要清单：选自建
如果你要的是「每天收盘后，按同一套规则筛出来的标的清单，并自动推到群里」，那选股系统这条路更直接。代价是环境要自己维护、阈值改动要动源码，而且它不会告诉你这份清单好不好。
Sequoia-X 项目研究站 · 路线对比
Sequoia-X vs EasyClaw：自建选股流水线，还是免部署提问
一边是要装 Python 环境、回填历史数据、用 crontab 定时跑的本地选股系统；一边是装好 AI 助手后用一句话发起研究任务的技能路线。两者在「选股」这件事上确实有交集，但交付物不同：前者给你一份每天自动产出、按策略分群推送的候选清单，后者给你一段可以继续追问的分析结论。下面按维度摊开，再给决策清单。
Sequoia-X 自建路线本地库 + 固定阈值 + 定时 + 飞书播报
EasyClaw 技能路线免部署 + 对话式提问 + 结果文件
共同边界均只做研究辅助，不构成投资建议
依据来源官方 README · pyproject · .env.example
本页引用README.md · 本机技能目录清单
核验方式源码静态核验 + 本站实测（2026-10-10 在 Windows / Python 3.11.9 真机跑通安装、回填、日常运行与推送）
核验基准commit 444c0db（2026-05-09）· Python ≥3.10 · 2026-10-12 质检复核（含 2026-10-10 本站实测）
Comparison
两条路线的核心对比表
一边来自官方仓库与源码；一边来自本机技能目录的 SKILL.md 核验。
| 维度 | Sequoia-X（自建选股流水线） | EasyClaw 本机技能路线 | 要点 |
|---|---|---|---|
| 定位 | Python 命令行选股系统（七个固定形态策略） | 免部署 AI 助手 + 本机技能包（自然语言任务） | 一个产出清单，一个产出结论 |
| 选股方式 | 七个策略的阈值写死在源码里，全市场逐只扫描 | 用自然语言描述条件（妙想智能选股、同花顺问财等） | 固定规则 vs 条件表达 |
| 数据与存储 | baostock 日 K（后复权）存进本地 SQLite，可拷贝迁移 | 按技能而异：公开接口或需 Key 的数据服务，结果落 CSV / JSON / Markdown | 本地库可复现，远端接口依赖服务 |
| 调度与推送 | crontab 定时（示例 19:15），按策略推送到对应飞书群 | 会话式按需提问；监控类技能面向已指定标的，SKILL.md 明确不支持自动推送 | 无人值守 vs 按需触发 |
| 前置成本 | Python ≥3.10 + 依赖 + 必填飞书 Webhook + 首次回填（约 12 分钟，项目自述） | 安装 EasyClaw；部分技能需 API Key / Token（见下表） | 一个维护环境，一个维护凭据 |
| 技术形态能力 | 海龟突破、均线放量、高窄旗形、涨停洗盘、上升跌停、RPS 突破、定增监控 | K 线技术分析技能覆盖形态与指标；监控类技能覆盖均线、量能、RSI、缺口等预警规则 | 全市场扫描 vs 单只分析 |
| 事件类能力 | 定增公告监控（东财增发数据、7 天窗口） | 同花顺问财的事件类查询（增发、解禁、质押等）、妙想资讯搜索 | 接口来源不同 |
| 输出形态 | 飞书卡片：日期 / 策略 / 数量 / 带雪球链接的标的列表 | 对话结论、指标数值、结构化清单，部分技能可导出文件或出图 | 推送清单 vs 分析结论 |
| 许可 | README 声明 MIT，但仓库内未见 LICENSE 文件（证据冲突） | 各技能各有许可与前置条件，需逐个确认 | 商用前都要自行核实 |
| 共同边界 | 没有回测引擎、没有实盘下单、没有止损，输出只是候选清单 | 多个技能的 SKILL.md 明确不支持自动下单、不生成投资建议 | 都只做研究辅助 |
Deliverables
先问「你要的交付物是什么」
两条路线的差别不在功能多少，而在最后交到你手上的是什么。
要结论：选技能路线
如果你要的是「某只股票当前的技术状态」「某个板块里符合若干条件的标的」「某段时间的涨跌幅」这类可追问的结论，对话式技能路线准备成本更低，但要接受各技能自身的前置条件与范围限制。
两者并用
常见组合是：用技能路线做快速取数与初筛，把值得深挖的想法放到本地流水线里做固定规则的每日跟踪。注意两边数据源与口径不同——本地库是后复权日线，远端接口多为不复权实时或日线，比较前先对齐。
EasyClaw skills
EasyClaw 本机有哪些已核验技能？
以下技能目录已在 C:\Users\CF\.easyclaw\skills 核验其 SKILL.md；与本项目无已证实集成，属独立路线。
| 技能 | 能力（SKILL.md 声明） | 前置条件 / 限制 | 与本项目的关系 |
|---|---|---|---|
| mx-select-stock（妙想智能选股） | 按行情 / 财务条件自然语言筛选，输出 CSV 与 JSON 到工作目录 | 需 MX_APIKEY（东财妙想页领取）；授权与额度未验证 | 同为「按条件选股」，条件是自然语言而非固定形态阈值 |
| iwencai（同花顺问财） | 行情 / 财务 / 事件 / 条件选股等多类查询入口 | 需 IWENCAI_API_KEY 与连接授权，有连接门禁检查 | 可做选股与事件查询，但不落本地库存量数据 |
| stock-technical-mastery（K 线技术分析） | K 线形态、MACD / RSI / 布林带、量价关系，可出报告与图 | 基于新浪财经与 Baostock 取数；不支持基本面，不覆盖港股美股期货外汇 | 与突破/反转类策略同属技术面，但面向单只标的 |
| stock-monitor-skill-0-1-0（盯盘预警） | 七类预警规则（成本盈亏、日内涨跌、量能异动、均线金叉死叉、RSI、跳空、动态止盈） | 需配置标的与阈值；明确不支持自动下单、不生成投资建议、不覆盖期货外汇加密 | 均线/量能思路相近，但它面向已选标的、不做全市场扫描 |
| akshare-finance | A 股行情与大盘概览、宏观指标、加密货币行情 | 需本机安装 akshare>=1.18 与 pandas | 快速取数入口；注意本项目的定增策略也用到了 akshare |
| a-stock-analysis | A 股实时行情、分时量能分布、主力动向、持仓盈亏 | 依赖公开行情接口，需本机运行脚本 | 偏盘中视角，与收盘后扫描互补 |
| eastmoney-operations / mx-data / mx-search | 妙想统一入口：搜索、选股、自选、数据、模拟组合；另有资讯检索 | 需 MX_APIKEY 或本地 key 文件；模拟组合明确仅用于模拟 | 数据与事件检索方向，非形态扫描 |
| tushare-finance / quant-analyst | Tushare 接口封装；金融建模、回测与风险指标等方法论 | Tushare 需 TUSHARE_TOKEN；quant-analyst 为本地计算 | quant-analyst 与「策略有效吗」这个问题方向最接近，但交付是方法论与代码 |
说明：上表只陈述各技能 SKILL.md 已声明的能力与前置条件，不声称它们与本项目之间存在调用、集成或替代关系。技能目录存在只表示已安装，不等于已授权或运行成功。
Decision
Sequoia-X 还是 EasyClaw 怎么选？
按任务形态选，而不是按功能条数比大小。
选自建选股流水线
你要一份每天自动生成、规则透明可查、能长期跟踪的候选清单，并且愿意维护 Python 环境、准备飞书 Webhook、承担首次回填的等待时间。适合已经有固定研究框架的人。
选 EasyClaw 技能路线
你只想快速拿到某个标的的状态、某类条件下的标的清单或某段时间的表现，不打算维护工程环境；同时接受部分技能需要 API Key、且各技能有明确的能力边界。
先技能后自建
比较稳妥的顺序是：先用技能路线把问题问清楚、把标的范围缩小，确认这个研究方向值得长期跟踪，再把它固化成自建流水线里的一套阈值。避免一上来就投入环境搭建成本。
Boundary
Sequoia-X 与 EasyClaw 的证据边界是什么？
这一节是本站发布本页的前提，请勿跳过。
无已证实集成：两者没有官方集成证据——本项目的 README 与源码都没有提到 EasyClaw，EasyClaw 本机技能目录里也没有对应技能。本页对比的是「本地选股系统自建路线」与「EasyClaw 独立技能路线」，不声称本项目可在 EasyClaw 中安装，也不声称两者共享账号、数据或接口。
许可差异：本项目的许可证存在证据冲突——README 声明 MIT，但仓库文件树中没有 LICENSE 文件、GitHub 也未识别到许可证，商用前请向作者确认。EasyClaw 各技能有各自许可与前置条件，需逐个核实，两者不可直接类比。
风险提示：两条路线的输出都只用于研究参考，不构成投资建议。本站不提供任何收益、胜率或回撤数据——本项目本身也没有这类数据。Sequoia-X 侧已于 2026-10-10 在本机完成一次真机运行（安装、回填、日常模式、推送请求捕获），页面中标注「本站实测」的段落是真机读数，其余关于其行为的描述来自官方仓库 README 与源码；EasyClaw 侧仅有本机技能目录清单核验，两边之间没有任何已证实集成。
30-day paths
Sequoia-X 与免部署路线有什么不一样？
两条路线真正的区别不在「谁更强」，而在一个月后你手上有什么：一条是能改的代码，一条是问过的问题与答案。
| 路线 | 第 1 周 | 第 2–4 周 | 30 天后手上有什么 |
|---|---|---|---|
| 自建 Sequoia-X | 装环境、配 Webhook、跑首次回填（README 自述约 12 分钟） | 把 crontab 挂上，观察日志与命中质量，按需要改阈值或加策略 | 一个可复现的本地流水线：库在本地、阈值在源码里、结果可回溯到某一天的某只股票 |
| 免部署技能路线 | 装好客户端，用一句话问出第一份研究结论 | 把常问的问题固化成习惯（单只股票体检、板块对比、指标查询） | 一批可复用的提问方式与结论记录；数据来自技能自身的数据源，不落在你的库里 |
| 两条并用 | 先走技能路线把研究问题问清楚 | 确认某个条件确实有价值后，再把它写进自建策略并做样本外验证 | 既有判断依据，也有能跑的代码；代价是要维护两套认知 |
选型时最容易犯的三个错
| 常见误区 | 为什么是错的 | 正确判断 |
|---|---|---|
| 「能不能一键把 Sequoia-X 装进 EasyClaw？」 | 没有任何已证实集成：Sequoia-X 是独立 Python 程序，本机技能目录里也没有对应技能 | 把两者当成并列的两条路线，各自独立评估，不要期待互相调用 |
| 「技能路线的结果就等于 Sequoia-X 的选股结果」 | 数据源、复权口径、条件实现都不同，同一个问题可能得到不同名单 | 把两边结果当交叉验证的线索，而不是替代关系；差异本身就是信息 |
| 「先自建 Sequoia-X，反正以后肯定用得上」 | 自建要长期维护环境、数据与定时任务；一旦停跑，库就停在旧日期上 | 先确认自己会不会真的去看结果与改策略；只想拿结论的人走技能路线更划算 |
| 「结果能直接下单」 | 两边都只输出候选名单：本项目不接下单接口，技能路线也不做交易执行 | 任何结果都需要自己判断；所有内容仅供研究与学习，不构成投资建议 |
披露：本页对比基于官方 README、源码（commit 444c0db）与本机技能目录清单（2026-10-10 核验；Sequoia-X 侧含本机实测）。EasyClaw 侧能力以各技能的 SKILL.md 声明为准，Sequoia-X 与 EasyClaw 无已证实集成，两边均不构成投资建议。
Measured boundary
本站实测之后：Sequoia-X 侧现在有哪些可核对的事实
本站 2026-10-10 在本机把 Sequoia-X 真装真跑了一遍。这改变了对比的底座——下面是「已完成实测的事实」与「仍然不了解的部分」，EasyClaw 侧的核验状态不变（依旧无已证实集成）。
| 项目 | Sequoia-X（本站已实测） | EasyClaw 技能路线 |
|---|---|---|
| 环境准备 | Python 3.11.9 + venv，实测装齐 106 个依赖包；pip install . 需先在干净环境补 wheel、并绕过 jsonpath 的构建缺陷 | 本机已具备技能目录，无需装 Python 环境；具体技能的前置条件以各技能说明为准 |
| 数据落到哪 | 落在你自己机器上的 SQLite 文件（实测 789 只 / 524,104 行 / 68 MB），可拷走、可用 SQL 审计 | 数据在对话过程中获取，是否落盘取决于你去不去导出；不留本地库 |
| 跑一次的耗时 | 日常模式实测 49.6 秒（789 只库，非交易日窗口为空）；回填才是大头，本机 15 分钟 218 只 | 单次提问通常数十秒级；批量扫描的成本按任务范围计 |
| 可复现性 | 同一 commit + 同一库 + 同一套口径 = 同一结果；本站全部读数都能按页内命令重跑 | 同一句话在不同时间问，返回的行情时点与结果可能不同 |
| 已知风险（本站实测） | 数据源限流会拉黑会话；增量写入的删除范围会波及全库；非交易日照样推送旧名单 | 不涉及本地库与定时任务，因此不存在这三类风险；风险面在「结果不可复核」与「模型理解偏差」 |
| 交付物 | 一个每天更新的候选名单 + 一份可审计的本地数据库 | 一次可追问的分析结论（选股/技术形态/组合/画图等） |
| 集成状态 | Sequoia-X 与 EasyClaw 之间没有任何已证实集成。两条路线各自独立运行；本页只做任务级对照，不声称替代、不声称打通 | |
选哪条，取决于你要的是「循环」还是「答案」：需要每天自动产出、并且愿意维护环境与数据的人，走 Sequoia-X；需要马上得到一个分析结论、不想维护环境的人，走 EasyClaw 技能路线。两者不互斥——用 Sequoia-X 出的名单，也可以在对话里追问「这只票最近的技术形态与基本面是什么」。EasyClaw 侧各技能的能力边界与本机可用清单，仍以
~/.easyclaw/skills/ 的实际内容为准。FAQ
对比页常见问题
Sequoia-X 和 EasyClaw 是一回事吗？
不是。前者是 sngyai 开源的 A 股自动选股系统，形态是 Python 命令行程序；后者是带本机技能体系的 AI 助手软件。两者没有已证实集成，是两条独立路线。
EasyClaw 里能一键安装 Sequoia-X 吗？
没有证据支持。本项目通过 Python 包管理安装（uv sync 或 pip install .），本机技能目录里也没有对应技能。这条边界在首页与安装页都有同样声明。
EasyClaw 技能能替代 Sequoia-X 吗？
取决于交付物。要每天自动产出的候选清单与定时推送，自建系统更合适；要快速取数与可追问的结论，技能路线更轻。两边的文档都没有「互相替代」的说法。
两边给的选股结果会一致吗？
不会，而且不应该期待一致。本项目用的是后复权日线加固定阈值，技能路线多使用不复权行情或外部数据服务，条件表达方式也不同。同一只股票一边命中一边不命中属正常，比较前需先对齐数据源与口径。
同时用会冲突吗？
不会，两者互不写入对方的存储。真正需要注意的是「用两套不同口径的结论互相印证」——比如用本地后复权数据算出的形态结论去解释盘中实时行情，会得出误导性的判断。
需要额外花多少钱？
本项目侧的数据源是免费的（README 说明 baostock 无需注册），成本主要是机器与时间。EasyClaw 侧部分技能需要 API Key，可能存在额度限制；本站没有采集各技能的资费与额度信息，请以各技能官方说明为准。
Sequoia-X 的选股结果能直接喂给 EasyClaw 继续分析吗？
没有已证实的集成通道，需要手工搬运：本项目的结果以飞书卡片形式推送（可点击的雪球链接 + 代码），可以在本机技能对话里贴上代码继续问技术面或资金面。两边数据源与复权口径不同（本项目为 baostock 后复权本地库），结论不保证一致，差异属于正常现象。所有结果仅供研究与学习，不构成投资建议。