导读：在挑工具、写提示词之前，先想清楚一件事：AI 到底能解决你投资里的什么问题。我的答案是，AI 把「看对」的成本打下来了——读财报、读原件、找反面证据，都比一年前便宜得多。看对变便宜以后，稀缺的东西换了：变成你的判断，以及你拿不拿得住。这一篇讲四件事：独立投资者的三个矛盾；我和 AI 怎么分工；我看投资的一个底层视角：套利；以及我自己的交割单和两次错过，告诉我「做对」到底落在哪。

一、先说处境：独立投资者的三个矛盾

做独立投资越久，越会发现瓶颈不是智商，也不是算力，是注意力和心智带宽。大部分人的精力耗在这样一个循环里：

外部信息爆炸（每天几百条快讯 / 研报 / 公告 / 异动）
        │
        ▼
收集和整理信息（吃掉大部分心力）
        │
        ▼
心力耗尽、认知过载（焦虑、怕错过）
        │
        ▼
冲动操作（随手开仓、追涨杀跌、拿不住）
        │
        ▼
回撤和亏损（复盘流于形式、自我否定）──┐
        ▲                              │
        └──────────────────────────────┘

真正决定结果的动作——冷静审视逻辑、找关键证据、守住退出纪律——反而被挤到了边角。背后是三个矛盾：

┌─────────────────────────────────────────────────────────────────┐
│ 矛盾 1：信息爆炸 vs 处理能力有限（信息过载）                    │
│ - 每天上千条公告、研报、快讯和盘口异动，大部分是二手转述         │
│ - 人脑同时只能装下几个信息块，自选池一大就顾此失彼               │
│ - 看好的方向因为注意力转移被忘掉，再看到时已经走完一大段         │
├─────────────────────────────────────────────────────────────────┤
│ 矛盾 2：研究深度 vs 覆盖广度（产能不对称）                      │
│ - 机构有一屋子研究员分工盯产业链；个人单兵作战，深度和广度难兼得 │
│ - 追广度容易泛泛而谈、踩雷；钻深度又容易错过主线                 │
├─────────────────────────────────────────────────────────────────┤
│ 矛盾 3：收盘清醒 vs 盘中失控（知行断层）                        │
│ - 昨晚复盘逻辑严密，开盘看到分时跳动照样心跳加速                 │
│ - 贪婪、恐惧、侥幸扛单、报复性交易，反复吃掉辛苦攒下的利润       │
│ - 更隐蔽的一种：买入时想的是几周的逻辑，卖出时被一两天的噪音带走 │
└─────────────────────────────────────────────────────────────────┘

前两个矛盾，AI 这一年解决得越来越好。第三个矛盾，AI 帮得上，但帮不了全部——这是这篇后面要讲的重点。

AI 的定位：外骨骼，不是印钞机

• 它不是预测神仙：把 AI 当成「替你挑出明天涨的票」的工具，迟早掉进过度拟合和被收割的坑。
• 它是外骨骼：帮你压缩信息、盯住变化、把你自己写下的规则在关键时刻摆到你面前。

💡 一个贯穿全部 8 篇的设计：我的系统不接交易接口，没有下单权限。每一笔真实买卖，都由我自己在手机券商 App 上手动完成。为什么这么设计，第二节第 4 条讲。

二、核心范式：判断主导、流程系统化

这个名字我沿用了一年多，但说实话，第一次听的人多半觉得绕。说成大白话就一句：判断我来做，判断之外的活，交给 AI 按我写下的流程去做。

• 判断主导：商业本质、行业格局、事件定性、持仓信念，最终由人决定。
• 流程系统化：把散在脑子里的直觉写成规则和流程，让 AI 承担信息监控、研究材料准备、下注前的检查和事后的诚实复盘。

这一年多用下来，流程里 AI 做得最成熟、最省我力气的，是信息降噪 + 及时梳理：每天几百条信息里只告诉我什么变了；一件事值得看，第一时间把原件读完、把来龙去脉理清楚。这一块用好了，就已经回本。在它之上，再按我自己写下的逻辑门禁去路由：这件事归哪一类机会、用哪把尺子量、要不要深研、真下注前过不过得了门禁。

💬 名字里的「系统化」指的是流程，不是算力。重点是纪律，不是让 AI 替你跑数据。（英文的原说法是对冲基金圈的 Discretionary with Systematic Process。）

1. 这个范式不是我发明的，先例都在

判断主导这一半，大师们一直这么干： – 巴菲特：能力圈和安全边际，本质是给判断划边界的硬规则。「不懂不投」不是谦虚，是纪律。 – 段永平：「不为清单」（Stop Doing List），把绝对不做的事写死——这是最原始的门禁。 – Druckenmiller：有把握时下重注，发现错了马上认错，靠的是事先想清楚的规则托底。

流程系统化这一半，达利欧和桥水走得最远：达利欧在《原则》里做的，就是把每次决策的判断标准写下来变成原则，再把原则变成算法，让机器和人并行决策、互相校验。区别在于：桥水把系统化推进到了决策本身，而我坚持最后扣扳机的永远是人。这是资金体量和团队规模决定的差异，不是路线分歧。

AI 改变了什么？ 这个老范式过去对普通人是奢侈品：判断靠天赋和年头，流程靠机构级的人力。AI 把流程系统化的成本打了下来——普通投资者第一次真正用得起它。

2. 换个更好懂的说法：套利

我看投资、看生意，有一个底层视角：套利。不是金融教科书里那种无风险套利，是更朴素的意思：找到一个别人还没填平的差，用自己已有的能力先一步填上，收一笔差价。低买高卖是套利，信息差是套利；在没人关注的时候、在自己能力圈里买入，等趋势起来再卖出，也是一种认知上的套利。

把它拆开，一次能真正落袋的套利，要三样东西同时在：

三样缺一样，就落不了袋。知道的人很多，拿到的人很少，大多数人不是输在不知道，是输在后两样。

还有三条，是我自己做下来觉得最要紧的：

• 价差有寿命。 一个信息差被越来越多人看到，就在关闭。所以「及时」本身就是价值：同一件事，第一天梳理清楚和第五天梳理清楚，是两件事。这也是我让 AI 每天替我盯着市场的原因。
• 套利不是稳赚不赔。 它只是让数学期望站在你这一边。仓位跟着确定性走，不跟着想象空间走。
• 确定性和杠杆不能同时拉满。 越想把一个价差吃干抹净，越要给「它可能不收敛」留出安全边际。

这样看，AI 在投资里的位置就清楚了：信息差那一段，它最擅长，能替你做到极致；行动那一段，它能帮你把规则变成固定动作；兑现那一段，靠你自己的尺子和定力。这一篇第三节讲的「做对」，就是兑现那一段。

3. 协作边界：什么交给 AI，什么必须自己扛

• 交给 AI（可量化、可核实）：新高和动量初筛、板块相对强弱、财报指标变化、催化事件日历、读一手原件（监管文件、公司公告、财报）并提炼要点、事后按规则记账。
• 必须由人承担（不可量化）：
• 商业审美：这门生意在当下有没有进攻性；
• 持仓信念：管理层和行业地位你到底信不信；
• 事件定性：是情绪错杀还是基本面恶化；
• 用哪把尺子：这个机会属于哪一类，该用什么标准去量它；
• 退出决心：假设被证伪时能不能果断离场，没被证伪时能不能拿住。

一句话：AI 负责把全市场压缩到你判断力覆盖得过来的大小，你的判断力负责在这个范围里做最后的决定。

4. 为什么不让 AI 下单

常有人问：系统都能盯市场、能梳理逻辑了，为什么不干脆让它下单？

先说不是什么原因：不是信不过 AI 的能力。 在加密货币的链上交易里，像 Hyperliquid、Polymarket 这类协议，Agent 天然就能直接下单，技术上早就不是问题。

真正的原因是频率。要不要让 AI 下单，取决于你的交易是高频还是低频。我只做两类机会：核心资产的长期持有，和 7 天以上的波段。两类都是低频，一个月也下不了几次单，在手机上点一下的事，交给 AI 省不下什么时间；反过来，接接口、管权限、防出错，每一样都要长期维护。AI 的力气，花在下单之前的降噪、梳理和门禁上，回报大得多。

还有一个顺带的好处：从电脑上写好计划、过完门禁，到拿起手机手动下单，中间这几步本身就是一段冷静期。《05 操盘层》会细讲。

如果你的交易本来就是高频的，答案可能就不一样。按自己的频率来定。

三、AI 越强，「看对」越不值钱

1. 投资的 7 个环节，AI 在每一环保护什么

投资不是单点预测，是 7 个环节串起来的一整条链。关键不在于 AI 能跑什么炫酷的模型，而在于这一环 AI 保护了你的什么判断：

①②③ 是「看对」，④⑤⑥⑦ 是「做对」。

一年前，①②③ 很贵：读一份财报要一晚上，读一份六十页的监管原件要一个周末，找齐反面证据要靠运气。现在这些事 AI 几分钟就能做个八九不离十。市面上大多数讲 AI 投资的内容，也集中在这三格。

看对越来越便宜，是好事。但它也意味着：当大家都能看对，看对本身就不再拉开差距。 差距落到了后面四格。

┌──────────────────────────────────┐
│ ① 发现  ② 深研  ③ 定性（看对）  │ → AI 把门槛拉平，越来越便宜
└─────────────────┬────────────────┘
                  ▼
┌──────────────────────────────────┐
│ ④ 计划  ⑤ 执行  ⑥ 持有  ⑦ 复盘 │ → 稀缺在这里：
│          （做对）                │   用对尺子 · 拿得住 · 执行不变形
└──────────────────────────────────┘

「做对」我以前理解得比较窄，主要想的是盘中别冲动——所以花了很多力气做门禁。门禁很有用，后面会讲。但这一两个月，我自己的账单和两次错过，让我把「做对」看得更完整了：它至少有三块。

2. 做对的第一块：用对尺子

我现在只做两类机会，每一类有自己的尺子：

9 月有一次真实的错过。美国监管层发了一份和资产代币化有关的文件，我的系统看见了，也把六十来页的原件读完了；我自己也调研了一只代币化概念的小票。系统和我得出同一个结论：不在能力圈甜区、收入算不清，只观察。随后几天，它大涨。

往前一个月还有一次。8 月 19 日，Moderna 和默沙东的个体化肿瘤疫苗三期试验达到主要终点，Moderna 当天涨了约 177%。我的系统当天就看见了；第二天，我把这件事拆成了四条产业链，列了 A 股映射要核的十个问题，写成帖子发在了星球里。降噪和梳理，这一次可以说做到了位。但第一波一过，系统就把它当成「几天的事件，已经结束」，后面陆续出来的催化，被当成一件件新的单日新闻；到 9 月底，它还用「能力圈外」这种核心资产的理由，把这个方向挡在了门外。回头看，我们研究了一圈受益链，最该一直盯着的，反而就是事件的主角本身。

反方向的错，我也犯过。今年 4 月之前我买过 AMD，后来它一路走强，主线的证据也越来越硬，我却一直没加仓。当时以为是自己关键时候怂了，5 月复盘才想明白，问题在更前面：我一开始把它定性成短线博弈的交易机会，可它走的是突破新高的趋势。要是一开始就按新高趋势的尺子去买，突破时该加就会加，这本来就在我的能力圈里。同一时间，我把英特尔这个美国先进封装的独苗标成了「困境反转」，同样错过了最肥的那一段。

这几次的问题都不在信息：原件读过，方向也懂。前两次是人和系统都拿目标一的尺子，去量了一个目标二的机会，Moderna 那次还多了一条：盯得不够久；AMD 和英特尔正好反过来，拿交易的尺子，量了该按核心资产、按趋势去拿的机会。细节和冷水，我放在《03 投研层》和《04 策略层》里摊开讲。这里只说它们让我看清的一件事：AI 能把信息降噪、梳理清楚，但「这件事归哪类、用哪把尺子、盯多久」是路由，是判断，这一步它替不了你。你能做的，是把两把尺子和你的路由规则都写下来，让 AI 在同一件事上两把尺子都量一遍。

3. 做对的第二块：拿得住

今年 9 月，我让 AI 把自己全年的 A 股交割单按持有期分了组，只算已清仓的交易：持有 ≤ 7 天的 182 笔合计是亏的，持有 > 7 天的 28 笔合计是赚的，全年能是正的，靠的是后面那一小撮盖住了前面那一大堆。具体数字和局限（> 7 天只有 28 笔、短线亏损被退潮期的极端执行错误拖累、只校准我自己的主策略）放在《05 操盘层》里。

看到这张表我挺意外的。我一直以为自己的问题是「看不准」，账单告诉我，更大的问题是「拿不住」：买入用的是几周的逻辑，卖出却被一两天的分时波动带走了。

这种关于你自己的真相，AI 帮你几分钟就算出来；在 AI 之前，大多数人从来不会去算。这一篇末尾有一段让 AI 帮你做同样分组的指令。

拿不住，很多时候是入场那一刻就模糊了。AMD 那次就是：定性没写清，所以拿不住，也不敢加。后来做对的一次，区别只在入场那一刻：五六月 A 股那条主线，我从买入就写下了「这不是交易仓，是新高趋势仓」。定性一写下来，后面的动作就跟着它走：不是在追高，是在跟趋势，所以敢拿、也敢一直拿着。不是胆子变大了，是知道自己拿的是什么。所以《05 操盘层》的操盘台里有一个字段，买之前必须填、成交后锁定不能改：这笔是什么性质。

4. 做对的第三块：执行纪律

讲完尺子和持有期，门禁照样要讲。系统没有下单权限；收盘后做决策，开盘只执行；真要下注之前，过一道买入门禁。这一个多月我把机会收敛到上面那两类，出手少了，门禁出场的次数也少了，但每一次出场都更重要。账单还让我给门禁加了一问：这笔是哪一类交易、计划拿多久、谁说了算退出。门禁怎么做、为什么加这一问，是《05 操盘层》的主题。

这一章的一句话：AI 越强，看对越便宜；剩下的稀缺，是用对尺子、拿得住、执行不变形。这三件事 AI 都能帮忙——帮你把尺子写下来、帮你记账、在门禁前把你的话摆回你面前——但每一件的最后一下，都得你自己来。

四、从 Prompt 到系统：四层演进

别把写了一两句提示词当成「建立了投资系统」。用 AI 做投资，在复杂度上大致分四层：

              ▲
             / \     【第 4 层：系统】
            /   \    多条流程串在一起：投研、策略、操盘、复盘互相接得上
           /-----\
          /       \  【第 3 层：SOP（标准作业程序）】
         /---------\ 固定顺序、前后依赖、入场门禁和退出条件
        /           \
       /-------------\【第 2 层：Skill（专项技能）】
      /               \能调工具：联网搜索、读原件、跑选股、做计算
     /-----------------\
    /                   \【第 1 层：Prompt（单次提示词）】
   /---------------------\ 针对一个问题问一次（比如让 AI 拆一份财报）

大多数人停在第 1 层，这完全没问题——第 1 层已经能把「看对」的成本打下来一大截。往上走，是在给「做对」搭脚手架：第 3 层让你的尺子和门禁变成固定动作，第 4 层让这些动作每天都在。

而第 4 层上面，其实还有第 5 层：主控，也就是 Agent 自己跑。 到那一步，系统按调度表自己干活、自己记账、自己提改进建议，我每天只看一份交接、写几行批示。这个留到最后一篇讲。

🎁 可带走资产

资产 1：给你的 AI 定协作边界（贴在对话开头或长期设定里）

你是我的投资研究助理，我们按「判断主导、流程系统化」的方式协作：

1. 你不替我做买卖决定，不预测涨跌，不推荐具体标的。最终判断永远是我的。
2. 你最主要的活是信息降噪和及时梳理：只告诉我什么变了；值得看的事，第一时间读一手原件
   （公告 / 财报 / 监管文件）并标出处，把来龙去脉理清楚。其次是找反面证据、
   按我写下的规则做检查和记账。
3. 二手转述不当事实。引用信息时标明来源层级：官方一手 / 权威一手媒体 / 二手。
4. 我的机会分两类，各有尺子：
   - 长期核心资产：[写下你的尺子，例如 能力圈 / 行业地位 / 终局 / 估值]
   - 事件波段：[写下你的尺子，例如 催化真不真 / 资金认不认 / 阶段早不早 / 失效条件]
   遇到一件事，请两把尺子都量一遍，分别给结论，并提醒我它更像哪一类。
5. 我准备下注时，先问我三件事：这笔是哪类交易？计划拿多久？谁说了算退出？
   我答不上来，就提醒我先别动。
6. 我想提前卖出时，把我当初写下的买入理由和退出条件原文摆给我，
   问我：触发的是同级别的失效证据，还是一两天的波动？

第 4 条方括号里的尺子换成你自己的。写不出来也没关系——写不出来的那部分，正是这套方法最先帮你暴露的地方。

资产 2：让 AI 帮你按持有期分组复盘交割单

附件是我的交割单（从券商导出的成交记录）。请帮我做一次按持有期分组的复盘：

1. 先把买卖配对成「已清仓」的完整交易，算出每笔的持有天数和盈亏。
   配对规则（先进先出等）请先告诉我，拿不准的记录单独列出来，不要猜。
2. 按持有期分组：≤3 天、4–7 天、8–30 天、31 天以上（如果某组太少可合并）。
   每组给出：笔数、已清仓合计盈亏、胜率、平均盈亏比。
3. 再按大盘环境粗分一次（上涨期 / 震荡期 / 下跌期，你先说明划分口径），
   看同一个持有期在不同环境下是否表现不同。
4. 列出亏损最大的 10 笔，标注持有天数，看它们集中在哪一组。
5. 最后写「局限」：哪一组样本太少不足以下结论、哪些结果可能被个别极端交易拖累。
   不要给我投资建议，只告诉我数据说了什么、没说什么。

账单是你自己的，结论也只对你自己有效。我那张表是我的样本，你的可能完全相反，所以才值得算一次。

💡 下一篇阅读建议

想清楚 AI 能帮什么、不能帮什么之后，下一步是把它搭起来：工具怎么挑、为什么统筹层只选一个、为什么所有东西都放在你自己电脑的文件夹里。 👉 《02 基建篇 · 一个统筹 Agent，加一个本地文件夹》

如果你最好奇的是第 5 层长什么样，可以直接跳到最后一篇： 👉 《07 Agent 篇 · 系统自己跑，我每天只批示》