首个投资交易 Agent Bobby 上线，第一时间和 Vakee 聊 Bobby 的诞生过程以及生活中的投资机会
摘要
Vakee 对 Bobby 的核心下注，是自然语言 Agent 将替代复杂金融 App，而不只是给 RockFlow 增加一个聊天入口。 Bobby 被定义为“七乘二十四小时的投资伙伴”，覆盖灵感发现、分析研究、策略生成、订单执行与持仓管理；团队计划今年推出只有 Bobby 的产品，因为在金融这类需求组合近乎无限的场景里，“以后就是 agent 加数据库”。
这款产品的壁垒不在聊天界面，而在两年券商建设与约一年半 Agent 工程叠出的闭环能力。 RockFlow 2021 年成立，先做了两年券商；2023 年 4 月开始做“交易 GPT”，5 月上线，已有 AI-native demo，9 月正式按 Agent 架构立项；Vakee 承认当时幻觉严重，但 API 调用、文档分析和增量分析已经可用，判断是“有什么能做的，我们就先做什么”。
早期案例同时显示了转化率潜力与不可外推的收益偶然性。 一名从未买过股票的英国用户预先确认以 100 美元以下买入 Circle，Bobby 最终约 80 美元成交并附上止损，后来股价涨到 150 多美元；另一名资深交易者在特朗普与马斯克争执后，经多轮对话买入特斯拉 put，这笔交易涨了 400% 多并止盈。这些是产品采用证据，不是稳定获利证明。
Bobby 瞄准的是心理门槛和操作门槛两次同时坍塌，并把通用 chatbot 停下来的地方继续执行完。 用户可以从 Labubu、哪吒、战争或工作认知说起，先获得解释与风险分析，再确认下单；主持人用“我有 3,000 美元，帮我买股票吧，我要赚钱”测试，Bobby 配了六只股票，已点名的包括 SPY、QQQ、苹果、英伟达和可口可乐，并逐项解释选择逻辑。
真正拉开专业用户体验的，是长期交易记忆、个性化风险偏好和可组合订单，而非更多固定功能。 Bobby 已被用户自然用出“一键清仓”，面对假设中的 100 万美元特斯拉仓位还会分批执行以降低交易冲击和损耗；下一或下下个版本会主动推送宏观、持仓及关注主题相关的灵感，但不会突然命令用户“应该买这个”。
Vakee 的投资方法不是寻找神秘信息，而是把生活和工作中的局部认知接到公开市场。 他把淘宝广告位数量和高度变化、GPT-3.5 后对 AI 与英伟达机会的判断、办公室越堆越多的泡泡玛特盲盒视作比财报更早的信号，并直言“基金经理甚至没有生活”；其创业目标是补上普通人从“我看见了”到采取投资行动的连接，而不是替用户预测必涨标的。
风险管理是这套“投资平权”叙事不可删掉的前提。 Vakee 明确说“我不能帮你赚钱”，建议新手先用 100 美元体验，持仓上涨达到两位数、10% 以上时考虑 put 保护，也反复强调投资首先是“留在牌桌上”；Bobby 的承诺是补充考虑、执行确认和保护措施，而不是把判断责任转交给模型。
精读
1. Bobby 要接管的不是一个入口，而是完整投资闭环
Vakee 将 Bobby 定义为金融交易领域的首个 AI Agent、用户“七乘二十四小时的投资伙伴”：它从每日灵感发现进入分析研究，再生成交易策略、执行订单，最后继续管理持仓，而不是在研究报告处停下。
他的产品比喻是“像你拥有一个属于自己的对冲基金团队一样”，其中同时有交易员、分析师和风险管理团队。这个说法的重点不在拟人化，而在不同专业动作由一个自然语言界面统一调度。
相较原来的 RockFlow App，Bobby 改变的是交互单位：过去用户寻找页面和按钮，现在只需表达目标。Vakee甚至设想“以后没有 RockFlow 这个 App 了”，主界面只剩 Bobby 与持续对话。
2. “Agent 加数据库”将淘汰复杂场景里的固定功能菜单
Vakee 对传统产品经理方法的批评是：App 只能从目标用户中提取“最大公约数”，再把需求固化成功能；金融需求却高度个性化，一旦靠页面承载，产品很快就会堆出“一万个功能”。
条件单是他的核心例子。团队过去会争论先开发止盈止损单还是其他订单，每种都牵涉前端、后端、算法与界面；但用户可能有八百种下单方式，Bobby 可以重新组合底层能力，生成“这个世界上没有出现过的条件单”。
他用给父母订机票说明这不只属于金融：出发城市有三个、最好不要转机、如果转机则不能太短、落地不能太晚，数据库明明拥有全部字段，携程的固定筛选却无法一次表达完整需求。
另一个例子是让地图为西二旗和双井的两个人寻找地铁都方便的不辣火锅。Vakee的结论很绝对：“所有这种相对比较复杂、稍微复杂一点点的场景，以后一定都是数据库加 agent。”
3. Bobby 在 Agent 热潮前两年已经立项
时间线始于 2023 年 4 月：RockFlow 开始开发 App 中间的“AI 策略”页，原名“交易 GPT”；5 月上线，尝试把“发生了什么”直接连接到个性化的股票或期权机会，并实时推送给用户。
2023 年 5 月，团队已经制作 AI-native 产品 demo，探索 Bot 与 Copilot 形态；Vakee复盘时发现，当时画面没有今天精致，部分交互反而更完整。产品最早叫 Rockbot，而不是 Bobby。
2023 年 9 月，团队正式立项，并在会议纪要第一项就写下 Agent。这个决定发生在 Manus 等产品发布之前：团队在“Agent”还未成为行业通用热词时，已经决定采用相应架构。
4. 团队选择带着幻觉开工，而不是等待基座模型成熟
当时已经可靠的能力包括大模型调用 API、分析消化文档、做增量分析和调度基本动作；最大的缺陷则是严重幻觉。公司内部因此出现过明确分歧：现在开工，还是等待底层模型稳定。
Vakee的决定是“有什么能做的，我们就先做什么”。他的“坐船”比喻是：如果公司处在基座能力之上的应用层，底层模型升级会自然抬高产品能力，等待并不会替团队完成领域工程。
金融里大量 know-how 落在产品与工程细节，越早动手，越早积累这些无法由模型自动补齐的工作。因此他把早做视作最优解，不是因为模型已足够好，而是因为垂类问题本身需要时间。
5. 金融 Agent 的护城河是数据与交易工程的“苦活”
Vakee强调，Agent 产品不会因为界面变成对话，就摆脱原领域的工程基础。金融里的典型难题是复权与公司行动：潜在情形可能有几百乃至上千种，每次发生后都要正确处理。市场上没有一个供应商能替券商完整解决，IB、富途和 RockFlow 都只能一路自行建设。
数据准确性的容忍度极低，也解释了 Bloomberg、万得这类数据产品的价值。Vakee把这些工作称作“苦活”：既要求理解金融数学，也要求团队在真实业务中持续处理异常，而不是调用一个通用 API。
RockFlow 2021 年成立后先做了两年券商，搭建整套柜台交易系统并服务不同国家用户，之后才由原团队开发 Bobby。Vakee的判断是，金融、医疗等垂类 Agent 仍必须由真正懂行业的产品和工程团队支撑。
6. “所有需求为 Bobby 让步”才让组织完成产品换代
Bobby 最初只是最高优先级项目，过去一年、尤其今年升级为 all in。RockFlow 以双周排期、季度 OKR 运转，最近两个季度明确规定：除交易稳定性外，App 的其他需求全部停止，“所有需求为 Bobby 让步”。
主持人认为，大团队竞争在于敢不敢把真正能打的十几、二十个人押到同一项目上；Vakee则说自己对这个未来的确定性占 99%，只有 1% 来自行业。他称团队为 80%—90% 是 INTJ、全员“非常 J”的组合，精力集中在自己相信的未来，几乎没有余力关心别人正在做什么。
7. Agent 产品化首先要过速度与成本两道门
回看约一年半研发，Vakee认为没有严重弯路，但承认早期版本忽略了速度，生成一次结果可能需要十几到二十秒。“慢就是原罪”，尤其年轻用户不会等待；他的可接受线是五到八秒，最好一到两秒。
团队随后重做 Agent 调度系统与编排方式，提高性能。Vakee给出的产品化条件是：先能闭环、能执行，再足够快；若还要商业化，就必须让 token 消耗和整体成本可控。
内测阶段团队“每天发一版”，也每天迭代一次模型。被问到最关注的数据时，Vakee只展开了第一项：活跃度，尤其用户是否愿意进行多轮对话，因为持续对话意味着 Bobby 确实解决了疑惑或行动问题。
8. Circle 案例展示了新手如何跨过第一笔交易
一名英国用户已经注册 RockFlow 一段时间，却从未买过股票；Circle 上市当天，他让 Bobby 在开始交易后替自己买入指定金额，随后去处理其他事情。这是他人生第一只股票。
Bobby并非未经授权自主下注：它先追问价格，提出按 100 美元以下执行，用户明确确认后才挂单。最终成交价约 80 美元，同时附上止损；后来价格已到 150 多美元，用户尚未卖出。
这名用户把完整聊天、收益截图分享到群里，并说没有 Bobby，自己的第一次交易可能还会继续推迟。主持人追问亏损责任时，Vakee重申：“所有的下单都是确认过的”，金额与价格或区间必须先获用户授权。
9. 特斯拉 put 案例证明资深交易者也需要个性化 Agent
特朗普与马斯克公开争执时，一名长期交易特斯拉的用户询问应对方式。Bobby经过多轮讨论，建议考虑看跌期权（put），并帮助他选择具体期权；最终该用户止盈，这笔交易涨了 400% 多，成为当日“榜一大哥”。
用户随后表示甚至可以直接按收益的 1% 或 5% 打赏 Bobby。Vakee没有把收益归因全部交给模型，而是补上边界：“最后决策还是你自己做的。”
更重要的反馈是，用户第一次感到 Agent 在理解自己“过去的交易行为和偏好”：如何交易特斯拉、偏好什么结构、怎样管理风险。其评价是“原来可以这么交易”，建议像投资助理一样贴合他的历史。
这与 Circle 新手形成对照：过去资深交易者可能嫌 RockFlow 太简单，新手又觉得券商仍难操作；自然语言 Agent 不再用一套固定界面折中，而是让两端用户各自表达完整需求。
10. 自然语言同时拆掉心理门槛和操作门槛
Vakee把投资门槛拆成两层：第一层是“觉得很难”的心理门槛，第二层是不会找功能、不会下单的操作门槛。语音或文字对话先让用户像跟朋友聊天一样说出生活观察，无需先掌握金融术语。
用户可以问以色列战争、特朗普表态、Labubu 热潮或《哪吒》走红会影响什么公司。主持人的反问是：ChatGPT、元宝、豆包也能回答；Vakee承认在“把想法说出来”这一层，它们的交互价值相同。
区别出现在“然后呢”：通用 chatbot 给出解释后停止，Bobby会询问是否需要执行、执行多少金额，再在确认后完成订单。Vakee称垂类 Agent 的意义就是“帮用户把这个事情给做掉”，“说完还不够”。
主持人用最小白的指令测试：“我现在有三千美金，帮我买股票吧，我要赚钱。”Bobby构建六只股票的“六边形组合”，点名包括 SPY、QQQ、苹果、英伟达和可口可乐，并说明每项配置逻辑。
11. 主动提醒会增加，但交易授权仍有边界
团队长期没排上“一键平仓”功能，用户却直接告诉 Bobby：“帮我把所有都卖掉。”Agent调用现有底层能力完成了需求；若面对假设中的 100 万美元特斯拉仓位，还会分次下单，平滑交易冲击和损耗。
下一版或下下版会主动提供灵感：战争等宏观事件、用户持仓相关新闻，或 Circle、Coinbase 等关注主题的变化。但Vakee划出界线，它不会突然冲出来命令“你应该买这个”，提醒与决策指令不是一回事。
主持人说，身边一位在香港家族办公室工作的朋友所服务的客户，最刚需的需求之一就是让团队给他打电话提醒；那个四五人的团队过去正是靠电话承接九十多岁客户的模糊研究与明确下单指令。
Vakee把 Bobby 描述为由无数个小 Agent 支撑的 master agent。与写死的 RPA 不同，它会根据每次使用效果、用户反馈和模型升级继续学习；他判断这种迭代速度会让其能力迅速超过许多传统金融岗位。
12. 高容错行业适合开放 Agent，关键垂类必须守住 workflow 下限
Vakee认为创业者首先要选择通用还是垂类架构。写邮件、规划旅行、生成文档等任务，用户自己也许能做 70 分，Agent做出 60 至 65 分仍可接受，因为结果不够好通常不致命。
金融、医疗和精密制造不同：“做成七十分和没有七十分，它可能是致命的。”当准确率或完整性必须达到硬下限时，基于 workflow 的结构更容易把结果稳定在 70 分以上。
RockFlow从起点就选择垂类 workflow，因此一年多里即使模型和技术栈不断变化，整体架构没有大改。Vakee也否认存在一两个节省 token 的秘诀，答案是围绕明确场景持续采用当时最佳工程实践。
13. 九岁买冀东水泥，让投资从一开始就不是陌生专业
Vakee九岁买入的第一只股票是冀东水泥。童年环境里，中午一点到三点电视播放行情，报纸刊登 K 线，下单需要打电话，证券营业厅还有大户室；身边大人都炒股，使心理与知识门槛在无意识中降低。
后来开始交易美股，同样来自环境：回国进入百度后，互联网同事是早期中概股和美股参与者。Vakee借此解释自己的产品信念——人是否投资，很大程度取决于身边有没有信息、语言和行动范例。
他的本科横跨广告与金融，还学习高数、概率统计、编程和心理学，硕士转向 data science。Vakee自称“通才逻辑”，并以法律、哲学背景同学反而 coding 最强为例，说明底层能力常跨学科相通。
14. 从伦敦量化到百度凤巢，每一步都在积累 Bobby 所需能力
2012 至 2013 年前后，Vakee先在伦敦做量化，同时拿到新加坡主权投资基金 GIC 与百度的 offer。他坚定选择回国做移动互联网，因为浪潮依赖人口红利，机会更可能发生在中国或美国，而非英国或新加坡。
在百度凤巢，他已经是 AI 的使用方，只是当时常用的词是机器学习和神经网络。凤巢当时几十人，用一两年时间让收入超过 PC 端，让他亲历 AI 与可量化商业结果的连接。
此后他进入百度投资部负责科技投资，又做 VC、一级市场与二级市场交易。从“做 AI”到“投 AI”，再到创办交易平台，他认为创业前近十年经历“每一步都作数”。
15. 百度的问题不是没看见 AI，而是业务选择与组织基因错位
Vakee先给出正面评价：没有百度凤巢与投资部，就没有他后来的机会；2012、2013 年重金建设深度学习、视觉和大数据等实验室，在北京与美国吸引人才，这种投入领先多数中国互联网公司多年。
主持人的追问很直接：“铺垫非常多表扬”，那遗憾究竟如何发生？Vakee回答，百度是工程师文化、追求效率，擅长通过搜索、凤巢和算法调参不断优化性能，广告与推荐本来就是它最适配的 AI 场景。
他认为问题早于大模型：百度曾把大量精力投入糯米、百度外卖等 O2O 业务，却没有让组织接受线下运营必然带来的效率下降、人才结构变化与文化差异。不是 AI 团队落后，而是选择了“不符合它基因的事情”。
Vakee刚去百度不久，第一次与李彦宏 one-on-one 就建议百度做金融、做 Bloomberg；十年后仍会给同一答案。由此引出的 founder-product fit 是：创始人必须真正相信目标，才可能忍受多年投入，再由组织执行力把信念兑现。
16. GameStop 让“价值投资”成为代际价值表达
散户大战华尔街是 RockFlow 的触发点，而非完整答案。Vakee看到年轻人投资除了赚钱，还在表达态度：“我认为有价值就是价值投资。”GameStop 对他们有童年记忆，因此不应被华尔街做空。
在这个群体里，投资成为 lifestyle 的一部分。进一步研究后，团队发现全球年轻人都想买特斯拉、苹果等公司，但除中国、美国外，好用的美股券商供给很少，市场渗透率也低。
Vakee筛选创业方向有四层：行业必须足够大；要天然适合 AI 与数据迭代；自己必须有“非做不可”的 passion；团队还得真正有能力落地。他投过近三十家创业公司，看到的共同现实是“没有人容易的”。
17. 创业时就瞄准 all in one 与 AI native
Vakee对新物种的定义有两个轴。all in one 意味着一个应用交易美股、港股、越南和日本股票，以及期货、期权、外汇、crypto、彩票和事件合约等不同品类，而不是被单一市场或资产类别切碎。
第二个轴是 AI native：不是把 AI 嵌进旧券商，而是重新设计发现、研究、策略与交易体验。他认为既有 App 不符合零零后对简单、智能体验的需求，增量市场因此出现。
对应的团队门槛也有四项：懂 AI；懂金融数学、期权定价、希腊字母、交易系统和清结算；懂合规；具备全球业务能力。Vakee强调，“会炒股票”与真正懂金融工程不是一回事。
这也是他愿意做艰难 To C 产品的原因。外界常问，既然个人账户一直在赚钱，为何还要创业；他的回答是使命感——“投资就不是一件很难的事情”，RockFlow可能正是其经历共同指向的工作。
18. 普通人的生活观察，是专业资金不一定拥有的 alpha
Vakee自己的主要投资并非脱离工作寻找信息：做凤巢时，他打开淘宝，看前几条广告的数量和高度，就能大致判断业绩能否完成；后来做 AI 投资并在 2015 年买英伟达，也是把职业认知转成二级市场仓位。
他的区分是：生活与工作提供胜率判断，股票还是期权、仓位多大、怎样保护则负责放大赔率。GPT-3.5 出来后，许多人已相信 AI 是未来，却没有再走一步判断平台型赢家，也没有把认知接到英伟达股票。
主持人补上自己的错失：一年前已经听说 Labubu 正快速超过 Molly，却没有转成泡泡玛特交易，只能感叹“钱从天上来，你都没有去接住它”。类似地，有人长期使用拼多多或购买特斯拉，却从未持有对应股票。
Vakee的尖锐判断是“基金经理甚至没有生活”，所以可能同时错过泡泡玛特、老铺黄金和蜜雪冰城。DAU无非是身边越来越多人使用，增长也可能是自己持续消费；普通人的优势正是看见专业机构没有进入的生活现场。
19. 投资平权只有与风险管理绑定才成立
Vakee在 2023 年底约 8 美元大量买入 Robinhood，并把这视作创业者判断力的自测：若做交易平台却看不见同赛道机会，是行业判断有问题；若看见却不执行，则无法要求团队三个小时内修完 bug。
他期待消费者也成为股东：Square 上市时让很多客户认购 IPO，Robinhood 用户持有公司股票；他还曾建议 B 站给大会员送股票。相反，滴滴司机参与公司增长却只有劳动收入，没有资本回报。
主持人的最后一道推力是：普通人或许看见了信号，但仍需要理性把关。Vakee回应，Bobby不是“下单语音功能”；同样面对 Labubu，一年前与股价已处高位的今天可能给出不同答案，因为它会解释股价所处位置、持续时间与风险。
边界因此被反复说明：“Bobby 从来没有说我能帮你赚钱。”Vakee建议先用 100 美元体验，持仓上涨达到两位数、10% 以上时考虑配置 put，不要轻易 all in；投资的第一要务是“留在牌桌上，然后等待属于你的机会”。