1. 从一次“批量写研报”的崩溃说起如果你正在做行业研究或者公司分析大概率遇到过这种场景手头有 20 个标的要过一遍每个都要按“行业空间—竞争格局—财务质量—估值—风险”这套框架走一遍。你打开对话框把框架贴进去模型给你输出一份看起来还行的分析然后你换下一个标的又得把框架重新贴一遍。贴到第 5 个的时候你开始怀疑自己到底是在做研究还是在做复制粘贴。更麻烦的是每次输出的结构都不太一样。有时候它先讲估值有时候先讲风险有时候干脆漏掉现金流这一段。你想让它稳定一点于是把要求写得更细结果 Prompt 越写越长长到自己都不想维护。等到某天你想把这套东西分享给同事发现对方根本没法复用——因为整套逻辑都散落在你的聊天记录里。这就是 Biga 这个项目想解决的问题。Biga 是一个 AI Agent 投资研究 Skill 项目它把价值、成长、趋势、股息、周期、事件驱动这六类常见投资研究框架沉淀成可以直接被 Agent 加载的 Markdown Skill 文件。它的定位不是荐股工具也不是量化系统而是一套“让 Agent 按固定研究流程输出”的方法论库。适合需要批量生成行业与公司分析的研究者、需要给团队统一分析口径的分析师以及正在研究 Agent Skill 设计的技术同学。我试过把同一套框架分别用“纯 Prompt”和“Skill 文件”两种方式跑差别非常明显前者每次都要重新对齐后者只要触发条件写对Agent 会自己进入对应策略目录输出结构基本稳定。下面我把整个接入和验证过程拆开讲你可以直接跟着做。2. TaoToken 前置统一 Key 与 API 通道在把 Biga 接进 Agent 之前先解决模型调用通道的问题。Biga 本身只是 Markdown 文件它不绑定任何模型但你要让 Agent 真正跑起来就需要一个稳定的 API 入口。我用的是 TaoToken 的统一通道好处是一个 Key 可以覆盖多种模型切换模型时不用改代码只改 Model ID 就行。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址后面不加 UTM 参数直接用它作为 Base URL 即可。你需要先拿到 API Key。进入控制台创建 Key 的页面在这里https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。创建完之后复制那串以 sk- 开头的字符串后面配置里会用到。这里有个细节要提醒很多人第一次配的时候会把 Base URL 写成带 /v1 或者带具体路径的形式结果请求 404。TaoToken 的 Base URL 就是 https://taotoken.net/api 不要自己拼路径。另外 Key 不要写进会被 git 提交的文件里建议用环境变量或者本地 settings 文件并且把该文件加进 .gitignore。如果你只是想先验证模型通不通可以打开模型对话页面直接试https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。在那边选一个模型发一句“你好”能正常返回就说明 Key 和通道没问题。这一步能帮你排除掉后面 90% 的“到底是 Skill 配错了还是 Key 错了”的困惑。对于长期做编码和 Agent 开发的场景可以考虑 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。它的定位是给需要持续调用模型的开发流程用的比按次调用更适合批量跑研究任务。3. 可复制配置Skill 目录结构与触发配置Biga 的核心是目录结构加 SKILL.md 文件。你先把仓库拉下来或者手动建目录。推荐的结构是这样biga/ ├── SKILL.md ├── biga-value-skill/ │ └── SKILL.md ├── biga-growth-skill/ │ └── SKILL.md ├── biga-trend-skill/ │ └── SKILL.md ├── biga-dividend-skill/ │ └── SKILL.md ├── biga-cyclical-skill/ │ └── SKILL.md └── biga-event-skill/ └── SKILL.md顶层 SKILL.md 是分流入口负责判断用户问题属于哪类策略。每个子目录里的 SKILL.md 是具体框架。以股息策略为例一个可用的 SKILL.md 模板长这样# Biga Dividend Skill ## 适用场景 高股息、红利 ETF、稳定分红、现金流分红相关研究问题。 ## 不适用场景 短线交易、主题炒作、无分红历史的成长股。 ## 分析框架 1. 股息率来源稳定分红还是股价下跌被动抬高 2. 分红可持续性经营现金流是否覆盖分红 3. 盈利质量利润是否来自主营 4. 周期与估值当前利润是否处于周期高点 5. 资产负债表负债与资本开支是否挤压分红 6. 退出条件分红下降且无法用短期因素解释 ## 输出模板 按上述六段输出每段给出核验要点不给买卖结论。 ## 禁止输出 目标价、买入价、收益承诺、确定性买卖指令。接下来是触发配置。不同 Agent 平台的配置方式不一样但核心三件套是一样的Base URL、API Key、Model ID。以常见的 settings 文件为例{ base_url: https://taotoken.net/api, api_key: sk-你的Key, model: claude-sonnet-4-20250514, skill_dir: ./biga }如果你用的是支持 TOML 的工具等价写法是[provider] base_url https://taotoken.net/api api_key sk-你的Key model claude-sonnet-4-20250514 [skill] dir ./biga注意 Model ID 要和你实际调用的模型一致写错了会报 model not found。Skill 目录指向 biga 根目录即可Agent 会自己往下找子目录。如果你用的是 Claude Code 这类工具接入文档在这里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。里面有完整的 Base URL、Key、Model ID 三件套说明照着填就行。Claude Code 的专用接入页是 https://taotoken.net/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentClaudeCodeAnthropicutm_campaignrewrite 如果你正好在用 CC可以直接参考那份配置。配置写完之后建议先做一次最小验证让 Agent 读一下顶层 SKILL.md然后问它“高股息股票应该看哪些风险”看它会不会自动进入 biga-dividend-skill。如果它没进说明触发条件没写清楚回到 SKILL.md 里把“适用场景”那段的关键词补全。4. 验证请求从输入标的到产出研究笔记配置好之后跑一次完整流程。我用的是一个虚构标的做演示你可以换成自己关注的行业或公司。第一步发起请求。在 Agent 对话框里输入请用 Biga 的股息策略框架分析一家煤炭行业的高股息公司 重点核验分红可持续性和周期位置。第二步观察 Agent 的行为。正常情况下它会先读顶层 SKILL.md判断这属于股息策略然后加载 biga-dividend-skill/SKILL.md再按里面的六段框架输出。如果它直接开始泛泛而谈说明 Skill 没被加载回去检查 skill_dir 路径和触发关键词。第三步检查输出结构。一份合格的输出应该包含股息率来源、分红可持续性、盈利质量、周期与估值、资产负债表、退出条件。每段都要有具体核验点而不是“注意风险”这种空话。比如分红可持续性那段应该出现“经营现金流是否覆盖分红”“是否依赖举债维持分红”这类可核验的表述。第四步做一次反向测试。输入一个不属于股息策略的问题比如“某 AI 概念最近很火能不能追”看 Agent 会不会错误地进入股息 Skill。正确行为是进入 biga-event-skill先核验消息来源、主题阶段、受益链条和情绪拥挤度。如果它进错了目录说明顶层分流逻辑需要调整。第五步记录结果。把每次输出的结构一致性记下来。我实测下来只要 SKILL.md 写得够细同一类问题连续跑 10 次结构基本能保持一致不会出现这次讲估值下次讲风险的情况。如果你想让 Agent 输出更接近“研究笔记”而不是“问答”可以在 SKILL.md 的输出模板里加一句“按 Markdown 标题分节每节不超过 5 行”。这样出来的东西直接就能贴进你的研究文档里。5. 本篇常见错排查配置过程中最容易踩的坑集中在几个报错上我按实际遇到的顺序列一下。401 UnauthorizedKey 错了或者没带上。检查 api_key 字段是不是完整的 sk- 开头字符串有没有多余空格。如果 Key 是从控制台复制的注意别把换行符也复制进去。local proxy failed这个通常出现在本地工具配置里说明请求没发出去。检查 Base URL 是不是写成了 https://taotoken.net/api 有没有多写 /v1 或者少写 https。另外确认你的网络环境能正常访问该地址。reading choices 报错一般是返回结构和你预期的不一致常见于 Model ID 写错或者模型不支持当前调用方式。回到模型对话页面确认一下你用的 Model ID 是否可用然后把它原样填进配置。OAuth 相关报错如果你用的是 Claude Code 这类带 OAuth 流程的工具报 OAuth 错误通常说明认证方式选错了。这种情况改用 API Key 方式接入参考接入文档里的三件套配置。Skill 没被加载Agent 输出和没配 Skill 时一样。检查 skill_dir 路径是不是指向了 biga 根目录以及 SKILL.md 里的“适用场景”关键词是否覆盖了你的提问方式。有时候你问“红利股”但 SKILL.md 里只写了“高股息”就可能匹配不上。输出结构不稳定同一类问题每次结构不一样。这通常是 SKILL.md 里的输出模板写得太松。把模板改成固定小节标题并加上“必须按此顺序输出”的约束。排查的时候有个通用思路先确认 Key 和 Base URL 没问题用模型对话页面验证再确认 Skill 目录被正确加载看 Agent 有没有读文件的行为最后才去调 SKILL.md 的内容。顺序反了会浪费很多时间。6. 把研究框架变成可复用能力Biga 这类 Skill 项目的价值不在于它内置了多少投资知识而在于它把“研究流程”从聊天记录里抽出来变成了可以版本管理、可以分享、可以迭代的文件。你改一次 SKILL.md所有用这个目录的 Agent 都会跟着变不用再一个个改 Prompt。如果你要长期跑批量研究任务建议把模型调用也固定下来。用 TaoToken 的统一 Key 管理多个模型配合 Coding Plan 做持续调用比每次手动切模型要省事。需要创建新 Key 的时候去 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 接入细节看 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。最后留一个实用技巧SKILL.md 里的“禁止输出”那一段一定要写具体。不要只写“不构成投资建议”要写清楚“不输出目标价、不输出买入价、不输出收益承诺”。约束越具体Agent 的输出边界越清晰你后面复核的成本就越低。