# 金价暴跌看懵了？我用 Kimi K2.5 + Cherry Studio 做了个“复盘神器”（附 Agent 设计+完整教程）
最近黄金一跳水，很多人第一反应是：要不要跑？要不要抄？\
但回头看，黄金这种资产最擅长的就是“给市场上强度”。它的剧烈波动，其实经常能看到历史的影子：
* **宏观预期突然转向**（利率/通胀/美元走强），黄金容易快速回撤
* **风险事件升温**（冲突、金融系统压力），避险需求又会推高价格
* **流动性紧张**时，甚至会出现“先跌后涨”的反直觉走势
问题是：刷十条新闻，得到的是情绪；但你需要的是**证据链**。\
恰好，最近 月之暗面发布并开源了 **Kimi K2.5** 模型。——它是 Kimi 迄今最智能、最全能的开源模型，在 **Agent、代码、图像/视频** 等任务上达到开源 SOTA。
\
**于是，我产生了一个大胆的想法：** 既然人脑处理不过来这么多杂乱的信息，**能不能让 Kimi K2.5 住在 Cherry Studio 的 Agent 里，帮我把这次“黄金暴跌”扒个底朝天？**
今天这篇，不是枯燥的说明书，而是带你用最新的模型、最硬核的 Agent 技能，给自己配一个 24 小时待命的金融分析团队。文末会提供这个 Agent 的文件夹 `Kimi Agent`。
你下载后，配置 3 分钟，就能跑。下面，我把设计逻辑、文件夹结构、组件拆解、运行流程，全扒给你看，如果你盯着 K 线纠结“要不要抄底”，或者被新闻轰炸却找不到真因，那你需要这个。
## **为什么这样设计？（3 条硬逻辑，不绕弯）**
1. **数据真实第一，零容忍编造**：金融分析最怕“AI 幻觉”。所以强制每步标注来源 + 时间戳，抓不到就报错（不猜）。公开源（如 Kitco、Investing.com）确保零 API Key 门槛。
2. **任务拆模块化 + 并行**：Kimi K2.5 的亮点是“Agent 集群”（自主分身、并行 1500 步）。我们用 Cherry Studio 的 Skills + Sub-agents 模拟：数据抓取、新闻搜集、报告生成三路并进，效率翻倍。
3. **输出现代化**：不吐 Markdown（谁还看纯文字？），直接生成 HTML（Chart.js 图表 + 响应式布局），对标 Kimi K2.5 的代码生成能力。
结果：一份报告 = 近一年走势图 + 暴跌时间线 + 三情景预测 + 全来源链接。发给老板/群里，直接可用。
### **📁 文件夹结构：为什么兼容 Claude Code？**
核心是 `.claude/` 目录——Cherry Studio 认这个，能自动加载 Skills 和配置。完整结构来自你的 `06-DIRECTORY_STRUCTURE.md`：
```python
Kimi Agent/ # 项目根目录
├── .claude/ # Cherry Studio Agent 核心配置区
│ ├── prompts/ # 系统提示词（双语）
│ │ ├── system_prompt_cn.md # 中文版：定义 Agent 行为 + 数据真实规则
│ │ └── system_prompt_en.md # 英文版
│ ├── skills/ # 3 个核心 Skills（自动识别）
│ │ ├── skill_financial_data_fetcher.md # 数据抓取 + 验证
│ │ ├── skill_geopolitical_analyst.md # 事件分析 + 时间线
│ │ └── skill_financial_report_generator.md # HTML 报告生成
│ ├── agents/ # Sub-agents 配置
│ │ ├── subagent_financial_intelligence.md # 量化分析子模块
│ │ └── subagents_usage_strategy.md # 协作策略
│ ├── config/ # 路径/工具配置
│ │ └── paths.conf
│ ├── settings.json # 主配置：模型 + 提示词路径 + 工具列表
│ └── mcp.json # MCP（工具服务器）配置
├── docs/ # 文档备份（README、数据源、更新日志）
├── start-gold-agent.sh # 一键启动脚本（可选）
├── USER_PROMPT_EXAMPLE.md # 示例指令
└── 备份目录（core_config/ skills/ 等）# 原始文件备份，不参与运行
```
**为什么这样分？**
* `.claude/` 是 Cherry Studio 的标准识别路径：选中工作目录，它自动加载 Skills（文件名 `skill_*.md` → Skill 名 `financial-data-fetcher`）。
* 备份区防丢：原始 Skills 在根目录 skills/，运行时用 `.claude/skills/`。
### **🔧 核心组件拆解：3 个 Skills + 插件 + Sub-agents**
#### **🧩 三大核心 Skills 设计详情**
我们来看看这三个“分身”具体是如何设计的，以及为什么要这么设计。
**Skill A：`financial-data-fetcher` (数据猎手) —— 拒绝幻觉**
* **设计痛点**：通用 LLM 最容易“瞎编”价格。你问金价，它可能编个 2023 年的数据给你。
* **Skill 逻辑**：
* **硬约束**：我们在 Prompt 里写死了规则——*“禁止使用训练数据中的价格，必须调用工具”*。
* **工具链**：配备了 `WebFetch`。它不是去“搜”百度，而是直接去“爬”指定的数据源网页（如 Kitco, GoldPrice.org, LBMA）。
* **数据清洗**：它会将爬下来的乱七八糟的 HTML 清洗为干净的 `JSON` 格式（时间戳、开盘、收盘、涨跌幅）。
* **Kimi K2.5 的作用**：利用其强大的**长文档抽取能力**，从几万行网页代码中精准定位到那个 `$2,xxx.xx` 的数字。
**Skill B：`geopolitical-analyst` (地缘逻辑库) —— 拒绝噪音**
* **设计痛点**：黄金暴跌原因很多（美元涨？打仗？抛售？）。普通搜索会把营销号的假新闻也吸进来。
* **Skill 逻辑**：
* **多源交叉**：不仅搜“金价”，还并行搜索“美元指数(DXY)”、“美联储会议纪要”、“地缘局势”。
* **时间对齐**：它会执行一个核心逻辑——**“TimeStamp Matching”**。
* *发现：* 黄金在 UTC 14:30 暴跌。
* *搜索：* UTC 14:30 发生了什么？
* *匹配：* 发现美国在 UTC 14:30 发布了超预期的 CPI 数据。
* *结论：* 暴跌由通胀数据引发。
* **Kimi K2.5 的作用**：利用其 **Agent 集群（分身）能力**，它能模拟“同时阅读 20 篇新闻”，并过滤掉情绪化噪音，只保留事实。
**Skill C：`financial-report-generator` (前端工程师) —— 拒绝平庸**
* **设计痛点**：也是 Cherry Studio 最惊艳的一步。大多数 Agent 只会给你吐一段 Markdown 文字，甚至表格都歪歪扭扭。
* **Skill 逻辑**：
* **代码优先**：这个 Skill 被训练为“只说代码语言”。它不写文章，它写 HTML + CSS + JavaScript。
* **动态交互**：即使你没有编程基础，这个组件也会调用 `Chart.js` 库，把组件 A 抓到的数据变成可缩放、可悬停查看的 K 线图。
* **视觉集成**：它会将组件 B 的分析结论，以“卡片”或“时间轴”的形式，嵌入到网页布局中。
* **Kimi K2.5 的作用**：利用其升级的 **Code（编程）** 能力，特别是前端构建能力。Kimi K2.5 生成的代码健壮性极高，几乎不需要人工 Debug 就能在浏览器跑通。
\
#### **Sub-agent 在这套 Agent 里的定位是什么？🧩**
下面把 **Kimi Agent（黄金市场分析 Agent）** 里“Sub-agent（子代理）”这一层讲清楚：它们是什么、为什么要用、怎么协作、你在文件夹里能看到什么。
> *先把话说透：* ***Skills** 更像“可复用的流程模块”；**Sub-agent** 更像“带独立工作说明书的专职角色”。*
\
主 Agent（你在 Cherry Studio 里创建的 `Gold Market Analysis Agent`）负责三件事：
1. **拆任务**：把“分析黄金走势/复盘暴跌/写报告”分成若干独立子任务
2. **派任务**：把子任务分发给不同 Sub-agent（每个子代理有明确边界与输出格式）
3. **验收与汇总**：检查数据是否有来源、时间戳，是否出现缺口；最后交给报告生成模块产出 HTML
为什么不让一个 Agent 一把梭？
* 因为“搜数据、读新闻、算指标、写前端报告”对上下文和工具调用的要求不同，揉成一个 Prompt，最容易跑偏。
* 拆开后，每个子代理的规则可以写得更死：**允许用哪些工具、输出什么结构、遇到失败怎么处理**。
\
**这套配置里有哪些 Sub-agent？分别干什么？✅**这个包里 Sub-agent 主要是三类（两类是系统预置，一类是自定义）：
**A. 系统预置：`search-specialist`（搜索与资料整理）**
* **name**: `search-specialist`
* **职责**：高级搜索、筛选结果、跨来源验证、整理引用
* **输出特点**：会给出搜索策略、来源 URL、关键引用（适合做“暴跌触发因素时间线”）
用在黄金分析里，它通常负责：
* “暴跌”的相关新闻源头、发布时间、关键句
* 央行、宏观数据发布（如 CPI、利率决议）对应的官方/权威来源页面
* 同一指标的多源校验（比如 Kitco vs GoldPrice vs Investing）
**B. 系统预置：`business-analyst`（指标与相关性分析）**
它的工具是 `Read, Write, Bash`，很适合做**结构化分析**：
* 相关性（黄金 vs DXY、黄金 vs 实际利率）
* ETF 持仓变化（如 SPDR Gold Trust）
* KPI 计算（年化波动率、回撤等——前提是拿到了真实数据）
它的价值在于：**把“看起来像分析”的描述，变成“可计算、有中间过程”的结论。**
**C. 自定义 Sub-agent：`financial-intelligence-agent`（历史数据/技术指标/预测）**
路径：`.claude/agents/subagent_financial_intelligence.md`它覆盖了更偏“量化流水线”的工作：
* 拉取历史数据（OHLCV、经济指标、利率、通胀等）
* 计算 RSI / MACD / 布林带 / 均线 / 波动率
* 输出一组可追溯的中间文件：CSV、JSON（例如 `gold_technical_indicators.csv`、`correlation_analysis.json`、`gold_price_forecast_12m.csv`）
> *这一层特别关键：它把“技术分析”从聊天内容里剥离出来，变成可落盘的产物。之后复用、对比、发给别人，都方便。*
#### **Sub-agent 是怎么被“调度”的？（并行策略）⚙️**
这套系统优先走 **并行**，因为黄金复盘天然是多源信息任务。
**Phase 1：并行收集（减少等待）**
* `search-specialist`：搜“暴跌当天关键新闻/数据发布时间线”
* `financial-intelligence-agent`：拉取近一年价格序列 + 计算指标
* `business-analyst`：计算相关性、整理 ETF/宏观的解释框架
**Phase 2：串行计算（有依赖的放后面）**
* 只有当历史数据落盘后，才计算指标/波动率/支撑阻力等
* 若发现数据缺口，再回到 `search-specialist` 补来源
**Phase 3：汇总交付**
* 主 Agent把三路结果“对齐时间戳、对齐口径”
* 再调用报告生成模块输出 HTML（含图表、时间线、引用清单）
这就是为什么这套 Agent 在“热点场景”更能打： **黄金暴跌=信息密集+口径混乱**，并行搜证 + 校验 + 汇总，能显著降低“看了很多但更迷糊”的情况。
***
#### **Sub-agent 和 Skills 的关系：别搞混了🤝**
在你的包里，两者是互补的：
* **Sub-agent**：更像“专用工作模式”，解决“谁来做、怎么做、用哪些工具、输出什么格式”的问题
* **Skills（.claude/skills/）**：更像“可重复调用的流程模块”，解决“这一步怎么稳定执行”的问题 例如：
* `financial-data-fetcher`：强调多源校验、禁止编数字、输出结构化数据
* `geopolitical-analyst`：强调事件分类、因果机制、时间线格式
* `financial-report-generator`：强调 HTML 模板、Chart.js、来源列表、可打印样式
简单说： **Sub-agent 负责把工作分出去；Skills 负责让每一步更稳、更可复用。**
#### **你在文件夹里怎么确认 Sub-agent “真的生效了”？🔍**
看两个地方就够了：
1. **目录是否标准**
1. `.claude/agents/` 里有 `subagent_financial_intelligence.md`
2. **运行日志**（Cherry Studio 内）
1. 你会看到工具调用和任务分派痕迹（WebSearch/WebFetch/Bash/Write）
2. 最后能落地生成文件：例如 `gold_analysis_report.html`、若配置包含中间产物也会输出 CSV/JSON
如果你希望“更显眼”，可以在主 Prompt 里加一句硬约束：
> *“请在报告附录列出本次调用了哪些 sub-agent / skills，以及各自产出的文件名。”*
这样读者一眼就能看出：这不是聊天，这是流水线。
## **🛠️ 实战教程：三步复刻你的专属 Agent**
不用写代码，不用配环境。我打包了一个**“Kimi Agent”文件夹**，你只要会“复制粘贴”就能用。
### **Step 1：模型配置（月之暗面 的 `kimi-K2.5` + Anthropic 端点）**
这是让 AI 变聪明的核心。
1. 打开 Cherry Studio → **模型服务** → 点击 **月之暗面**
2. 跳转 月之暗面 开放平台获取 **API Key**（模型调用需要；数据抓取不需要额外 Key）
**⚠️ 高能预警（必做）：** 在 Cherry Studio 的配置里，把 **“端点类型 (Endpoint Type)”** 必须改为 `Anthropic`。
* *为什么要改？* 因为 Cherry Studio 的 Agent 协议需要在 Anthropic 端点模式下运行，这样才能让 Kimi K2.5 完美调度上面提到的那些 Skills。
\
### **Step 2：创建 Agent（直接挂载文件夹 `Kimi Agent`）**
> 文末我为你准备好了名为 `Kimi Agent` 的文件夹，里面预装了所有技能，你不需要手动重复写 Skills/Sub-agent。
1. Cherry Studio → 助手列表旁点 **+** → **创建 Agent**
2. 名称：`Gold Market Analysis Agent`(或者你喜欢的名字)。
3. 模型：选择刚配置的 **月之暗面 /** `kimi-K2.5`
4. 工作目录：选择你下载并解压的 `Kimi Agent` 文件夹
5. 打开文件夹里的系统提示词（例如 `.claude/prompts/system_prompt_cn.md`），粘贴到 Cherry Studio 的 **系统提示词**框。
### **Step 3：打开工具权限 + 插件 + Skills（照单全勾）**
1. **权限开启**：在 Agent 配置里开启权限并授权工具（少一个都可能卡住）：
* `bash`
* `fetch`
* `edit`
* `multiedit`
* `webfetch`
* `web search`
* `write`
2. **配置插件：**
添加系统预置 plugin：
* `business-analyst`
* `search-specialist`
系统 skills：
* `Excel Analysis`
## **见证“魔法”**
一切就绪。打开文件夹里的 `USER_PROMPT_EXAMPLE.md`，里面有一段写好的**深度指令**，直接复制发送给 Agent。**这段指令会让 Agent 做三件事：**
1. **查**：搜索黄金暴跌的具体跌幅和发生时间。
2. **找**：利用 Kimi K2.5 的联网能力，寻找月之暗面官方关于新模型的特性介绍（不准瞎编）。
3. **比**：寻找历史上类似的暴跌形态，分析是否有“影射”关系。
### **📊 最终效果呈现：它交出了什么？**
点击发送，你会看到 Agent 开始疯狂运转。 日志里会显示：`Thinking...` -> `Searching News...` -> `Calculating...`一段时间后，你不会得到一句废话，而是会收到一份 **HTML 格式的深度研报**：
* 📈 **近一年黄金走势可视化**（图表 + 表格）
* 🧷 **关键暴涨/暴跌区间标注**（尤其是“暴跌”）
* 🗓️ **事件时间线**（每条事件带来源链接，可复核）
* 📊 **技术指标/相关性分析**（有数据就计算；缺失就明确说明）
* 🔮 **三情景预测**（条件、区间、风险提示写清楚）
* 🧾 **数据来源清单**（URL + 抓取时间戳）
\
**最终，你会得到一个** `gold_analysis.html` **文件，打开即看：**
***
## **💭 写在最后**
这次体验让我最震惊的，不是 Kimi K2.5 变得多强，也不是 Cherry Studio 有多好用。 而是 **“确定性”**。在金融市场，信息就是金钱。
以前我们靠猜，现在我们靠 Agent。通过把 Kimi K2.5 装进 Cherry Studio，我们其实是给自己雇了一个**“绝对理性、24小时联网、数据可溯源”**的超级员工。
**这次黄金暴跌也许你没躲过，但如果学会了这套 Agent 玩法，至少在认知的维度上，你已经赚回来了。**\
\
当你掌握了**“把复杂任务拆解为 Skills 组件”**这一核心逻辑，再加上 **Kimi K2.5** 在任务规划、工具调用上的质变，你会发现，你以前觉得“AI 做不到”的事情，现在都可以交付给 Agent 了：
* **🕵️♂️ 市场侦察兵**： 不想手动刷竞品网页？让 Agent 自动抓取 10 个竞品的最新价格与功能更新，清洗去重，每天早上 9 点把整理好的 Excel 对比表推送到你桌面。
* **💻 影子程序员**： 代码写不完？不仅是补全代码，你可以让 Agent 读取整个项目文件夹，根据需求自动编写功能模块、运行本地测试、修复 Bug，并顺手生成一份完美的 API 文档。
* **✈️ 极致旅行家**： 拒绝流水账攻略。让 Agent 根据你的预算实时比价机票酒店，综合天气与当地活动评价，规划一条精确到分钟的行程，甚至生成 PDF 路书。
\
**Agent 的真正魅力，不在于它能陪你聊多久，而在于它的自主性和交付力**——它能像今天的黄金分析师一样，在你喝咖啡的时候，默默把活儿干完。这种**“任务自动化”**的感觉，一旦体验过，就回不去了。
我们诚挚地邀请你跳出框架，去探索更多硬核、有趣、实用的场景。无论是工作流优化，还是生活黑科技，请将你的奇思妙想和 Agent 配置文件分享出来。
📩 **投稿与交流**：\
**别等未来了。属于你的 AI Agent 时代，从这一刻，已经开始。**
\
👇 **现在就下载，接入 Kimi K2.5，构建你的第一支数字化团队：**
📥 **附：Kimi Agent 配置文件夹下载链接 ：***(请确保已安装 Cherry Studio v1.7.0+ 版本)*
\
\
\
---
# Agent Instructions: Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter:
```
GET https://docs.cherry-ai.com/advanced-basic/agent-an-li/jin-jia-bao-die-kan-meng-le-wo-yong-kimi-k2.5-+-cherry-studio-zuo-le-ge-fu-pan-shen-qi-fu-agent-she.md?ask=
```
The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.