完成。不需要切换页面，不需要重新输入。

价值三：从"数据展示"到"认知辅助"

传统行情软件给你的是数据，AI Skill给你的是认知。

比如查中国平安的技术形态，传统软件会给你K线图、MACD、KDJ等指标。但AI Skill会告诉你：

“当前MACD指标处于零轴附近，DIF线与DEA线缠绕，尚未形成明确的多空信号。KDJ指标在中性区域运行，未出现明显的超买或超卖信号。建议关注成交量变化及关键支撑/压力位的突破情况。”

这就是从"给你数据"到"帮你理解数据"的跃迁。

五、商业化路径：券商为什么要做AI Skill？

券商的核心商业模式是交易佣金、融资融券利息、资产管理费。做AI Skill，能直接带来收入吗？

短期来看，很难。这些Skill都是免费的，用户不需要付费就能使用。

但长期来看，这个布局非常必要。

路径一：流量入口的抢占

在流量1.0时代，券商的获客渠道主要是：线下营业部、银行渠道、互联网广告。

在流量2.0时代，用户的入口变成了AI助手。如果用户习惯通过AI助手查询行情、选股、看研报，那么提供这些能力的券商，就天然成为了用户的"金融大脑"。

这是一种更前置、更隐性的获客方式。

路径二：用户粘性的提升

传统金融APP的打开频率其实很低。普通投资者可能一天只看几次行情，交易频率更低。

但如果用户习惯通过AI助手与券商的Skill交互，那么交互频率会大幅提升。查行情、看热榜、读研报、管理自选股…这些行为都可以发生在日常对话中。

粘性提升了，转化机会自然就多了。

路径三：数据资产的积累

每一次用户查询，都是一次数据反馈。用户关心什么股票、关注什么板块、使用什么策略…这些数据对于券商来说，是极具价值的用户画像。

在合规的前提下，这些数据可以用于：

●精准的产品推荐

●个性化的投研服务

●风险偏好的识别

这些数据可以变成服务，服务可以变成粘性，粘性可以变成收入。

路径四：服务升级的前置

当用户习惯了通过AI获取基础金融服务，券商就可以逐步推出更高级的付费服务：

●深度研报订阅

●量化策略工具

●智能投顾服务

●专属客户经理

基础服务免费，高级服务付费，这是互联网产品最经典的商业模式。

六、后续还可能出什么Skill？

基于现有的六个Skill，我可以大胆预测一下国泰海通后续可能推出的方向：

1. 智能投顾Skill

基于用户的风险偏好和持仓情况，提供个性化的资产配置建议。这是从"工具"到"服务"的升级。AI Skill可以做得更自然：“根据你的持仓，我建议你适当增加一些债券配置，降低一下波动…”

2. 交易执行Skill

与券商的交易系统打通，实现语音/自然语言下单。“帮我买入100股茅台”、“设置一个条件单，跌破1400就卖出”…

这个方向有个挑战：安全性和合规性。但技术上完全可行。

3. 风险监控Skill

实时监控用户的持仓风险，主动推送预警。“您的某只股票今日跌幅超过5%，需要关注吗？”

这种主动服务，比传统APP的推送更智能、更贴心。

4. 投教内容Skill

把投资教育内容封装成Skill，用户可以问"什么是MACD？"、“怎么理解市盈率？”…

这个方向对于新开户的用户特别有价值。

5. 社区互动Skill

连接券商的投研社区，用户可以问"最近大家对茅台怎么看？"、“某大V的最新观点是什么？”

6. 跨市场Skill

港股、美股、期货、期权…覆盖更多的市场和品种。

七、流量2.0时代的启示

写到这里，我想回到那篇参考文章《告别UV、PV，迈向无限算力》。

文章中提到几个核心观点：

1.流量1.0正在见顶：DAU、MAU、PV、UV这些指标正在失去解释权

2.流量2.0的核心是词元：Token消耗量成为新的活跃度指标

3.AI原生产品的崛起：不依赖传统流量分发，几个月内达到亿级规模

4.商业模式的转变：从卖注意力到卖意图完成

启示一：金融服务的入口正在迁移

以前，用户查行情打开同花顺，交易打开券商APP，读研报打开Wind。

未来，用户可能只需要一个AI助手。“帮我看看茅台的行情”、“帮我下单买100股”、“帮我找一下新能源的研报”…所有这些需求，都在一个对话流里完成。

金融服务的入口，正在从APP迁移到AI。

启示二：数据即服务（DaaS）

券商的核心资产是什么？不是营业部，不是客户经理，是数据。

行情数据、交易数据、研报数据、用户行为数据…这些数据在AI时代有了新的价值释放方式：封装成Skill，通过API输出。

这就是数据即服务（Data-as-a-Service）。

启示三：从"流量思维"到"意图思维"

流量1.0时代，券商关心的是：怎么让更多人下载我的APP？怎么提高DAU？

流量2.0时代，券商应该关心的是：怎么让AI助手更愿意调用我的Skill？怎么提高意图完成率？

这不是简单的渠道迁移，而是思维方式的根本转变。

启示四：生态位之争

在AI时代，券商的竞争不再只是券商之间的竞争，而是生态位之争。

谁能在AI助手的Skill生态中占据核心位置，谁就能掌握未来的流量入口。

这不是危言耸听。想想看，如果用户习惯通过ChatGPT查行情、选股、交易，那么ChatGPT就成了金融服务的入口。券商如果不在这个生态中占有一席之地，就会被边缘化。

这个逻辑跟当年银行做APP一样。如果银行不做APP，用户就会用支付宝、微信支付。同样的道理，如果券商不做AI Skill，用户就会用其他公司的AI服务。

未来的破局仍然任重道远，我将继续跟踪与发现。