通过CLI工具编排,实现AI自动投研
随着大语言模型长程任务处理能力的提升,Claude Code与Codex等工具已能够按照预设工作流程在达成目标前持续运行。研究显示,Claude Code源代码中隐藏了一个关键的「workflow」模块,其核心功能在于实现自动化的工具编排。基于此,通过构建特定的CLI工具与YAML工作流配置,可以实现AI自动投研等复杂任务的自动化处理。
01核心工具构建
为实现自动投研工作流,构建了两个基础CLI工具,分别解决数据获取与研究路径管理问题。
| 工具名称 | 核心功能 | 技术实现 |
|---|---|---|
| iwencai | 获取同花顺问财数据 | 基于官方技能整合的CLI工具 |
| deep-research | 研究路径与状态管理 | 基于DAG控制研究深度与预算 |
基础CLI工具功能对比
02工作流编排原理
通过提示词模版对上述CLI工具进行编排,形成了AI自动投研的工作流(A-Decima)。该工作流采用YAML格式定义,明确了任务目标与完工条件。当配置被复制进Codex或Claude Code后,模型会根据YAML定义自动执行研究任务,直至满足完工条件并输出报告。
03实施与兼容性
- 模型选择
推荐Codex搭配GPT5.4-xhigh模型,其对CLI自动化支持更友好;若使用Claude Code,需通过/loop指令启动任务以防止提前停止。 - 应用扩展
该编排方式不限于投研,还可通过编排brew实现Mac自动装机,或结合yt-dlp、ffmpeg实现视频搬运与字幕自动翻译。 - 兼容性处理
目前仅验证了macOS环境。Windows或Linux用户若遇启动问题,可指令Codex/CC使用context7查询相关知识并调试。
自动化编排正逐渐成为LLM的一种核心基础设施。相关项目均采用MIT协议,仅用于研究大模型在CLI调用方面的编排能力,不构成投资建议。
当前文章无评论,是时候发表评论了