模型会换，Agent 工具会换，但你的策略、状态和经验，不应该每次都从头开始。
过去一年，我越来越频繁地使用 AI 做投资研究。
它可以读财报、整理研报、追踪新闻，也可以在几分钟内生成一份完整的分析。但用得越深，我越清楚地意识到：
一次回答很聪明，不等于拥有一套能够长期运行的投资系统。
今天研究一家公司，明天追踪一个板块，后天讨论要不要加仓。每一次对话都像在重新面试一位新的分析师：它未必知道我为什么持有这家公司，不知道什么证据对我最重要，也不会自然继承上一次研究、决策和复盘留下的状态。
真正缺少的，不是又一个更聪明的回答，而是一套位于模型之外、能够长期保存和运行个人投资方法的系统。
这就是 YMOS。
YMOS 到底是什么？
YMOS 是一套面向二级市场投资者的、Agent-native 的个人投资操作系统。
它把你的投资策略、持仓状态、关注方向、研究资料、工作流程和历史决策，组织在一套本地运行的 Markdown 系统里，让 Claude Code、Codex、Hermes、OpenClaw，以及未来其他支持文件读写和工具调用的 Agent，都能在同一套规则和上下文上工作。
如果用操作系统来类比：
- 你的投资思想，是系统内核；
- Agent，是可以替换的执行者；
- 行情、公告、财报、研报和结构化数据，是持续进入的输入；
- SOP、提示词、角色协议和状态机，决定任务怎样运行；
- 知识库、持仓状态、交易事件和决策审计，保存系统的长期状态；
- 你，始终是最终的判断者和批准者。
所以，YMOS 的核心不是“给 AI 多写几组投资提示词”，也不是把几个取数脚本放在一起。
它真正解决的是：
怎样把一个投资者散落在脑中、笔记和临场反应里的方法，变成一套 Agent 能理解、能执行、能留下证据，并能持续迭代的系统。
YMOS 解决什么问题？
独立投资者面对的核心矛盾，是信息太多、处理不过来、动作容易变形。
每天都有新的财经新闻、公告、财报、持仓涨跌、Watchlist 异动和宏观变化。大量时间被消耗在“收集 → 整理 → 焦虑 → 临场操作”的循环里，真正重要的事情——审视策略、验证逻辑、判断自己是否错了——反而被挤到了边缘。
这套循环通常会表现为：
- 买入时用一套理由，下跌以后又临时换一套理由；
- 收盘后明明做过计划，盘中却重新发明规则；
- 复盘写了很多，下次遇到同样场景，仍然没有任何东西拦自己一下；
- AI 生成了越来越多分析，却没人说得清哪些是市场事实，哪些只是模型、作者或自己的偏好。
YMOS 没有试图用一个“大而全”的功能解决所有问题，而是把它拆成一条可以逐层运行的链路：
| 问题 | YMOS 怎样处理 | 所在位置 |
|---|---|---|
| 外部事实从哪里来，怎样从噪音里压缩出来 | 可替换的数据驱动、市场洞察、投资雷达与个股知识库 | 投研层 |
| 面对同样的事实，我应该怎样判断 | Strategy Profile、P 系列与个人证据标准 | 策略内核层 |
| 现在账户、持仓和关注状态到底是什么 | Markdown 状态机、组合快照和单笔生命周期 | 策略内核层的运行时记忆 |
| 判断怎样变成不走样的行动 | 交易计划、买卖门禁、Human 确认与不可覆盖的审计 | 操盘层 |
| 真实结果怎样反过来改进规则 | BrainStorm、平仓复盘、周期审计、变更提案与 Human 审批 | 反馈闭环 |
YMOS 的价值，不是再生成更多分析，而是把“看见事实—形成判断—制定计划—真实执行—复盘改进”接成一套连续系统。
V3 之后，我付的学费
V3 发布之后，这套系统几乎每天都在真实市场里运行。
其中最贵的一笔学费，是我把产生决策的任务放在了开盘前。
最初的逻辑听起来很合理：早上生成最新的投资雷达，看完最新数据和判断，再进入当天交易。
实际发生的却是：报告刚生成，集合竞价和开盘就接踵而来。我一边阅读一份自己还没有消化的分析，一边盯着价格跳动，然后在最容易受情绪影响的时候临时做决定。
这不是决策，这是应激反应。
后来，我把市场洞察和投资雷达整体移到收盘后。账户状态、持仓变化、观察池和次日动作，都在前一天晚上审完。
动作从“盘前现想”，变成了“昨晚已经想完”。第二天开盘，我面对的不再是一张空白纸，而是一份已经存在的计划。
如果从 V4 里只拿走一条经验，就是这一条：
把产生决策的任务放到收盘后，把开盘留给执行。
长期运行还暴露了另一个问题：V3 的公开框架里，混入了我自己的仓位比例、风险阈值、持有周期和交易习惯。
这些参数只适用于我的资金属性和风险承受度，却很容易被别人理解成标准答案。
因此，V4 做了一次更根本的拆分：
把所有人可以共用的系统框架，与每个人必须自己负责的投资策略，彻底分开。
一句话概括：
V3 是一套能跑的投资工作流；V4 是一个能够装下你自己投资方法的操作系统。
V4 补齐了什么？
V4 将整套系统明确为三层，再加上一条反馈闭环：
投研层 → 策略内核层 → 操盘层
看清事实 按你的方法判断 把判断变成计划和行动
↑ ↓
└──────── 复盘、审计与策略迭代 ────────┘
三层不是三个功能目录，而是一条完整链路
| 层 | 相当于 | 回答的问题 | 具体解决什么 |
|---|---|---|---|
| 投研层 | 你的 AI 投研系统 | 市场发生了什么？和我的持仓、关注有什么关系？ | 收集、整理、监控和初始调研，把分散信息压缩成可以继续研究的事实输入 |
| 策略内核层 | 你的投资与交易逻辑 | 面对这些研究事实，我怎样判断？什么时候承认自己错了？ | 保存能力圈、证据标准、风险预算、期限和退出裁判，决定系统为什么像你，而不是像作者或模型 |
| 操盘层 | 你的实际操盘逻辑 | 判断形成以后，我怎样计划、过门禁、执行并留下证据？ | 把“知道”变成“做到”，让真实动作进入计划、确认、事件流和审计；最终执行权属于 Human |
三层之间的边界非常重要。市场洞察、价格数据、公告整理和标的建档属于投研层；一旦开始根据你的 Profile 判断“该不该做、谁是裁判、什么情况代表论点失效”，就进入策略内核层；操盘层则不重新发明结论，只负责把已经形成的判断变成计划、门禁、Human 确认和真实留痕。
投研层建立事实，策略内核层形成属于你的判断，操盘层让判断进入真实世界。
一、投研层：不只看新闻，也能接入结构化数据
投研层负责把外部世界压缩成与你有关的研究输入。
市场洞察回答“今天发生了什么”，投资雷达继续回答“这和我的持仓、关注方向有什么关系”。V4 又在这一层补了两块能力。
第一块是 Reader。市场洞察、投资雷达、策略分析和个股研究，不再散落在十几个目录里，而是通过一个本地入口聚合阅读。
第二块是可替换的 Skills 与数据适配层。
大模型擅长理解叙事和形成分析，但条件选股、批量财务查询和结构化股票数据，更适合交给专业工具。V4 首个重点适配的是同花顺问财 SkillHub：A 股可以增强 What’s Hot、条件选股和结构化股票查询，美股也可以接入对应的筛选能力。
YMOS 不二次分发问财官方 Skill，而是负责跨 Agent 环境发现 Skill、统一输出格式和失败降级。没有安装时，市场洞察和投资雷达主链仍然可以运行。
更重要的是：
筛选结果只是研究输入，不是投资结论。
What’s Hot 可以帮你发现候选池，结构化数据可以提高建档效率，但候选标的仍然需要进入个股知识库，经过 P 系列、Strategy Profile 和 Human 判断。
二、策略内核层：让系统按照你的方法判断
同样一次下跌，价值投资者可能把它视为赔率改善，趋势投资者可能把它视为价格失效。不同资金期限、能力圈和风险预算的人，也不应该得到同一个动作建议。
因此，V4 把 Strategy Profile 设为唯一的策略接口。
它定义的是：你研究什么、什么证据足以入场、谁是主要裁判、什么时候承认自己错了、怎样分配风险，以及加仓和退出需要经过什么条件。
P1–P18 提供可以复用的分析方法，但阈值、比例、权重、持有周期和风险参数，全部由你的 Profile 决定。
系统不会因为你没有填好参数，就从作者案例或模型常识里偷偷补一个默认答案。
框架负责提出正确的问题，答案必须来自你自己的策略。
为什么投资偏好这么重要？
因为大模型可以知道很多市场知识，但它天然不知道你是谁。
它不知道你的资金多久不能动、能承受多大回撤、什么证据足以让你入场、你主要相信基本面还是价格，也不知道你曾经在哪类交易里反复犯错。如果没有这层个人定义，Agent 最终只能给出一份看起来专业、但并不真正属于你的通用答案。
Strategy Profile 之所以是“内核”，是因为它决定同一份研究事实进入系统以后，会被怎样解释：
| 维度 | 为什么重要 |
|---|---|
| 能力圈与市场范围 | 告诉系统你做什么、明确不做什么，投资雷达才能过滤与你无关的噪音 |
| 入场依据与失效信号 | 这是最关键的一格：什么证据支持建仓，出现什么说明你错了；没有它，系统就没有明确的退出裁判 |
| 仓位、风险与期限 | 定义单笔上限、损失预算、资金期限和论点周期，系统才能判断一次行动是否超出你的承受范围 |
| 行为弱点与 Human 门禁 | 把你用真金白银换来的教训写进流程，在最容易冲动的时候让 P 系列和 Console 明确提醒或拦截 |
同一份财报、同一次回调，对价值策略、趋势策略和事件驱动策略可能意味着完全不同的动作；六个月后需要使用的资金，与可以持有五年的资金，也不应该套用同一组仓位和退出规则。
所以 V4 才把作者自己的比例、阈值、权重和持有参数从公开框架中清掉：P1–P18 开放的是分析方法，真正生效的参数必须来自你的 Profile。
Strategy Profile 不是一份个性化设置，而是整套系统的宪法。它决定 YMOS 是“作者的系统”，还是“你的系统”。
一开始写不完整很正常。写不出来的字段可以留空，不要让模型替你编一个看似合理的数字。空白至少说明这件事还没有想清楚；跑过真实流程以后，答案会逐渐浮出来。
三、操盘层：把纪律从一句提醒，变成一道真正会经过的门
V4 的 Console 把阅读、计划和决策放进同一个本地入口：
- Reader：聚合和阅读报告；
- 交易计划台：收盘后定调、审持仓、审观察池、列出次日动作；
- 买卖决策台：出手前检查计划、条件和风险门禁。
昨晚没有进入计划的动作，第二天会被明确标记。盘中突然出现的机会，可以先进入 Watchlist，等收盘后再审，而不是直接变成一笔临时交易。
每一次计划、拦截、确认、调整和真实成交，都会进入结构化审计。单笔交易则从最初论点开始，以 append-only 的事件流持续记录：后续可以增加新证据，却不能覆盖自己当初为什么出手。
系统不只保存“我怎么看”，也开始保存“我最后到底怎么做了”。
四、BrainStorm：让模糊经验真正进入系统
投资中最有价值的东西，很多时候无法立刻填进结构化表格：复盘时突然想通的一句话、反复出现却说不清的困惑、同一个错误再次发生时的反思。
V4 用 BrainStorm 接住这些认知材料。
你可以先原样记录 Raw Thought，再让 Agent 整理成 Insight、冲突、待验证问题和候选规则。旧投资日志、长期笔记和阶段复盘，也可以进入这条认知路径。
但最新版 BrainStorm 有一个很重要的克制：
感悟不会因为重复出现几次，就自动升级成生效规则。
BrainStorm 适合帮助你发现：自己在相信什么、哪些困惑反复出现、Profile 与 SOP 是否存在歧义，以及哪些规则彼此冲突。
它可以推动规则被说得更清楚，但规则是否有效，仍然需要交易计划、决策审计、成交事件和已平仓结果来验证。
因此，V4 将策略修改区分为两类：
- 规则澄清型提案：由 BrainStorm、旧日志或结构诊断暴露规则冲突；
- 结果验证型提案：由多笔真实交易反复暴露判断或执行缺口。
无论哪一种，都不能自动修改策略内核，仍然需要反证条件、试运行和 Human 审批。
这让 BrainStorm 不再只是一个“换地方感慨”的笔记区，而是真正进入了系统进化链：
旧日志 / Raw Thought / BrainStorm
↓
信念、困惑、冲突、候选规则
↓
变更提案 ←→ 交易计划 / 决策审计 / 已平仓结果
↓
Human 审批与试运行
↓
策略内核更新提示词生成一次答案；操作系统保存状态、约束流程，并让过去真正进入未来。
Agents：让不同 Agent 都能按同一套协议运行
V4 新增的 Agents/，不是四个自动常驻的进程，而是一份跨层运行协议。
它告诉宿主 Agent：当前承担什么角色、先读哪些输入、可以写哪些文件、怎样算完成，以及谁拥有最终的状态写回权限。
默认运行顺序是：
Market Insight → Investment Radar → Strategy → Portfolio State多数环境并不需要真的启动四个并发子 Agent。一个主控按顺序切换角色，已经可以获得清晰的职责和写权限边界。
Claude Code、Codex、Hermes 或其他 Agent Harness 负责模型调用、文件操作和工具执行；YMOS 负责投资任务按什么规则运行、读写什么状态，以及怎样留下证据。
智能来自模型，连续性来自系统，最终责任属于 Human。
如果你第一次接触 YMOS
不需要一开始就把所有能力全部配置完成。
最自然的路径是：
先跑通市场洞察和投资雷达
→ 再梳理自己的 Strategy Profile
→ 按需接入问财等数据能力
→ 最后启用交易计划和执行门禁
→ 用 BrainStorm 与真实结果逐步修正系统下载项目后，把根目录入口交给支持文件读写和 Python 执行的 Agent：
读一下这个文件：/你的本地路径/YMOS/总入口暗号.md
开始使用即使暂时还没有完整策略，也可以先运行：
跑一下市场洞察
跑一下投资雷达这时，YMOS 已经是一套可以独立使用的本地 AI 投研系统。
如果你已经在使用 V3
V4 不是推倒重来。
市场洞察、投资雷达、标的知识库、P 系列和 Markdown 状态机仍然是主链。V4 主要在这条主链上补齐了四件事：
- 用 Strategy Profile 将个人策略从公开框架中独立出来；
- 用 Skills 与数据适配层接入问财等结构化能力；
- 用 Agents 和 Console 将研究、计划、门禁和交易生命周期接起来；
- 用 BrainStorm、审计与结果证据形成长期反馈闭环。
升级前，请先备份已经积累的持仓、关注、偏好、个股资料和本地配置。不要直接用 ZIP 覆盖旧目录。
具体迁移步骤请阅读仓库里的 UPGRADE.md，完整变化以 CHANGELOG.md 为准。
这篇文章负责说明 V4 为什么存在；每项能力怎样安装、配置和使用，请直接查看完整文档。
开源地址与文档
- GitHub：github.com/Evan-XYZ/YMOS
- 完整文档：yongmai.xyz/ymos-docs/
- 投资策略诊断模块：github.com/Evan-XYZ/ymos-diagnosis
- V3 升级指南：仓库内
UPGRADE.md - 版本变化：仓库内
CHANGELOG.md
最后
AI 让个人第一次有机会拥有过去只有机构才能负担的研究能力。
但更强的模型，不会自动带来更好的投资系统。如果信息、策略、状态和执行仍然散落在不同对话里，模型越强，只会让每一次临时判断变得更有说服力。
YMOS 想做的，是把这些东西重新放回一套连续的系统中：
让 Agent 负责重复劳动和流程执行，让你的投资思想成为内核，让每一次真实决策都留下可以复盘的证据。
投研层让你看得更全，策略内核层让判断更像你，操盘层让你在压力下仍然照计划行动，BrainStorm 与结果证据再把真实经历带回下一次判断。
这就是 YMOS V4。
不是给投资增加一个聊天窗口，而是给你自己的投资方法，提供一个可以长期运行的载体。
把你的投资思想，变成一套能运行、能审计、能进化的系统。
你的系统，你做主。
本项目仅用于投资研究、流程管理与个人决策支持，不构成任何投资建议。