一句话认识它：FN2 是一款 AI 驱动的自主金融研究代理平台，整合 SEC 文件、实时市场数据和宏观经济指标，为个人投资者和交易员提供带完整引用溯源的机构级金融研究能力。创始人 Andreas Echavez 的目标是让华尔街级别的研报工具变得人人可及，打破传统金融信息巨头的价格壁垒[1]。
从一句话到一份研报：FN2 的完整工作流程
传统金融研究的路径是：打开 Bloomberg 终端（年费数万美元）→ 手动查阅 SEC EDGAR 文件 → 在多个数据源之间切换 → 手工整理引用。整个过程耗时且昂贵，个人投资者几乎无法企及。FN2 将这一复杂流程压缩为一个对话式的交互体验，让任何人在 30 秒内获得结构化的金融研究结果。
提出你的研究问题
用自然语言提问——可以是"NVDA 过去三个月跑赢大盘的原因是什么"，也可以是"苹果最新财报的核心指标有哪些"或"当前宏观利率环境对科技股的影响"。FN2 理解语义而非精确关键词匹配，就像和一个懂金融的研究员对话。
AI 代理自动检索多源数据
FN2 的 AI Agent 同时查询四大权威数据源，交叉验证信息来源，确保每个数据点的准确性。
- Polygon.io：实时市场报价、OHLC 数据、成交量，覆盖美股全市场
- SEC EDGAR：直接读取 10-K、10-Q、8-K 等原始披露文件，而非二手解读
- FRED：美联储经济研究数据，包括利率、通胀、VIX 等宏观指标
- Polymarket：去中心化预测市场，反映市场对事件的概率定价
生成带引用的结构化报告
每句陈述都附带数字上标引用，指向具体数据来源——SEC 文件编号、网页链接、数据时间点。你点击引用即可追溯原始信息，杜绝 AI 幻觉和虚假引用。报告包含价格图表、关键指标表格和分析结论。
持续追踪：设置 Agent 自动化运行
设定好研究主题和阈值后，FN2 会在每个交易日自动运行，推送最新发现。你可以设置价格预警、财报日历提醒或宏观数据变更通知，让研究 agent 7×24 不间断工作。已设定的研究主题可以保存为模板，下次直接复用，无需重新配置参数。
四种核心研究能力详解
📈 实时行情图表分析
支持任意股票代码的交互式价格图表，时间跨度从 1 天到 5 年。配备范围选择器、成交量叠加和趋势线标注，直观呈现价格走势和关键拐点。所有数据来自 Polygon.io 实时市场报价，确保时效性和准确性。用户可以自定义时间范围、叠加移动平均线、标记重要事件日期，获得个性化的行情视图。
📊 财报深度解读
自动提取并解析最新财报电话会议的核心数据：营收、利润率、分部门表现、管理层指引和资本配置计划。每个数据点均标注来源文件编号和时间，你可以追溯到原始 SEC 文件进行验证。FN2 还能对比多个季度的财务数据，识别业绩趋势和异常波动，帮助用户快速把握公司经营状况的变化方向。
🌐 宏观经济背景
整合联邦基金利率、CPI 通胀率、VIX 波动率指数等宏观指标，绘制当前经济环境全景图。帮助判断利率周期位置、市场情绪水平和经济衰退概率，为投资决策提供宏观框架。用户还可以通过自然语言询问特定经济指标的历史走势和预测趋势，获得基于 FRED 数据的结构化分析。
🔍 筛选与预测市场
S&P 500 成分股多维筛选——按涨跌幅、成交量、市值等指标排名比较。结合 Polymarket 预测市场数据，洞察市场对美联储决策、选举结果等重大事件的概率定价，与传统基本面分析形成互补视角。用户可以将预测市场概率与基本面分析结论进行对照，发现潜在的市场预期偏差和投资机会。
Open API：让你的 Agent 调用金融研究
开放 API 与 Agent 生态集成
FN2 提供干净的开放式 API，支持将金融研究能力嵌入你自己的 AI Agent 工作流中。[2]
目前已支持的集成方案：
- Hermes Agent：通过 GitHub 安装插件（
hermes plugins install fn2ai/fn2-hermes-skill），一行命令完成连接 - OpenClaw：FN2 插件可让 Agent 自主创建、调度和运行研究循环，管理整个研究桌面而非单次问答
- 自定义 Agent：任何支持 HTTP API 的 Agent 框架均可接入 FN2，实现双向集成
双向集成意味着：你的 Agent 可以主动向 FN2 发起研究请求获取 grounded market research，FN2 也可以反向驱动 Agent 的工作流，形成自主研究闭环。这种架构设计让 FN2 不仅仅是一个查询工具，而是可以嵌入到更复杂的自动化研究管线中的基础设施层。
定价方案
| 维度 | Free | Pro（试用） |
|---|---|---|
| 价格 | $0 | 7天免费试用 |
| 注册要求 | 无需信用卡 | 7天试用后需付费 |
| 研究次数 | 有限次数 | 全部功能无限制 |
| Agent 自动运行 | ✗ | ✓ |
| API 访问 | ✗ | ✓ |
| 历史数据回溯 | ✗ | ✓ |
| 实时图表 | ✓ 基础 | ✓ 全部 |
同类工具横向对比
| 维度 | FN2 | Bloomberg Terminal | ChatGPT Plus | Perplexity Pro |
|---|---|---|---|---|
| SEC 文件直接引用 | ✓ 每句标注来源 | ✓ | ✗ 可能幻觉 | ✓ |
| 实时市场数据 | ✓ Polygon.io | ✓ | ✗ | ✗ |
| Agent 自动化运行 | ✓ 自主研究循环 | ✗ | ✗ | ✗ |
| 预测市场数据 | ✓ Polymarket | ✗ | ✗ | ✗ |
| 开放 API 集成 | ✓ | ✗ 极昂贵 | ✗ | ✗ |
| 入门价格 | 免费起步 | $24,000+/年 | $20/月 | $20/月 |
FN2 的独特定位在于它是首款将"机构级引用溯源"与"Agent 自动化研究"结合的普惠金融工具。Bloomberg 功能强大但价格门槛极高（年费超过 2.4 万美元），ChatGPT 和 Perplexity 虽能快速回答问题但缺乏金融数据的结构化引用和自动追踪能力。FN2 填补了个人投资者与机构投资者之间的信息鸿沟。创始人 Andreas Echavez 本身就是开发者出身，深知个人投资者在获取机构级研究工具时面临的价格壁垒，因此 FN2 的设计哲学是"让正确的信息以正确的格式出现在正确的时间"。此外，FN2 的开源插件生态（GitHub 上已有多款社区贡献的集成方案）正在形成独特的 Agent-to-Finance 研究网络。
参考资料
- 来源：FN2 官方网站（产品功能与核心能力全览）：https://fn2.ai
- 来源：FN2 文档页面（API 集成指南与使用示例）：https://docs.fn2.ai
- 来源：Polygon.io 官方文档（市场数据 API 说明与覆盖范围）：https://polygon.io/docs
- 来源：SEC EDGAR 官方数据门户（美国证券交易委员会公开文件检索）：https://www.sec.gov/edgar
- 来源：FRED 宏观经济数据库（美联储圣路易斯分行经济研究数据）：https://fred.stlouisfed.org
- 来源：Polymarket 官方页面（去中心化预测市场平台说明）：https://polymarket.com
- 来源：FN2 GitHub 开源仓库（Hermes 插件与 OpenClaw 技能代码）：https://github.com/fn2ai
青衣网络 AI 观察团队 · 最后更新 2026-08-30 | 本文基于 FN2 官方公开信息整理，用于帮助用户了解产品定位、能力边界与适用场景；文中内容不构成投资建议，仅供参考学习。功能、权益、价格与合规政策随时可能调整，实际使用请以官方最新公告为准。