conda + pip→配 API keys→跑 notebook→读研报
灵活度高，但环境、多个数据源 key 与模型调用都要自己维护；流程本身不保证结果正确，数字仍要自己核对。
两条独立路线对比
FinRobot vs EasyClaw：自建智能体平台还是免部署技能路线
同一个「金融研究」目标，两条准备成本完全不同的路线：FinRobot 要先选版本、装 uv 或 conda、配若干 API key，才能得到一份带溯源的研报；免部署路线装好客户端就能一句话提问。本页不只比功能，还把两条路线各自会在哪里卡住、以及什么情况下根本不该选 FinRobot 一起写清楚——两条路线互相独立，没有已证实集成关系。
选版本V0 / V1 / V2
环境与密钥uv 或 conda + 多个 key
跑流程CLI / Web / notebook
得到输出带溯源的研报
自建路线Apache-2.0 多智能体平台
免部署路线内置金融研究 Skill
集成状态无已证实集成
核验基准各自官方证据（2026-09-30）
路线对比
FinRobot 自建 vs 免部署技能路线怎么选？对照表
从版本形态、准备成本、数据源、市场覆盖到估值能力逐项对比。判断列写的是「什么场景下这一项才是决定性的」，避免只比功能清单。先提醒一件事：FinRobot 自建路线不是一个单一形态——V2 是官方认定的生产系统（32 个纯 Python 算子 + 6 个审计算子 + 7 条流水线 + 13 章研报制品），V1 是自托管的研报 Web 应用，V0 是教学代码且官方明说没有确定性计算层与溯源跟踪。所以「自建」这个词对不同人意味着完全不同的准备成本。如果你只想要结论：以 A 股研究为主、不写代码，先从免部署路线开始；要固定环境、要交付他人复核，再考虑自建，并且直接按 V2 起步。
| 维度 | 自建路线 | 本机技能路线（免部署） | 适用场景 | 注意点 / 什么时候不适用 |
|---|---|---|---|---|
| 版本与形态 | 仓库里四代并存：V2 生产系统（桌面/浏览器/CLI）、V1 Web 应用、V0 教学代码、V3 开发中（无公开代码） | 单一形态，装好客户端即用 | 先确认你要的操作落在哪一代的文档里 | Web 教程大量停留在 V0 时代；用 PyPI 的 pip install finrobot 装不到 V2 |
| 准备成本 | 按版本分：V2 要 uv + Node 20+（或 macOS 桌面版）；V1 要 FMP + OpenAI 两个 key；V0 要 conda Python 3.10/3.11 并在仓库根源码安装 | 安装客户端即可，无需配置环境 | 只需要偶尔做一次研究时，准备成本占比最高 | 自建路线的一次性准备时间无法省略，key 申请还要等审核 |
| 使用方式 | 跑 notebook / 写脚本 / 改智能体编排 | 一句话提问，结果直接返回 | 任务形态固定、想要可改可调时选自建 | 免部署路线的自由度低于自己写管道，别指望改内部逻辑 |
| 数据源 | FinnHub / FMP / SEC EDGAR / yfinance / finnlp | 本机已核验的财经数据类 Skill（akshare-finance、tushare-finance、yahoo-finance-github 等） | 数据源决定能研究什么，先按数据源选路线 | 两边数据源不同，同一指标口径可能不一致，别交叉当同一份数据用 |
| 市场覆盖 | 官方数据源以美股为主，A 股需自行适配 | 覆盖 A 股 / 港股 / 美股的 Skill 视具体技能而定 | 以 A 股研究为主时，免部署路线通常更省事 | 自建路线做 A 股要自己接数据源，不是改个参数就行 |
| 估值与研报 | DCF / DDM / LBO / WACC 等由纯 Python 算子确定性计算，模型负责叙述 | fp-dcf 等 Skill 可一句话发起 DCF 估值 | 要求数字可回溯、可复核时，先确认数字由谁算出 | 「有 DCF 输出」不等于口径一致；两边的假设输入都要自己核对 |
| 技术门槛 | 需要 Python 基础，能读代码与报错 | 不需要编程，但要会描述研究任务 | 不会写代码但要求结果时选免部署 | 免部署路线把复杂度转移到「怎么问清楚」，问题含糊时结果也会含糊 |
| 可复现性 | 高：环境、参数、数据版本都能固定下来 | 取决于技能与账号状态，复现需要记录提问与返回 | 要交付给他人复核、要跑第二遍验证时选自建 | 自建路线要额外维护 requirements / 镜像，否则半年后可能跑不动 |
| 维护与责任 | 环境、依赖、key 额度、模型变更都由自己维护 | 技能与模型由服务方维护，但要接受其能力边界 | 长期跑的生产管道选自建，临时研究选免部署 | 两者都不承诺收益，输出都是研究结果，不构成投资建议 |
前置条件与失败模式
两条路线各自会在什么地方卡住
这张表不是比功能，而是比「出问题时的表现」——很多人在真正开始做研究之前，卡的都是这些环节。左列是可执行动作，右列告诉你先验证什么，别等整套流程搭好才发现卡在起步环节。
| 环节 | 自建路线 | 本机技能路线 | 卡住的典型表现 | 先做哪一步验证 |
|---|---|---|---|---|
| 环境 | V2 需要 uv 与 Node 20+；V0 需要 conda 环境与指定 Python 版本 | 安装客户端，无环境步骤 | 环境装了一半、包冲突、换了机器又要重来 | 先用一条最小命令确认解释器与包都在同一环境 |
| 版本错配（实测） | 照旧教程执行 pip install finrobot：装到的是 2024-06-17 的 0.1.5，且零依赖，import finrobot 成功但一调用就报缺 finnhub、autogen | 不涉及 | 以为「包装上了」就能用，实际从未拥有 V2 的算子与流水线 | 先确认版本：V2 走 uv sync，V0 走仓库根 pip install -e . |
| 本地服务与端口（实测） | 浏览器模式由 dev.sh 拉起两个进程：Vite :5173 与 FastAPI :8321，且脚本会先杀掉占用这两个端口的进程（开着 FinRobot.app 也会被杀）；浏览器模式下本地 API 无鉴权，同机其它进程可访问含密钥设置的接口 | 不涉及 | 端口被占导致启动失败，或误以为本地服务只有自己能用 | 启动前先确认两个端口空闲；共享机器优先用桌面 App |
| 密钥与授权 | V2 在 Settings 页写入系统钥匙串；V1 需要 config.ini 里的 FMP 与 OpenAI key；V0 需要两个配置文件（OAI_CONFIG_LIST + config_api_keys） | 由客户端侧统一处理，用户不接触 key | 某个 key 缺了不报错，只是结果为空 | 逐源做一次最小取数，看是否真的返回数据 |
| 成本 | 模型调用与数据源额度按量消耗 | 按服务方规则消耗，不需自己配支付 | 跑到一半额度用尽，任务中断且难判断原因 | 先用最小任务跑一轮，观察消耗速度再放大 |
| 出错定位 | 要自己看日志、区分是环境、权限还是数据问题 | 出错信息由客户端返回，但内部细节不暴露 | 把「数据没取到」当成「模型不行」，方向找错 | 先确认数据层是否有返回，再怀疑模型层 |
| 结果粒度 | 取决于你写的管道，可以细到单条中间结果 | 通常直接给结论性输出 | 想要中间数据却拿不到，只能重做一遍 | 先看输出里有没有可核对的原始字段 |
| 可复现 | 环境固定后结果可重跑 | 需要自己记录提问与返回 | 过了几天再问，结果对不上又说不清差在哪 | 把提问原文与返回同时留存，形成最小记录 |
| 维护责任 | 全在自己：依赖升级、模型下线、key 轮换 | 在服务方，用户接受其能力边界 | 依赖某一版本，升级后旧脚本跑不通 | 把环境版本写进文档，别只留在本机 |
成本结构
两条路线的钱花在哪里？
官方文档通常只写「需要哪些 key」，从不给一张总账单。下面把成本拆成可以逐项确认的部分；具体价格与免费额度一律以各家官方定价页为准，本站不给数字。建议先用一个最小任务跑一轮，把消耗速度弄清楚再放大。
| 成本项 | 自建路线 | 本机技能路线 | 什么时候会失控 | 怎么控制 |
|---|---|---|---|---|
| 软件本体 | Apache-2.0 开源，无授权费 | 客户端本身免费下载安装 | 几乎不会在这项上花钱 | 先确认许可条款再谈其它成本 |
| 模型调用 | 需要自备模型 API key，按消耗计费 | 由客户端侧承担，用户不单独配模型 key | 把大量文本反复喂给模型、循环重试时 | 先用小范围任务试一轮，再决定是否放大 |
| 数据源 | FinnHub / FMP 等需申请 key，是否付费档以官方为准；yfinance 走公开接口 | 数据由内置技能提供，用户不单独付费 | 同一份数据反复拉取、或误用到付费档接口 | 优先用免费可得的数据源跑通流程 |
| 环境与依赖维护 | 时间成本为主：装环境、修依赖、换机器重来 | 几乎没有这项 | 把自建环境当一次性投入，忽略后续维护 | 把环境写进版本化文档，避免重复开荒 |
| 学习与调试 | 要理解四层结构与智能体编排才能改得动 | 主要是学习「怎么把问题问清楚」 | 用自建路线解决本可以一句话解决的问题 | 先判断任务是否真的需要自建 |
| 试错成本 | 每次试错都要重跑环境与数据链路 | 改一句提问即可重试 | 在自建路线上反复试参数，时间被大量消耗 | 把探索阶段放在免部署路线上先定方向 |
技能清单
本机已核验的技能有哪些？（与 FinRobot 能力对照）
以下为本机技能目录已核验的既有路线，独立于 FinRobot。清单只说明「本机目录可见」，不代表已安装成功、也不代表已完成授权或运行验证。
反过来也要说清：本机技能路线里没有哪些 FinRobot 才有的东西——多智能体流水线编排、13 章研报制品、32 个纯 Python 估值算子与审计算子引擎、SEC 10-K 解析管线、56 个投行/私募/财富管理 playbook，这些在本机技能清单里都不存在。反过来，FinRobot 也没有覆盖本机技能路线里的全部数据源与市场。两边是互补关系，不是谁的完整替代。
| 本机技能 | 对应的自建路线能力 | 你什么时候会用到 | 注意点 |
|---|---|---|---|
| quant-analyst-skill-v1.0.0 | 量化分析与回测方法论 | 需要成体系的量化研究结论时 | 输出为研究方法参考，不是可交易信号 |
| a-stock-analysis | A 股深度分析（自建路线需自行适配） | 研究 A 股公司基本面与走势时 | A 股数据口径与美股不同，别直接套用美股结论 |
| fp-dcf | DCF 估值（对应自建路线的确定性计算） | 需要快速得到一份估值框架时 | 假设输入要自己核对，估值不等于目标价 |
| stock-technical-mastery | 技术分析与形态识别 | 做 K 线、指标层面的快速判断时 | 技术指标不预测未来，只描述历史 |
| akshare-finance / tushare-finance / yahoo-finance-github | 财经数据获取（对应自建路线的数据源层） | 需要行情、财报等基础数据时 | 各技能覆盖市场不同，取数前先确认市场 |
| tonghuashun-research-assistant | 研报检索与资料整理 | 需要二手资料与市场共识时 | 研报观点属于他人结论，需自行交叉验证 |
| iwencai / futuapi / mx-data / mx-select-stock | 选股、行情与条件筛选 | 按条件初筛一批标的时 | 筛选结果依赖条件口径，条件写错会静默返回空 |
| chart-image | 图表生成（对应自建路线里的研报配图） | 需要把数据画成图放进结论时 | 图只是呈现方式，口径仍要按数据源核对 |
| （部分数据类技能需自备 key 或特定环境） | — | 需要更完整的数据覆盖时 | 清单只说明目录可见，不代表已授权或已跑通 |
样例
一句话发起研究，实际效果如何？（截图）
以下为本机客户端的实际使用截图：资金流向与形态识别，均为一句话发起。图片已等比缩小展示，点击左右箭头翻页。
样例边界：以上为客户端实际使用截图（2026-09-09 采集）。截图只证明对应任务可以一句话发起，不代表任何已证实集成，也不代表任何收益预期。同一件事在自建路线上的做法见上一节的准备成本对照。
决策清单
怎么选：按你的情况逐条对照
下面每行都给了「先做哪一步验证」——先花十分钟验证前置条件，比整套装完再发现方向不对要省得多。
| 你的情况 | 建议路线 | 理由 | 先做哪一步验证 |
|---|---|---|---|
| 有 Python 基础，研究以美股为主 | FinRobot 自建 | 官方数据源与四层结构正好匹配这类任务 | 先用一个最小任务确认数据源 key 可用 |
| 想复现论文级的多智能体研究管道 | FinRobot 自建 | 多智能体编排与调度是它的核心设计 | 先读四层架构，确认理解每一层职责 |
| 只查 A 股行情与技术面 | 免部署技能路线 | 自建路线做 A 股要自行适配数据源，成本更高 | 先用一个具体标的做一次技术面提问 |
| 需要一份 DCF 估值框架 | 看数字由谁算出再决定 | 自建路线用算子计算、模型叙述；免部署路线由技能给出 | 两边各跑一个最小例子，对比假设输入是否透明 |
| 要交付可复现、可复核的研究结论 | FinRobot 自建 | 环境与参数可以固定下来，便于他人复核 | 先把环境版本写进文档再动手 |
| 完全不写代码 | 免部署技能路线 | 自建路线的前置门槛会直接挡住后续所有步骤 | 先试着把一个研究问题写成一句话 |
| 团队协作、要版本管理 | FinRobot 自建（配 Git） | 管道与数据口径可纳入版本管理 | 先确认团队都能装起同一套环境 |
| 两种任务都有 | 两条路线并用 | 互不冲突：日常快速研究走免部署，长期管道走自建 | 先约定以哪一方的字段口径为准，避免结论打架 |
不适用场景
什么情况下不要选 FinRobot 自建路线？
先把「不该自建」的情况说清楚，比堆功能更能帮你省时间。下面每一行都给「更合适的路线」，以及「什么条件下才值得回来用自建」。
| 你的需求 | 为什么不合适 | 更合适的路线 | 什么时候值得回来用 FinRobot |
|---|---|---|---|
| 只要行情、K 线与技术指标 | 它的价值在于把研究流程编排起来、并让每个数字可追溯；取一段行情、算一个指标不需要流水线，却要额外背上 uv/Node/密钥整套前置 | 行情与数据类工具，或免部署技能路线 | 当你需要把结论写成有章节、有口径说明、可交付复核的研报时 |
| 只做规则化策略回测 | 回测是可选依赖（需要额外的 backtest extra），撮合、滑点与手续费的精细度也不以回测为主业 | 专门的回测框架 | 当你需要「研究结论 → 回测验证 → 执行」三层分离里偏执行那一层的产物时 |
| 只想要一个金融领域语言模型 | 它是使用模型的平台，不训练金融大模型；定位是流程编排与验证 | 金融语言模型类项目 | 当你要把模型放进「数据源 + 算子 + 审计」的多步流程里时 |
| 需要实盘下单与风控 | 官方定位是研究与决策辅助，README 的免责声明也要求不把它当作实盘交易依据 | 交易执行与风控系统 | 当研究结论要交给执行侧、而你需要先保证结论可追溯时 |
| 只在 Windows 上想要装好即用的图形界面 | 官方桌面发行物只有 macOS Apple Silicon（M1/M2/M3 及以上）；Windows 侧只能走浏览器模式或 CLI，本机实测卡在 uv 缺失 | 本机免部署技能路线 | 当你愿意装 uv + Node，或本来就有一台 Apple Silicon Mac 时 |
| 只是想试一次、看它能出什么 | 在缺 uv、缺密钥、端口未规划的情况下，比较可能的结局是卡在环境而不是看到结果 | 先用免部署路线拿到一次结果 | 当你确定要长期做可复现研究、并愿意维护环境与密钥时 |
| 以 A 股研究为主 | 官方数据链路与示例以美股为主；实测代码层接受 600519.SS、0700.HK 这类代码，但 7 个数据提供方里没有 A 股数据源 | 覆盖 A 股的数据类技能路线 | 当你自己接了 A 股数据源，并愿意处理复权、停牌、币种、交易日历等口径问题之后 |
一句话定性（避免误用）：FinRobot 是金融研究流程编排与辅助分析框架——它不是行情服务器、不是纯回测框架、也不是自动下单系统。把它放到错误的用途上，失败会发生在起步阶段而不是结果阶段。反过来，如果你的目标是「把研究做完整、让每个数字有出处」，它才是对口的那一类工具。
常见误判
对这两条路线最常见的误解有哪些？
这些误解通常不会让人当场上当，而是让人在装完环境之后才发现方向选错了。
| 常见误解 | 实际情况 | 怎么避免 |
|---|---|---|
| 两条路线是替代关系，选一个就行 | 它们解决的任务层级不同：一条是可编排的研究管道，一条是即用的研究入口 | 先按任务层级分组，再决定用哪条 |
| 有了即用路线就不需要自建 | 需要改动内部逻辑、固定环境、批量复现时，即用路线给不了这种控制力 | 先问自己「是否需要改内部流程」 |
| 跑通一条就等于跑通另一条 | 环境、数据源、口径都不同，经验不能平移 | 两边各跑一遍最小用例 |
| 开源就等于零成本 | 软件本体免费，但模型调用与部分数据源按量消耗 | 先跑一轮小任务观察消耗 |
| 有估值输出就等于估值可信 | 输出质量取决于假设输入与数据口径，两边都一样 | 核对假设输入，而不是只看结论数字 |
| 能出研报就可以直接照着做 | 两条路线的输出都是研究结果，不构成投资建议 | 把输出当线索，决策仍需自己负责 |
装上了 finrobot 这个包，就等于拥有 V2 的算子与流水线 | PyPI 上只有 2024 年的 V0 包（0.1.5），而且它一条依赖都没带；V2 的算子与流水线在 finrobot_desktop/ 里，要通过 uv sync 或桌面版获得 | 先确认自己装的是哪一代，再谈能力 |
| Web 上的中文教程可以直接照做 | 大量教程停留在 V0/AutoGen 时代（OAI_CONFIG_LIST、conda python=3.10、旧目录结构），按它操作 2026 年的仓库一上手就会失败 | 先判断教程属于哪一代，再决定是否照做 |
集成边界
为什么必须澄清 FinRobot 与本机技能路线无已证实集成？
边界声明：本页对比的是两条独立路线的各自官方证据（FinRobot 的 GitHub README 与本机技能目录）。FinRobot 与 EasyClaw 之间没有官方集成证据；本机技能路线内置的是量化研究类技能，不代表该项目已被安装、授权或完成运行时验证。两条路线互不替代，各自的边界以各自官方说明为准。
FAQ
路线对比常见问题
FinRobot 集成到本机技能路线里了吗？
没有。FinRobot 与 EasyClaw 无已证实集成，本页是两条独立路线的证据对比；以各自官方文档为准。
免部署路线能替代 FinRobot 吗？
看你目标：想复现多智能体研究管道、要固定环境与参数，选 FinRobot；想免部署直接出 A 股行情、估值、研报，免部署路线更省事。两者不是同一层级的工具。
本机技能路线有 DCF 估值吗？
本机技能目录含 fp-dcf 等技能，可一句话发起 DCF 估值，免去自建。具体口径与假设以该技能说明为准。
免部署路线支持美股吗？
本机目录含 yahoo-finance-github 等技能覆盖美股数据；但各技能的数据源与覆盖市场各不相同，以各技能说明为准。
自建路线能分析 A 股吗？
官方数据源以美股为主，A 股需要自行适配数据源，官方未内置 A 股接口；以官方 README 为准。
两条路线一起用会不会冲突？
不冲突，但建议先把字段口径约定清楚：先用哪一方结果作为基准，另一方的结论只作参考，避免同一指标出现两个口径却说不清差在哪。
FinRobot 有好几个版本，我该按哪一代的教程操作？
先看目标再选代：要拿到可追溯的结果，按 V2 操作（桌面版、浏览器模式或 CLI，命令形如 finrobot dcf）；要一个能分享给同事的研报服务，按 V1 操作（两个必填 key + deploy.sh）；想读懂金融智能体怎么接起来，按 V0 操作（conda + 仓库根源码安装 + notebook）。判别教程属于哪一代的最快办法：出现 OAI_CONFIG_LIST、tutorials_beginner 这类词的属 V0；出现 uv sync、dev.sh、finrobot research 的属 V2。两代的命令不要混在同一个环境里用，它们抢同一个导入名。
两条路线能不能先各试一次再决定？
可以，而且这是比较稳妥的做法：先用免部署路线拿一次结果，确认你要的产出形态；再用 V2 的零依赖实验确认自建路线在你机器上能跑起来——直接调用官方确定性算子不需要密钥与联网，本站在 Windows + Python 3.11.9 上实测可跑出 WACC、隐含价与敏感性矩阵。两条路线互相独立、没有已证实集成，试的过程中不要混用同一份数据跨路线比较结论，口径不同会导致误判。