Friday, September 4, 2026
你的 AI 助手不知道今天的市场新闻。这样修复。
你的 AI 助手不知道今天的市场新闻。这样修复。
问一下 Claude 或 ChatGPT 今天某只股票为什么在动，你会得到三种答案之一：礼貌地拒绝、基于几个月前信息的 自信猜测，或是一段听起来很像样、但其实是错的总结。当你想赶在市场之前做决定时，这些答案都没用。
问题不在模型，而在于模型看不到今天。你可以在大约两分钟内解决这一点：通过 MCP 给你的 AI 助手一个实时、 结构化的金融新闻源——这样它就不再靠猜，而是去查询真实的新闻数据库，用有出处、最新的数据来回答。
每个大模型都有的盲区
每个大语言模型都有一个知识截止日期——在这个日期之后发生的事情它根本不知道。对大多数问题这没关系， 但对市场来说，这恰恰是关键。“美联储在本周会议上释放了什么信号？”或“英伟达今天为什么跌？”都落在这条线的 错误一侧，模型要么承认不知道，要么更糟——用一段听起来对的内容把空缺填上。
即便有内置的联网搜索，也还不够。你得到的是几条没有排序的链接，无法按股票代码、情绪或日期过滤，没有公司 消歧，也无法保证这些来源就是你信任的那些。它比没有强，但还不是你敢据此行动的研究。
为什么手动复制粘贴标题不是答案
手动的变通办法，是你自己把标题粘贴进对话。这只能勉强用一次。没有情绪评分，无法判断“Apple”指的是股票 代码还是水果，无法按日期过滤，而且你一发出下一条消息，上下文又变旧了。你等于把你的分析师降级成了一块 剪贴板。
你真正想要的，是助手每次被问到时，自己去把新闻取回来——经过过滤、结构化、且是最新的。
当助手能拉取实时新闻时，会发生什么变化
接入 finlight 的 MCP 服务器后，你的助手就获得了一项 新能力：它可以在对话中途直接查询 finlight 的实时新闻数据库。每个答案都有出处、且是最新的，而不是凭空 捏造的——它来自真实的文章，每篇都已经过情绪评分，并标注了涉及的公司。
你用自然语言提问，助手负责过滤：
“给我看过去 24 小时内所有关于英伟达的负面情绪新闻。”
“找出所有提到我自选股的新闻——AAPL、MSFT、GOOGL、AMZN——按最新排序。”
“总结今天关于美联储会议的报道，并按主题分组。”
“本季度特斯拉新闻的情绪分布如何？”
在这些问题背后，助手会按关键词搜索，按股票代码、情绪、来源、国家和日期范围过滤，拉取完整文章内容，并把 每家公司解析到其真实标识符上——所以关于一家双重上市公司的提问，返回的是正确的那只股票，而不是另一个 交易所上的同名公司。
你可以用它做什么
- 随叫随到的晨间简报。“开盘前有什么关于我持仓、我需要知道的吗？”——答案来自今早的新闻，而不是上个 季度的训练数据。
- **一眼看清情绪。**问某个名字报道的整体基调，得到基于评分文章的分布，每条还带有置信度信号。
- **无需切换标签页的研究。**分析师和投资组合经理在他们本就在用的助手里监控股票代码和主题，而不必在十个 新闻标签页之间来回切换。
- **动手构建前的快速探索。**量化和开发团队用对话方式先摸清数据里有什么，再写一行集成代码。
简要说说它是怎么工作的
MCP（Model Context Protocol，模型上下文协议）是一项开放标准，让 AI 助手能够连接外部工具和数据。finlight
在 https://mcp.finlight.me 运行一个 MCP 服务器；你用 API 密钥授权一次，之后每当问题需要实时新闻时，
Claude 或 ChatGPT 就能调用它。无需写代码，也无需维护。
设置大约需要两分钟——Claude Desktop 和 ChatGPT 的分步指引见 在 AI 助手中使用 finlight：MCP 服务器。如果你想先把 MCP 与 REST、WebSocket 和 Webhook 做个对比，请看 哪种交付方式适合哪种场景。
适合谁
- 分析师和投资组合经理，希望不离开助手就能得到最新、有出处的答案。
- 研究团队，用一个问题综合来自众多来源的报道。
- 任何用 Claude 或 ChatGPT 做市场研究的人，已经受够了“我没有训练截止日期之后的信息”。
开始使用
- 获取你的 API 密钥——免费套餐就足够试用这个功能。
- 按 MCP 设置指南连接 Claude 或 ChatGPT。
- 问它一个只有今天的新闻才能回答的问题。