Turn Codex, Claude Code, Cursor, and Cline into a persistent research workspace.
把 AI 编程助手变成一套能长期记忆、持续研究、自动沉淀的工作台。
30 秒上手 · 六大能力 · 免费数据源 · 第一周怎么用 · 故障排查
最近更新（2026-09-30）：当前 Agent 可直接完成材料摘要与标签；日报显示数据来源、日期和缺失状态；安装附带免费数据源指南，daily-watch 与 podcast 均已内置。
对话很聪明，但工作流没有记忆；今天做完，明天又从头解释。
AI Workspace Hub 解决这个问题。六大能力开箱即用——核心工作流不需要 API key。
📖 想先了解设计思路？看作者的公众号长文：《从0构建 AI 协作系统（一）：从最小可运行的 MVP 开始》
把下面这句话发给你的 AI agent（Codex / Claude Code / Cursor / Cline）：
帮我按这个协议安装 AI Workspace Hub：
https://raw.githubusercontent.com/Benboerba620/ai-workspace-hub/main/INSTALL-FOR-AI.md
抓不到协议全文就先 git clone 本仓库，再读其中的 INSTALL-FOR-AI.md 逐字执行。
Agent 会问你 4 个问题（路径、用途、现有 wiki、是否使用 Obsidian），然后自动创建完整工作区。装好后，先用样例确认安装：
把 inbox/first-note.md 整理进 personal wiki。
预期：agent 读 AGENTS.md → 按 wiki/_schema.md 整理 → 写入 wiki/sources/ → 在 active-context.md 记录进度。
不需要 API key，不需要联网，不需要写任何代码。
样例通过后，开始第一份真实股票研究：
研究一家公司，同时帮我建立第一版研究偏好。
公司是：____；我现在关注它是因为：____。
这次会同时产出研究报告、研究偏好 v0.1、可验证假设和后续跟踪指标。以后研究其他公司会复用并继续校准这套方法，而不是每次从空白开始。
还没有 AI agent？先花 2 分钟装一个
任选其一，都有免费或试用档：
- Claude Code（推荐）：先装 Node.js，然后终端运行
npm install -g @anthropic-ai/claude-code，在任意目录输入claude登录 Claude 账号。 - Codex CLI：
npm install -g @openai/codex，输入codex登录 ChatGPT 账号。 - Cursor：去 cursor.com 下载安装，打开一个文件夹后用内置对话。
装好后回到上面，把那句话发给它就行。
更习惯手动 clone？
git clone https://github.com/Benboerba620/ai-workspace-hub.git my-ai-workspace
cd my-ai-workspace用 AI agent 打开这个目录，直接试跑 inbox/first-note.md → wiki。
验证安装状态：
python3 system/scripts/check_workspace.py # Windows: python system/scripts/check_workspace.pyCore Mode 显示 READY 即可开始使用。
首次研究引导 → 研究偏好 v0.1 → 研究结论 → 可验证假设
→ 跟踪指标 → daily-watch 日报 → 独立证据 → 假设复盘 → 长期知识
START-HERE.md 是安装后的用户首页。信息摄入只是输入环节；系统的主线是让研究结论进入假设，并通过日报持续验证。
每份研究、假设和证据都有稳定 ID；当前状态只保存在 Markdown frontmatter。需要用户确认的 wiki 沉淀、假设调整、股票池新增和研究偏好变化会进入持久待确认队列。直接说：
看看我的研究系统现在有什么需要处理。
Agent 会汇总进行中的研究、待复盘证据、到期假设和待确认动作，并给出下一步。
| 能力 | 你可以怎么说 | 写入哪里 | API key | |
|---|---|---|---|---|
| 📚 | wiki | "把这篇文章整理进知识库" | wiki/ |
推荐（自动标签） |
| 🔬 | research | "帮我研究一下某公司 / 某行业" | output/research/ |
不需要 |
| 🔍 | screen | "帮我筛选 AI 产业链股票" | output/screen/ |
可选 |
| 📊 | daily-watch | "生成今天的盯盘日报" | output/daily-watch/ + evidence/ |
可选 |
| 🧪 | hypothesis | "把这个投资假设建档并追踪" | hypothesis/ |
不需要 |
| 🎙️ | podcast | "扫一下这几个播客并写进 wiki" | wiki/sources/ + output/pod2wiki/ |
当前 Agent 无需独立 Key；后台摘要需 Key |
daily-watch 和 podcast 已经内置在 Hub 中，不需要再单独安装。 后台自动标签、独立运行的播客摘要和部分行情源需要按需填写 API key；交互整理可由当前 Agent 完成。
零 key 可用：wiki 可由当前 Agent 摄入和补齐有依据的标签，不调用独立模型 API；research、hypothesis、screen（websearch 模式）、daily-watch（报告骨架 + 美股降级源）照常可用。
默认建议配置：先按 免费数据源接入指南 选择市场——美股可零 Key 使用 Nasdaq，A 股可从 Tushare 的基础日线档起步，yfinance 可作为个人研究备用；再按需配置 LLM、FMP 或 Longbridge Skill。
flowchart LR
IN["inbox / web"] --> TAG["统一自动标签"]
TAG --> KB["wiki 知识库"]
KB --> R["research R*"]
R --> H["hypothesis H*"]
H --> W["唯一执行股票池"]
W --> D["daily-watch 日报"]
D --> E["evidence E-*"]
E -->|"用户确认后复盘"| H
R --> Q["review-queue Q-*"]
H --> Q
Q -->|"确认后执行"| KB
S["workspace status"] -.-> R
S -.-> H
S -.-> E
S -.-> Q
核心不是"文件夹长什么样"，而是：agent 进入目录后知道先读什么、做研究时先查本地 wiki、输出时事实与推测分开、证据和判断不混写、待确认动作不会随对话消失、明天继续时能从断点接上。
wiki 变大后也不会每次全量加载。每次研究先运行 Research Preflight：按 rule -> pattern -> exploration 加载相关可复用知识，同时扫描 entities / concepts / sources，只返回少量命中页面、命中理由和过期/冲突提示，再决定哪些问题需要联网。扫描不调用大模型，并生成可检查的回执。知识按 source -> exploration -> pattern -> rule 逐级提炼；每次晋级、降级或退役都保留用户确认、复审日期和失效条件。
材料进入 wiki 时按同一标签契约补齐 domain / ticker / concepts / related / entity_salience / tags。交互模式由当前 Agent 处理，后台模式使用统一打标器；历史补标默认只预览，已有人工字段不会被覆盖。
产能扩张周期见顶案例 把一条真实研究判断拆成 4 个 Source、2 个已提炼 Exploration 和 1 张 draft Pattern：光伏与锂电是产生该 Pattern 的母案例，因此不能再次冒充独立确认，primary_confirmations 保持为 0。日常研究默认不会加载这张草稿卡；复盘模式可以找到它，未来经过两次新的独立事前验证并由用户确认后，才允许变成 active Pattern。累计三次独立确认后，再讨论是否形成可执行 Rule。
案例目录可以独立运行 summary 和 load，仓库测试同时守住“母案例不计确认、draft 不进入日常加载、满足门槛后才可晋级”三条边界。
系统不在某个模型里，而在这套文件协议里。谁读懂这套协议，谁就接上你的工作流。
| 模式 | API key | 能做什么 | 适合 |
|---|---|---|---|
| Core | 不需要 | wiki 摄入（无脚本自动标签）、研究草稿、快速筛选、假设建档、断点续传 | 临时未配置 API 时 |
| Enhanced | 按市场选填 | wiki 自动标签、播客摘要、行情日报、A 股 / 多市场数据、自动监控 | 默认日常使用 |
推荐路径：安装后运行 check_workspace.py → 按 DATA-SOURCES.md 选择免费或付费数据源 → 只填写实际需要的 key。暂时没有 key 时仍可先跑 Core Mode，美股基础行情还可走 Nasdaq 无 Key 源。
| 天数 | 动作 | 目标 |
|---|---|---|
| Day 1 | 用当前 Agent 跑通 inbox/first-note.md → wiki；后台自动化再配置 Key |
确认摘要、自动标签和分类都能工作 |
| Day 2 | 放入 3-5 条真实材料 | 建立第一批知识库 |
| Day 3 | 让 agent 研究一个公司 / 行业 | 生成第一篇结构化报告 |
| Day 4 | check_workspace.py，按免费数据源指南选择 Nasdaq / Tushare / yfinance 等 |
增强行情能力 |
| Day 5 | 做一次主题筛选 | 形成候选池 |
| Day 6 | 扫一次播客 / 博客 | 建立外部信息流 |
| Day 7 | 运行结构体检，删掉没用规则 | 防止系统变胖 |
适合：投资研究员、个人投资者、内容创作者、AI power user、Markdown / Obsidian 用户、想做长期项目而不是一次性对话的人。
不适合：想要 GUI 应用、自动交易系统，或不愿意用 Markdown 管理知识的人。
📂 目录结构
ai-workspace-hub/
├── AGENTS.md # Codex 入口路由
├── CLAUDE.md # Claude Code 入口路由
├── INSTALL-FOR-AI.md # 交给 AI agent 的安装协议
├── SMOKE-TEST.md # 冒烟测试
├── ARCHITECTURE.md # 架构说明
├── TROUBLESHOOTING.md # 故障排查
├── workspace/ # 配置、断点、看板与归档
│ ├── monitoring/ # 用户阅读的监控看板
│ └── archive/ # 退出主流程的历史材料
├── inbox/ # 临时输入材料
├── wiki/ # personal wiki（exploration / pattern / rule）
├── output/ # 研究、筛选、播客和日报输出
│ └── daily-watch/ # 日报归档
├── hypothesis/ # 投资假设和复盘
├── evidence/ # 独立证据账本
├── portfolio/ # 交易记录
├── config/ # 用户配置，不入 git
├── tools/ # podcast / daily-watch 工具
└── system/ # skills / integrations / scripts / templates
🗄️ 数据源与边界
| 名称 | 类型 | 用途 | 是否内置 |
|---|---|---|---|
| Nasdaq | 无 key 降级源 | 美股基础行情 | 是 |
| Finnhub | 免费账户 / 付费 | 美股行情备选；免费端点和额度以官方账户为准 | 是，需 key |
| EODHD | 免费小额度 / 付费 | 港股、韩国、芬兰等最近 EOD 备用；免费账户当前 20 次/日，不是实时价 | 是，需 key |
| yfinance | 无 Key | 多市场个人研究备用；非官方 Yahoo SDK，需额外安装 | 是，需开启 |
| tushare | 积分 / 单独权限 | A 股行情；当前 120 积分档可取非复权日线 | 是，需 token |
| FMP | 免费 Basic / 付费 | 免费档适合 EOD/profile 测试；全球覆盖和高级数据取决于套餐 | 是，需 key |
| Longbridge Skill | 外部 Agent 扩展 | 多市场查询、筛选、研究 | 否，独立安装授权 |
| websearch | Agent 能力 | 补充新闻、资料、公司信息 | 取决于 agent |
重要边界：本项目不做自动交易，不承诺数据源永远免费，不把 AI 输出包装成投资建议。缺少 API key 时优雅降级，不会让用户误以为工作区坏了。
💻 常用命令
python3 system/scripts/check_workspace.py # 总检查
python3 system/scripts/workspace_status.py # 当前研究、证据和待办
python3 system/scripts/research_preflight.py --root . --context "你的研究问题和关键词" --research-id R-... --research-file output/research/报告.md --record # 扫描 Wiki 并更新研究报告
python3 system/scripts/knowledge_lifecycle.py --root . summary # 知识状态、到期复审和晋级候选
python3 system/scripts/knowledge_lifecycle.py --root . rebuild-index --apply # 重建三个短索引
python3 system/scripts/review_queue.py list # 查看持久待确认队列
python3 system/scripts/wiki_tagger.py --root . backfill wiki # 预览历史 wiki 补标
python3 -m unittest discover -s tests -v # 运行测试
python3 tools/daily-watch/scripts/check_setup.py --init # 初始化日报配置
python3 tools/podcast/scripts/fetch_podcasts.py --help # 播客工具帮助Python 工具需要 3.10+。Windows 用户用 python 代替 python3，或 py -3 指定版本。
❓ 新手常见问题
Q：我不会写代码，能用这个项目吗？
可以。Core Mode 只需要把文本放进 inbox/，然后用自然语言告诉 AI agent 做什么。
Q：一定要用 Codex / Claude Code 吗？ 不一定。任何能读写文件的 AI agent 都可以。Codex 和 Claude Code 效果最好，Cursor 和 Cline 也可以。
Q：安装 Hub 后，还要单独安装 daily-watchlist 或 pod2wiki 吗？
不需要。两套工具及其配置模板已经包含在 tools/daily-watch/ 和 tools/podcast/；你只需要按用途安装可选依赖，并按 免费数据源接入指南 选择是否配置 key。
Q：wiki 越来越大怎么办？
用 Obsidian 打开 wiki/ 目录做可视化管理，或让 AI agent 帮你整理归档。
Q：API key 会不会泄露？
config/ 已被 .gitignore 排除，不会被 git 提交。
Q：自动标签会把什么发给大模型？
会把当前 wiki 页面的 frontmatter 和正文发送给你在 config/pod2wiki.env 选择的模型服务商，只用于返回结构化标签。敏感材料应先确认所选服务商的数据政策，或跳过自动标签。
Q：可以和 Obsidian 一起用吗？
可以。安装时选择 Obsidian（或在已有 vault 中安装），Hub 会增加 reading-hub.md 和 reading-hub.base，用 9 个动态视图汇总待读内容；可直接在表格中填写 已读 / 精读 / 跳过，并优先按资料自身日期而不是本机文件时间排序。默认不安装，也不影响非 Obsidian 用户。需要 Obsidian 1.9+ 的 Bases 功能。
更多问题见 TROUBLESHOOTING.md。
- 更多真实研究工作流样例
- 更强的 screen 预设
- 更完善的 daily-watch 降级策略
- 证据来源质量分级和跨来源事件去重
- 知识索引的自动健康检查与过期提示
欢迎提 issue / PR，尤其是新 agent 适配、研究报告模板、数据源接入、真实使用摩擦点、README / 教程 / 安装流程改进。
如果这个项目对你有帮助，欢迎点一下 ⭐ Star。它会帮助更多需要"长期 AI 工作流"的人发现这个项目，也会让我知道哪些方向值得继续做。
AI Workspace Hub 是个人研究与知识管理工具，不构成投资建议。所有市场数据、公司信息、财务数字、新闻和监管信息都应以原始来源为准。
交互整理可以由当前 Agent 完成：播客工具使用 --agent-handoff 准备原文与待处理队列，Agent 阅读原文后完成摘要和标签，不要求另配模型 Key。脚本在后台独立生成摘要才需要模型 API。两种方式的步骤与完成标准见 Podcast 流程。