外观
把投资分析变成你的日常
投资是高度信息密集、强结构化、又极度依赖判断的事。整理碎片信息、拆解复杂材料、把思考过程摆到台面上，恰好是 AI 擅长的。本章聚焦：在一次完整研究里，AI 到底能替你做掉哪些低质量重复劳动，把精力还给判断本身。
整理自 AlephAITech/WorkBuddyGuide（MIT License），文末附版权声明。
AI 在投资里该干什么
多数人对"AI 炒股"的想象是让它预测涨跌。但高价值的提示词集中在四类：读不完的财报帮我总结；行业太复杂帮我理逻辑；市场吵太凶帮我把多空放进一张表；我怕自嗨帮我校反证。AI 最合理的位置是一个不知疲倦、不带情绪的研究助理——负责把事实底座打牢，把判断留给你。
动手前先用五个问题定标：目标（支撑什么决定）、标的（哪家公司/行业）、材料（事实来源 vs 参考）、深度（只梳理事实还是要到估值推演）、验收（每个判断能否追到来源）。
金融场景的 Skill 组合
| Skill | 适合处理 | 注意点 |
|---|---|---|
stock-advisor | 单只股票端到端分析 | 本章主线，技术面/基本面/交叉验证/私董会/排版 |
a-share-analyst | A 股日常行情与选股 | 偏日常盯盘与批量筛选 |
financial-expert | 金融数据查询与筛选 | 依赖数据源 MCP，需先配置 |
peers-advisory-group | 多视角决策讨论 | 被 stock-advisor 作为决策模块调用 |
一套可复用的研究提示词链路
按"最简单 → 相对复杂"排列，覆盖从查资料到下判断。前三条建立事实底座，需要深挖再往后走。
Prompt 1｜事实底座
markdown
请帮我系统梳理【XXX 公司】的基础情况，输出结构化总结，包括：
1）核心业务与主要产品线 2）收入与利润来源构成 3）主要客户与应用场景
4）公司在产业链中的位置 5）近几年最重要的战略变化
要求：只使用可核实的信息；每部分 3–5 条要点；不做投资建议，只做事实整理。Prompt 2｜行业视角
markdown
请从行业研究的角度，分析【公司】所在的【行业】：
1）行业周期阶段 2）供需关系与主要驱动因素 3）价格变化机制与历史波动
4）行业集中度与竞争格局 5）影响行业的关键外部变量
请明确指出：哪些是长期结构性因素，哪些是短期波动因素。Prompt 3｜业务拆解（钱怎么赚来的）
markdown
请你以价值投资/基本面研究视角，对【XXX 公司】进行"业务拆解"，目标回答：
这家公司真正、长期是靠什么赚钱的？
要求：仅基于可验证信息；明确区分【事实】与【判断】；输出 Markdown 结构化报告。
必答：赚钱方式一句话结论、业务结构全拆解（量化）、赚钱机制、客户渠道与定价权、
子公司/非经常性业务、稳定性与脆弱点、3 个关键监控指标。Prompt 4–7：财务质量（利润 vs 现金流交叉验证）、股权与治理（质押/减持/激励）、市场分歧（多空摊平）、估值与护城河（DCF 反推市场隐含预期）。
Prompt 8｜全家桶：尽调级 DeepResearch 把前七步压进同一框架，强制区分事实与判断、双重验证、推演空方逻辑与黑天鹅。这条在各家 AI 的 DeepResearch 模式都好用。核心约束：数据时效（财务 3-5 年 CAGR，估值分位 5-10 年）、事实底座优先、反直觉思考（必须含空方逻辑与黑天鹅）。
从提示词到 Skill：stock-advisor 是怎么长出来的
stock-advisor 的设计核心是编排（Orchestration）：不重写能力，把已好用的部件按顺序接成流水线：
用户输入（截图 / 股票代码）
→ ① 技术面分析 → ② 基本面分析 → ③ 多维交叉验证 → ④ 私董会讨论 → ⑤ 排版输出| 模块 | 做什么 | 关键设计 |
|---|---|---|
| ① 技术面 | 从 K 线识别形态、均线、MACD，行情数据交叉验证 | 图像识别+数据双轨，冲突以数据为准 |
| ② 基本面 | 识别财报指标，补估值与行业对比，给综合评级 | 技术/基本/资金三面各自打分再合成 |
| ③ 交叉验证 | 联网检索研报、动态、新闻、政策 | 矛盾信号必须明确标注分歧 |
| ④ 私董会 | 调用 peers-advisory-group 四位幕僚交叉辩论 | 复用现成 Skill，把"找反证"制度化 |
| ⑤ 排版 | 结构化报告转杂志风 HTML/PDF，可上传飞书 | 复用 magazine-layout 与 lark-doc |
方法论：先把已有能力当积木，缺哪块补哪块，再用一条主线编排起来——这正是把个人经验沉淀成工具的通用思路。
实战：用 stock-advisor 跑天孚通信（300394）
第一步：上传 K 线图，技术面速读
text
我上传了一只 A 股的 K 线日线图和技术指标图（MACD）。请作为专业技术分析师：
1. 识别股票与当前股价；2. K 线形态；3. 均线系统（MA5/10/20 排列、金叉死叉）；
4. MACD（DIF/DEA 关系、柱状图趋势、背离）。以表格+文字输出技术面速读报告。结论：MA5>MA10>MA20 标准多头排列；当日长上影、MACD 红柱缩短、乖离偏大；支撑 MA5(347)/MA10(319)，压力 376。
第二步：补财报截图，全面分析
text
结合第一轮技术面，做一次全面 A 股分析：技术面总评、基本面总评（营收增速/盈利/估值）、
资金面观察、综合评级（强烈推荐/推荐/中性/谨慎/回避）、短中期建议、关键支撑压力位。
按专业研报格式输出。综合评分 3.65/5.0，评级"推荐"：中期趋势向好（CPO 高景气+高成长），但短期估值透支、涨幅过大，不宜追高。
第三步：开私董会，四位幕僚交叉辩论
text
请启动私董会，请巴菲特（价值）、马斯克（科技趋势）、比尔·盖茨（商业模式）、乔布斯（产品力）讨论。
1. 各自发表独立观点；2. 交叉质询；3. 每人一句话"买入/持有/卖出"；
4. 你作为主持人综合给出执行方案。基于前两轮数据，带着数据聊。结果"2:2"分裂，主持人给出分投资者类型的执行方案，并把决策挂到未来验证节点（中报、CPO FAU 放量、三季报）。
最后：一键成稿，生成杂志风报告，可本地存 PDF 或上传飞书。
全程它没替我做最关键的决定——买还是不买。它把该看的都看了，把该吵的都吵了，把判断权交回我手里。
常见错误与使用边界
| 常见错误 | 正确做法 |
|---|---|
| 让 AI 给买点/卖点 | 只用它做事实梳理和多空推演，买卖由你拍板 |
| 完全相信截图识别的数字 | 关键数字交叉验证（私董会数据比前两轮更新） |
| 指望它判断行业拐点、价格见底 | 让它梳理"该盯哪些领先指标"，拐点自己盯 |
| 只看多方逻辑 | 用分歧 Prompt 和私董会强制空方逻辑 |
| 把 AI 报告当投资依据 | 报告仅供参考，决策与风险自负 |
风险提示：股市有风险，投资需谨慎。 本章所有提示词、Skill 与案例均以"辅助研究"为目的，不构成任何投资建议。据此操作，风险自担。
版权声明：本文整理自 AlephAITech/WorkBuddyGuide（MIT License）。原始内容版权归原作者所有，本整理稿仅用于个人学习与非商业分享，转载请保留出处与许可证声明。