最近我一直在折腾自己的投资工作流，想把 AI Agent 和真实的行情、持仓、交易动作接到一起。手里一边是 [[Longbridge]] 账户，一边是 [[OpenClaw]] 这类可以扩展 Skill 的开源 Agent，单看都不缺能力，问题是它们原本不在一个工作界面里。查行情要切 App，下单要切网页，想做一点自动化分析还得自己补脚本。直到我把 Longbridge 官方的 longbridge-terminal 和 OpenClaw 里的 Longbridge Skill 接上，这套东西才终于顺了起来。现在我可以直接在终端里问 AI 一句话，让它去查报价、看持仓、整理数据，必要的时候再把下单命令准备好。这篇就把我自己跑通的过程和一些实际感受整理下来。
为什么要把 Longbridge 接入 OpenClaw
先说说我为什么会折腾这件事。[[Longbridge]] 的 App 其实已经做得不错，日常看盘、下单都没有问题。但我平时大部分时间都泡在终端和编辑器里，一旦要在写代码的间隙看一眼 NVDA 报价、核对一下持仓盈亏，或者顺手验证一个交易想法，就得把注意力从当前窗口里抽出去。看起来只是多点几下，实际很打断节奏。另一条路是自己写脚本接 OpenAPI，但那又是另一种麻烦，因为每多一个需求，往往就多一段脚本要维护。
OpenClaw 刚好把这个问题接住了。它本身是一个开源的 AI 助手，支持 Skill 机制。只要某个能力最终能落到命令行上，就能被包成一个 Skill 交给 AI 调用。这个思路不复杂，但很好用，因为它把“工具会用”和“AI 会调这个工具”分成了两层。CLI 负责把能力暴露出来，Skill 负责告诉 AI 什么时候该用、该怎么用。对我这种已经有一堆终端工具的人来说，这比重新等一个完整 GUI 产品成熟要现实得多。
把 Longbridge 接进去之后，很多以前要自己动手拼的小动作都可以直接交给 AI 了。比如我会问它“帮我看看现在持仓里 NVDA 是赚是亏”，它就去调用对应命令把结果整理出来。再复杂一点，也可以让它做组合层面的事，比如统计美股持仓的行业分布、汇总这周的持仓变化，或者盯着 TSLA 的盘前价格到某个阈值时提醒我。说到底，这套玩法最吸引我的地方不是“AI 会下单”，而是它终于把查数据、整理数据、准备动作这几个步骤收进了同一个界面里。
Longbridge CLI 是什么
Longbridge Terminal CLI，也就是 longbridge-terminal，是 [[Longbridge]] 官方出的命令行工具。它覆盖的范围很广，基本把 Longbridge OpenAPI 里常用的能力都搬到了命令行上，行情、账户、订单、公告、财务数据这些都在里面。项目本身是 [[Rust]] 写的，更新也比较勤。对我来说，最重要的不是它是不是“AI-native”这种标签，而是它从一开始就把命令行输出做得比较规整，很多命令都能直接吐 JSON，这样 AI 才有东西可读。
它能做的事其实不少。查报价、五档、逐笔、K 线、盘中分时、财务报表、机构持仓、历史分红、账户余额、持仓、订单记录，这些都能直接拉。你如果只是把它当一个终端版行情工具来用，也已经够值了。更重要的是，它和 Skill 机制很搭，因为 Skill 最怕的不是能力少，而是底层工具输出不稳定、不好解析。Longbridge CLI 在这一点上做得还不错。
我自己比较常用的一块是期权链。以前在 App 里来回切期权到期日和行权价，总觉得差点意思。换成 CLI 之后，像 longbridge option chain AAPL.US --date 2024-01-19 这种命令，一次就能把完整链条拉出来。做策略筛选的时候，这种效率差别是很明显的。
认证流程走的是 OAuth 2.0 device flow，这一点我也挺喜欢。跑 longbridge login 之后，终端会给你一个地址和验证码，你拿任何一台能开浏览器的设备去授权就行。对远程服务器或者没有图形界面的环境特别友好，也省掉了把账号密码塞进脚本里的坏习惯。
OpenClaw Skill 体系简介
OpenClaw 这边关键的就是 Skill。一个 Skill 说穿了就是一个目录，里面放一个 SKILL.md，再带上一些脚本、模板或者参考文件。SKILL.md 负责把规则讲清楚：什么场景该触发、该调用哪个底层命令、输出怎么处理。AI 依赖的是这层说明，不是凭空猜测。
OpenClaw 启动时会扫一遍 skills 目录，把这些描述加载起来。等你提问题时，它再去判断要不要用某个 Skill。这个设计我一直挺喜欢，因为它比把所有说明都硬塞进 system prompt 要节省得多，也更容易维护。你哪条规则写得不顺手，改 Skill 就行，不用去碰更底层的配置。
现在社区里已经有人把 Longbridge OpenAPI 做成了现成 Skill，发布在 OpenClaw Skills Marketplace 上，名字是 openclaw-skills-longbridge-openapi。它把行情、K 线、账户、订单这些常用动作都封装好了，所以第一次接的人不用从零自己写。
不过这里还是要区分一下 CLI 和 Skill 的职责。CLI 是干活的，Skill 是教 AI 怎么叫人干活的。没有 CLI，Skill 只是空说明；没有 Skill，AI 又不一定知道该在什么场景下调哪条命令。我的做法是尽量让 CLI 保持“纯工具”，把“用户问到行情时优先用 longbridge quote”“用户问到 K 线时用 longbridge kline”这种映射写进 Skill。这样出问题的时候也比较好查，到底是工具坏了，还是规则写得不够清楚。
配置流程详解
整个流程其实就三步：装好 Longbridge CLI、完成登录、再把 Skill 接进 OpenClaw。下面按顺序展开。
安装 Longbridge CLI
CLI 的安装非常简单。在 macOS 上推荐使用 [[Homebrew]]：
brew install --cask longbridge/tap/longbridge-terminal
如果你不想用 Homebrew，或者在 Linux 上使用，可以直接运行官方的安装脚本：
curl -sSL https://open.longbridge.com/longbridge/longbridge-terminal/install | sh
Windows 用户可以通过 [[Scoop]] 或者 PowerShell 脚本安装：
iwr https://open.longbridge.com/longbridge/longbridge-terminal/install.ps1 | iex
安装完成后运行 longbridge --version 确认安装成功。在 macOS 和 Linux 上，二进制文件会被放到 /usr/local/bin/longbridge；在 Windows 上则是 %LOCALAPPDATA%\Programs\longbridge\longbridge.exe。
完成认证
安装完 CLI 之后第一件事就是登录。运行：
longbridge login
终端会输出一段类似下面的信息：
Visit https://open.longbridge.com/activate
And enter the code: ABCD-1234
打开浏览器访问那个 URL，登录你的 [[Longbridge]] 账户，输入终端给出的 code 并点击授权，几秒之后 CLI 那边就会显示登录成功，token 会被自动保存到本地配置目录（macOS 上通常是 ~/.config/longbridge/）。这种 device flow 的好处是你不需要在终端里输入用户名密码，token 也是按设备颁发的，可以随时通过 longbridge logout 注销。
如果你在远程服务器上部署，整个流程也是一样的。即便服务器上没有浏览器，CLI 给出的 URL 你也可以在本地电脑或手机上打开完成授权，授权信息会通过 Longbridge 的服务端同步给 CLI。
在 OpenClaw 中安装 Longbridge Skill
OpenClaw 的 Skill 默认安装位置是 ~/.openclaw/skills/。从 OpenClaw Skills Marketplace 安装 Longbridge OpenAPI Skill 有几种方式。最简单的是通过 OpenClaw 的命令行工具：
openclaw skill install openclaw-skills-longbridge-openapi
这条命令会从 Marketplace 下载 Skill 包并解压到 ~/.openclaw/skills/longbridge-openapi/ 目录。安装完成后，你可以查看里面的 SKILL.md 文件，了解 Skill 的具体描述和使用方式。
如果你倾向于手动管理，也可以直接从 GitHub 仓库 openclaw/skills 的 skills/genkin-he/longbridge-openapi/ 路径下克隆 Skill 文件夹，放到本地的 skills 目录即可。手动安装的好处是可以根据自己的需要修改 SKILL.md，比如调整某些命令的默认参数、添加自己常用的工作流模板等。
安装完成后需要在 OpenClaw 的配置文件 ~/.openclaw/openclaw.json 里启用这个 Skill。OpenClaw 使用 JSON5 格式（支持注释和尾随逗号），配置示例如下：
{
// 启用本地 skills 目录
"skills": {
"enabled": true,
"paths": ["~/.openclaw/skills"]
},
// 为 Longbridge skill 设置环境变量（如果需要）
"env": {
"LONGBRIDGE_APP_KEY": "your_app_key",
"LONGBRIDGE_APP_SECRET": "your_app_secret",
"LONGBRIDGE_ACCESS_TOKEN": "your_access_token"
}
}
需要注意的是，如果你已经通过 longbridge login 完成了 CLI 端的 OAuth 登录，那么 Skill 中可以直接调用 CLI 命令，无需再单独配置环境变量；但如果你的 Skill 是直接调用 Longbridge OpenAPI（绕过 CLI），那么 App Key、Secret、Access Token 是必须的。这两种调用方式各有优缺点，下面会详细说。
实战体验
我配置好之后，先拿最基础的查询试了一圈。比如问它“帮我看一下 NVDA 现在的报价和今天涨跌”，OpenClaw 就会去跑 longbridge quote NVDA.US，再把结果整理成我看得懂的格式。这个场景听起来不复杂，但一旦你真的开始这么用，就会发现它很顺手，因为你不用再自己记命令、切窗口、抄代码。
我后来用得最多的是组合查询。比如我会直接问“把 AAPL、NVDA、TSLA、META 今天的表现按涨跌幅排一下”。它会一次把几只股票的报价拉回来，排好序，再给个简单总结。手动做当然也不是不行，但你很难说服自己每天都愿意重复敲这一串。
K 线和财务数据也是类似。我会让它拉 BABA 过去 30 天的日 K，再顺手看看波动区间和最近走势；或者让它把 TSLA 最新一个季度的营收、净利润变化提出来，先做个粗筛。这里 AI 最有用的地方，不是它分析得多深，而是它把“拿数据”和“先整理一遍”这两步顺手做掉了。很多时候我只是想先看个大概，判断值不值得再往下研究，这种轻量整理就很够用了。
至于交易，我目前还是很保守。我只拿小金额做过测试，也只在自己明确下指令的时候才让它准备订单。Longbridge CLI 本身在 buy、sell、cancel 这类操作上会有确认提示，这已经能挡掉不少误操作，但我还是建议在 Skill 里再写死一条规则：除非用户明确要求，否则不要主动下单。行情和分析可以放开一些，交易动作还是得把最后一道闸门握在自己手里。
避坑指南
第一个坑是 token 的管理。Longbridge CLI 的 token 默认存储在本地，但 token 是有有效期的，过期之后需要重新登录。如果你在自动化脚本里调用 CLI，建议增加一个 token 刷新的检测逻辑，或者在 Skill 的初始化部分加上 token 校验。我自己写了一个简单的 wrapper 脚本，每次执行 CLI 命令前先检查 token 是否有效，无效时自动触发 longbridge login 流程。
第二个坑是 Skill 的描述精度。OpenClaw 的 AI Agent 是根据 Skill 的描述来判断是否调用的，如果描述写得太模糊，AI 可能在不该调用的时候调用，或者在该调用的时候漏掉。我的建议是在 Skill 的 description 字段里明确列出触发关键词，比如「股票」「行情」「报价」「持仓」「订单」等中文词汇，以及对应的英文词汇，提高匹配准确率。
第三个坑是市场代码的格式。Longbridge 使用统一的代码格式，港股是 XXX.HK，美股是 XXX.US，A 股是 XXX.SH 或 XXX.SZ。但 AI 有时候会忘记加这个后缀，比如直接说 NVDA 而不是 NVDA.US。在 Skill 里我加了一段说明，要求 AI 在调用 CLI 之前必须把股票代码补全成完整格式，否则 CLI 会报错。
第四个坑是数据频率的限制。Longbridge OpenAPI 对实时行情订阅有 QPS 限制，免费用户和付费用户的额度不一样。如果你让 AI 短时间内查询大量股票，可能会触发限流。建议在 Skill 里加上「同时查询不要超过 N 只股票」之类的约束，避免触发限流导致整个流程失败。
第五个坑是 CLI 与 Skill 的职责划分。我一开始尝试让 Skill 直接调用 Longbridge OpenAPI 的 Python SDK，结果发现需要管理一堆环境变量和 Python 依赖，反而比调用 CLI 更复杂。后来我把所有调用都改成走 CLI，Skill 只负责描述「什么时候用什么命令」，整个架构清爽了很多。所以如果你也是新手，建议优先走 CLI 路线，等熟练之后再考虑直接调用 SDK。
进阶玩法
跑通基础流程之后，我开始把它往更像“日常助手”的方向调。第一个比较实用的是盘前简报。我在 OpenClaw 里做了一个 /morning-brief，让它每天早上把持仓报价、主要指数、当天财报、我关注股票的公告拉一遍，再汇总成一份 Markdown 放进 [[Obsidian]]。这个东西不花哨，但我现在真的会用，因为它把原来散落在几个地方的信息收拢到了一起。
第二个我常用的是价格提醒和持仓监控。我会让它定时跑 longbridge positions 和 longbridge quote，算一下当前盈亏比例。如果到达我预设的止损或止盈区间，就通过 [[Telegram]] 发个提醒。这个工作流没有自动交易那么刺激，但对我来说更实用，也更安心。
财报季的时候，这套东西也特别顺手。我会让它盯住几家公司，在财报出来之后立刻拉一遍关键数据，先看营收、净利润和市场预期差多少。很多时候我并不需要第一分钟就做交易决策，但我确实想第一时间知道“这份财报大概好还是坏”。AI 在这里扮演的更像一个替我做初筛的研究助理。
期权筛选也是类似。结合 longbridge option chain 和 longbridge calc-index，它可以先把满足条件的合约挑出来，我再去看有没有值得进一步研究的标的。这个过程以前不是不能做，只是太碎了。现在我愿意更频繁地试，是因为入口变低了。
如果要说我对这些玩法最看重什么，不是“自动化程度很高”，而是它把很多重复、枯燥、但规则又很明确的工作替我先做了。真正要拍板的时候，还是我自己来。
安全性与合规考量
虽然这套工作流很好玩，但只要碰到真实账户，安全和合规就不能只当免责声明看。最先要管好的还是凭证。无论是 CLI 的 OAuth token，还是 Longbridge OpenAPI 的 App Secret，都别出现在公开仓库、shell 历史或者日志里。我自己的做法是交给 macOS Keychain 管，再用一层很薄的 shell 脚本在运行时注入。
第二个问题是权限边界。就算 OpenClaw 跑在本地，我也不会把下单权限无条件交给 AI。在我的 Skill 里，buy、sell、cancel、replace 这类写操作都要求人工确认。这样做当然没那么“全自动”，但我宁愿慢一点，也不想哪天因为一句模糊指令真的打出一笔错误订单。
我还给这些调用加了日志。每次 AI 跑 Longbridge CLI，我都会把命令和结果记到一个本地 JSONL 文件里。平时可能感觉不到用处，但一旦哪天你发现账户里有个奇怪动作，这份记录会很值钱。
最后还是合规问题。Longbridge 对自动化交易不是完全没边界的，尤其是频率和方式上都有条款。我的使用频率很低，基本还是以辅助分析和准备动作为主，但这件事每个人都最好自己读一遍相关规定。别等真踩线了，才发现自己之前只是想当然。
最后
把 Longbridge CLI 接到 OpenClaw 之后，我最直接的感受其实不是“好先进”，而是顺手了很多。以前我要在 App、浏览器、终端之间来回切，很多本来值得随手查一眼的数据，最后因为嫌麻烦就算了。现在这些动作被收进了同一个对话界面里，至少我真的更愿意去查、去比、去整理了。
从工具层面看，我也越来越觉得 CLI 很适合拿来给 AI 调。它的输入输出足够规整，错误也比较直白，不像 GUI 那样充满隐含状态。对 Longbridge 这种本来就有丰富数据能力的服务来说，先把 CLI 做好，再让 Skill 去接，反而比硬塞一个“大而全的 AI 功能”靠谱得多。
如果你本来就习惯在终端里工作，又刚好在用 [[Longbridge]] 和 [[OpenClaw]]，这套配置值得自己动手试一次。真正花时间的不是安装，而是后面慢慢把 Skill 调成适合自己习惯的样子。对我来说，最值钱的也正是这一点：让 AI 去接那些重复的数据整理和信息搬运，而我自己把注意力留给判断和决策。