企业官网建设流程全解析

Hermes Agent 实战拆解：从行情到 DCF，搭建你的 AI 金融分析师

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent

每天早上手动拉一遍持仓股价，搭 DCF 模型又要耗半天，周报临到头还在人肉拼接数据——这是很多做金融分析的人的日常。Hermes Agent 是一个自学习、可扩展的开源 AI 代理框架，配合可插拔的金融技能体系，能把行情获取、估值建模、报告生成串成一条自然语言驱动的工作流，并支持定时自动执行。这篇分享讲清楚它怎么装、怎么用、能自动化到什么程度。

Hermes Agent 是什么：一句话定位与能力全景

Hermes Agent 的定位是"会成长的代理"：核心是一个 AI 代理运行时，外层挂技能（skill）插件体系，金融分析能力就以官方技能包的形式提供，按需安装。你不需要自己写爬虫和建模脚本，用自然语言描述需求，代理负责调用对应的技能模块完成任务。

它的整体能力域可以概括为六块：

• 多模型调度：300+ 模型可切换，从云端大模型到本地部署的轻量模型
• 技能插件体系：金融技能（stocks、DCF、三表模型等）可独立安装、独立卸载
• 定时自动化：内置 cron 系统，分析任务可按计划自动触发
• 跨平台消息通道：Telegram、Discord、Slack 等渠道可接收结果推送
• 本地/云端双部署：数据敏感的场景可完全本地运行
• 成本弹性：简单查询用便宜模型，复杂建模再上大模型，按任务付费

五分钟上手：安装与首次调用

安装命令

安装分平台各一条命令，Linux、macOS、WSL2 用户用 shell 脚本，Windows 用户用 PowerShell：

curl -fsSL https://hermes-agent.nousresearch.com/install.sh | bash iex (irm https://hermes-agent.nousresearch.com/install.ps1)

激活金融技能

装好框架后，金融技能是按需安装的。下面三条覆盖行情、估值、报表三类最常用的 Hermes Agent 金融技能：

hermes skills install official/finance/stocks hermes skills install official/finance/dcf-model hermes skills install official/finance/3-statement-model

Python 环境和 Node.js 依赖由安装脚本自动处理，不需要手动建虚拟环境或配置路径。

核心金融技能拆解：行情、估值与报表

实时行情与多标的对比

stocks技能基于 Yahoo Finance 公开数据，不需要 API 密钥就能拿实时报价、历史序列和加密货币价格，适合快速核对数字和多标的横向比较：

hermes "查询 AAPL 当前股价和今日涨跌幅" hermes "对比 AAPL、MSFT、GOOGL 近三个月的走势" hermes "拉取 TSLA 过去六个季度的历史数据"

机构级估值建模

dcf-model提供的是接近投资银行工作底稿的 AI DCF 估值模型，输出内容包括：

• 熊市、基准、牛市三情景假设，估值区间一目了然
• 5×5 敏感性表，展示估值对 WACC 和终端增长率的双变量反应
• 带公式的 Excel 工作簿，可直接作为报告附件
• 每个关键假设附带数据来源与推导注释，便于复核

调用方式仍然是自然语言：

hermes "为 NVDA 构建 DCF 估值模型，三情景分析，WACC 取 9.5%，输出 Excel"

财务报表解读与比率分析

3-statement-model技能面向三张主表的联动分析，可以输出的维度包括：

• 损益表：收入结构、毛利率变化、费用率趋势
• 资产负债表：资本结构、营运资本、资产周转
• 现金流量表：经营/投资/筹资现金流匹配度、自由现金流质量
• 关键比率：ROE 拆解、偿债能力、流动性指标
• 风险识别：异常科目、一次性损益、持续失血的现金流信号

配合 DCF 技能，一个完整的"报表底稿 + 估值结论"流程就齐了。

让分析自动跑：定时任务与看板协同

手动跑一遍分析是点，定时跑一遍才是面。Hermes Agent 的 cron 系统让任务按计划触发，kanban 看板则负责呈现：哪些任务在跑、哪些完成、结果挂在哪个会话里。两者组合后的逻辑是——cron 负责"什么时候跑"，看板负责"跑到什么程度了"，结果通过消息通道或看板会话交付。

两条最典型的定时任务：

hermes cron add "daily_market_report" --schedule "0 9 * * 1-5" hermes cron add "portfolio_monitor" --schedule "0 * * * *"

基于这个组合，常见的自动化形态有四种：

• 每日市场简报：交易日早 9 点汇总指数与持仓异动
• 每小时持仓检查：盘中盯仓，触发阈值才推送，不刷屏
• 风险预警触发：单一持仓回撤超设定幅度时立即通知
• 月末财务报告：每月最后一个工作日生成三表分析并归档

这样一套配置下来，自动化投资组合分析就成型了：人只在结论和异常两个环节介入。

三个场景演示

个人组合复盘与优化

手上 3-5 只持仓，想定期看看组合质量：

hermes "我的组合：AAPL 100 股、MSFT 50 股、GOOGL 30 股，先算当前盈亏" hermes "计算组合的集中度、行业暴露和波动率" hermes "基于现代投资组合理论给出一版再平衡建议" hermes "若任一持仓单日回撤超 5%，通过 Telegram 通知我"

产出是一页组合体检结论 + 再平衡方案，外加一条常驻的回撤监控任务。

单公司深度 DCF 估值

对一家候选标的做机构视角的定价：

hermes "拉取 TSLA 最新三个年度的收入、毛利和自由现金流" hermes "以收入增速 12%、WACC 9%、终端增速 2.5% 建 DCF 三情景模型" hermes "对 WACC 和终端增速做 5x5 敏感性，输出 Excel" hermes "汇总成一份估值备忘录，注明每个假设的数据出处"

产出是一份可直接进投委会材料的估值备忘录：模型、敏感性、假设出处齐全。

行业与板块趋势扫描

看板块而不是看个股时，任务变成批量筛选：

hermes "扫描半导体板块过去一年的指数表现和领涨成分股" hermes "按 PE、PB 和营收增速三档筛选板块内的低估值标的" hermes "汇总最近两周关于 AI 芯片的行业新闻和情绪倾向" hermes "把筛选结果排成看板任务，按置信度分三档"

产出是一张带分档的候选清单，后续个股深度分析可以逐个派给代理跟进。

进阶玩法：多模型协同与自定义扩展

多模型分工策略

• 轻量模型负责初筛：批量拉数据、算比率，便宜且快
• 大模型负责深研：DCF 假设推导、报告撰写
• 不同模型交叉验证同一结论，分歧处人工复核

编写自定义技能

有特定方法论（比如自建评分体系）时，可以写自己的技能。骨架长这样：

from hermes_agent.skills import BaseSkill class PortfolioScorerSkill(BaseSkill): def score_portfolio(self, holdings, weights): """计算组合综合评分，返回 0-100 分值""" ... def detect_concentration_risk(self, holdings): """识别行业与个股集中度风险点""" ...

注册后即可像官方技能一样被自然语言调用，细节见 README.md 中的技能开发说明。

数据源扩展

• 公开 API：Yahoo Finance（默认）、Alpha Vantage 等
• 私有接口：企业内部行情/风控系统，走自定义数据源接入
• 本地文件：Excel、CSV、JSON 财报底稿直接丢给会话
• 实时数据流：WebSocket 或消息队列订阅，喂给监控类任务

安全合规与性能调优

数据安全与合规

1. 敏感数据可全链路本地处理，不经过云端
2. 会话与配置数据加密存储，密钥不落在明文文件里
3. 支持基于角色的访问控制（RBAC），团队成员按权限使用
4. 完整审计日志，谁在什么时候跑了什么分析可回溯

需要明确的一点：Hermes Agent 的定位是分析与研究工具，不替代持牌投资顾问，任何重要决策都应人工复核后再执行。

性能与扩展

1. 内存：批量建模任务按需调高分析进程的内存上限
2. 模型选择：初筛用低价模型，深研用强模型，控制单次成本
3. 并发：多个板块扫描任务可并行调度，缩短出结果时间
4. 缓存：行情与财报数据设缓存 TTL，避免重复拉取

后续可扩展的方向主要是两条：接入自定义数据源（专有行情、内部数据），以及沉淀符合自己团队格式的报告模板。

常见问题

不写代码能用起来吗？基础功能全部通过自然语言调用，装完技能直接对话即可。只有编写自定义技能时才需要 Python 基础。

行情数据的准确性怎么看待？数据来自 Yahoo Finance 等公开源，用于研究足够，但重要决策建议与第二个独立数据源交叉核对。

能接实时交易吗？不建议。它的时延和定位都不适合下单决策，把它当作研究工具，执行环节留给交易系统和人工。

支持哪些市场？全球主要股票市场和主流加密货币，其他市场可通过数据源扩展接入。

费用怎么算？框架本身免费开源，成本主要是调用大模型的 API 费用，用本地模型则趋近于零，具体随用量浮动。

每天早上那批重复的拉数、建模、拼周报，现在可以交给它定时跑。你只需要在结论出来时看一眼：

hermes "分析我持仓组合的表现，生成今日复盘简报"

【免费下载链接】hermes-agentThe agent that grows with you项目地址: https://gitcode.com/GitHub_Trending/he/hermes-agent