Gendangzou-skill

一句话定位

把 A 股的政策风向、媒体口径、资金动向和板块关系，做成 AI Agent 能直接查的能力。

做这个东西的人

MobiusQuant 出品 —— 这不是个人项目，是有商业实体的产品。证据齐全： 独立官网（gendangzou.mobiusquant.ai）、独立文档站（docs.mobiusquant.ai）、 官方社群、Apache-2.0 协议、明确列出支持的五个 Agent 平台。

判断：一个个人开发者不会去搭文档站和写多平台适配矩阵。 这是团队在用开源做分发，商业化在别处。

它到底能做哪几件事

• 查政策到板块的传导 → 给一条政策，找出受影响的板块、公司和 ETF，并给出可溯源的关系链
• 串四类信号 → 政策、权威媒体、市场关注度、资金确认，四条线索交叉验证同一个判断
• 实时查询 → 不是静态数据包，是能问当下的
• 给 Agent 用，不是给人用 → 装进 Claude Code / Codex / OpenClaw / Hermes / WorkBuddy， 由 agent 调用，输出直接进推理链
• 支持二次开发 → 有 API 文档和应用开发指南，允许在它上面搭自己的东西
• 双入口设计：README_AGENT.md 给 agent 读（怎么装、怎么验证、怎么卸载）， SKILL.md 给日常业务调用读

它明确不做什么：不给买卖建议，不做交易执行，不做回测。 它只做"从政策到标的的可溯源关系"这一层。

它在替代什么旧行为

研究员看政策选股的实际流程：读政策文件 → 判断影响哪个行业 → 翻研报找受益标的 → 查资金流验证 → 看媒体口径确认预期。 一条完整链路要花半天到一天，而且每次都要重来。

旧行为极其明确，且高频重复。 政策每天都有，链路每次都一样。 这正是最适合被工具吃掉的那种工作。

商业模式

开源 Skill 免费（Apache-2.0），但 API 和数据在自己手里。

这个结构很清楚：Skill 是钩子，负责获客和建立习惯； 真正的价值和收费点在数据服务和 API 配额上。

判断：这是目前 AI 时代最成立的开源变现结构之一 —— 送工具、卖数据。工具可以被抄，持续更新的数据不能。

硬数字

• 开源关注 184
• 支持 5 个 Agent 平台
• 定价、用户数、API 调用量：未披露

四维评估

判断

这个产品最聪明的地方是它选择服务 agent 而不是服务人。

同样的数据，做成网页给人看，要和一堆金融终端正面竞争；做成 skill 给 agent 调用， 竞争者几乎为零，而且它变成了 agent 推理链的一环 —— 一旦被写进某个人的工作流， 迁移成本极高。

可迁移的规律：当一个赛道的 To C 界面已经拥挤到打不动时， 往下一层做成"别人产品的能力"，是绕开正面竞争最省力的路径。 它不和同花顺抢用户，它让用户的 agent 来调它。

代价是天花板受制于 agent 生态的成熟度。现在会用 Claude Code 查股票的人有多少？ 很少。它赌的是这个数字会涨，而在涨之前它得活着。

它和「跟党走」这个名字也值得说一句：在中文语境里这是极强的记忆点， 但也把自己锁死在了 A 股市场 —— 这个名字出不了海。取这个名字的人应该是想清楚了的。

下一步看什么

1. API 有没有定价页 —— 现在看不到收费入口，出现了才说明变现路径跑通了
2. 支持的 Agent 平台数量会不会继续加 —— 加得越多说明真有人在用， 不加说明适配是一次性的宣传动作
3. 数据更新频率 —— "实时查询"是宣称，实际是分钟级、日级还是周级，决定了它的真实价值

可借鉴的做法

产品逻辑：最值得看的是它的四线交叉结构 —— 政策、媒体、市场关注、资金确认， 四条独立线索验证同一个判断。这个结构比任何单一信号都稳， 而且不限于股票：地产的政策、舆情、成交、资金，是同一个模型换一套变量。

商业模式（最值钱的一条）：送 Skill、卖数据 API。 能力免费送出去建立使用习惯，收费点放在持续更新的数据或服务上。 工具会被抄，数据不会。

定位策略：不做 To C 界面，做成「别人 agent 的一个能力」。 这条路适合手上有专业判断、但不擅长大众产品运营的团队 —— 把判断结构化，借别人的入口分发。

结论

重点研究。 它同时给出三样东西：一个把专业判断做成 agent 能力的完整样本、 一个可迁移的四线交叉分析结构、一个已经跑通的开源变现模型。