非常建议投（chao）研（gu）人（qun）士（zhong）都用一用workbuddy。
这款产品目前被誉为是腾讯的“新太子”，哈哈，很夸张，但确实好用。功能迭代也很快。

所以，使用Workbuddy的第一个好处是：可以率先感受腾讯AI的进展。对于恒科持有人们，是不是很刚需。
接下来，介绍几个我认为很有用的使用场景（研究和量化）。

1，大部分人高频使用的场景是“报告研究”。
这个场景也有不少产品可以实现，在workbuddy上面做也是不错的。我直接只说了一句话：做一份电感行业研究报告。
消耗了140积分、大概等待了4分钟后，报告就生成了。
有产业链、价值链分析判断，市场规模与细分结构、核心催化、龙头公司对比、观点汇总、映射逻辑、风险识别等等模块。内容可视化也不错。这是没有指定MCP的情况下做出的。如果接入相应MCP、或者和公众号优质信息源打通，也许会更好。
2、量化：这是我非常推荐、也解决了我需求的用法。
众所周知，量化是大A现在的主要交易对手。我自己认为，量化是散户的朋友。逻辑是这样的：量化是有稳定策略的，也就是有套路；有套路就可以学习、模仿。（要比游资友好多了）
所以，研究量化、学习量化，是提高收益的一个很重要途径。我认识的几个公募基金经理，也都在主观策略里，添加了量化辅助。所以，散户也非常需要有一些量化思维。
当然，必须强调一下，模型量化，不代表一定可以赚钱。只是提供一种量化思维，从而让自己的交易更有体系、体系更清晰。继而形成一个可以不断改进、提升的进阶之路。
我之前用过一些金融公司的claw，但都有一些问题。有的是数据不准确、有的是稳定性不够。
用workbuddy就改善很多，算力是腾讯的，模型是好几家；而且有丰富MCP，比如免费的通达信的MCP，数据很准。
A、如果你是很散很散的散户，完全不想自己做探索，可以直接调用专家模块，在其中选取相关的技能使用
但是我个人觉得，还是自己探索一下会比较好。了解了流程、模式，再使用别人的成果会更好。
B、如果你不知道什么量化模型，但想探索，那就直接说、直接让模型帮你思考。
要赚钱，就向赚钱的学习。搜寻涨幅靠前的，让模型自己总结一顿折腾后，有了结果，也给出了一些辅助选公司的指标。（依然提醒，这不代表必然赚钱，指标的有效性，还需要不断改进）
C、大概知道想要的图形，但不知道如何描述
比如我问它M型突破。模型不仅给了我文字版本，还贴心地做了图。做图这个事儿，真的还是挺超预期的。毕竟要描绘出你想要的模型，还是很吃语言功力。有了图，就好多了。
图形没问题，理解正确。然后就让模型按照这个标准来搜索。很快就有了结果。（为了合规，不展示个股了）
更重要的是，模型可以继续进化。
我给了指令：根据6月29日 中午的收盘价，你看看你对于M突破的几个标的判断，哪些成功了，哪些失败了，然后可以尝试总结 为什么失败、为什么成功。
模型给出了判断，改进了规则。

D、有清晰的体系，需要模型执行，当执行效果符合预期后，可以固定为skill
随后就直接调用技能即可，也可以设定为固定任务。技能也可以组合使用。
完全让模型来总结规律的模式，会消耗较多Token，而且时间也更久，准确性也需要反复优化；但至少是可以给出一些信号。
模型学习能力比人快很多，读K线的能力，也比人强。让模型和自己互动，提炼指标，会很好玩。
其实，亏钱不难受，难受的是没有体系地犯错。打挨了，却没有得到经验。白挨了。所以，用模型提高自己的体系，还是很有必要的。
3、模型？脚手架？
看到这儿，你可能会觉得，好像workbuddy也没啥啊，全靠模型能力。这其实并不对，或者不全对。
模型能力当然很重要，但是，要从文本问答，到执行任务，需要的是为大模型、智能体搭建“脚手架”、提供丰富的上下文管理能力。
我使用其他金融claw时，就经常遇到数据读取出问题、读取量小或者读错了、排序错了等等。
使用workbuddy基本就没这些问题了。即使偶尔出错，用文字指出来之后，它修复得也很快。比如下面的步骤演示，模型要拆任务、调用合适工具、一步步执行。

还有很多场景或者技能值得探索，比如蒸馏一些量化席位的交易模式。这就需要大家探索了。
workbuddy真的是一款不错的产品，值得大家使用。后续我也再探索更多产品分享。

http://t.cn/AXojygWY