讓AI幫你炒股：從0到1搭建投研智能體（輕科技）

學習本書的最佳實踐。 1、把這本書全文交給claude code，對它說，照樣給我做一個，然後它就能幫你完成同版智能體。 2、問這個智能體，我該怎麼使用你，然後就能開始智能體投研之路。往往從第一個指令靈感日報開始。 3、 慢慢迭代成屬於你自己定製的智能體。 4、 理解大模型對投研的幫助，並且泛化到和自己相關的領域，比如：自己的本職工作助手，孩子的學習系統，家人的健康管理系統等。 如果之前沒有使用過ai agent，我相信本文會完全改變你對ai的認知，以及對自己的認知，和對世界未來的認知。

《讓AI幫你炒股：從0到1搭建投研智能體》圍繞“如何把 AI 引入股票投研全流程”展開，主要內容可概括爲四個關鍵詞：​​爲什麼、做什麼、怎麼做、用什麼​​。 1. ​​爲什麼需要 AI 投研​​ • 傳統投研面臨信息過載、人工篩選耗時、研究報告難以深度拆解等痛點。作者提出：AI 不只是工具，而是研究搭檔，能同時監控 200 只股票、瞬間完成財務模型迭代，並從播客等非結構化數據中提取關鍵信息。 2. ​​做什麼——投研六大環節​​ • 書中將投研拆成“產生 Idea→信息收集→深入研究→彙報→決策→持續跟蹤”六個環節，並給出人機協作的分工思路，讓讀者明白 AI 在哪一步介入、解決什麼問題。 3. ​​怎麼做——從 MVP 到閉環的系統方法​​ • 作者以自身實踐爲例，演示如何從最小可運行架構（MVP）出發，逐步搭建知識庫、輸入輸出體系與反饋閉環，確保 AI 既能跑得起來，又能越用越好。所有配置文件均在 GitHub 開源，方便讀者直接上手。 4. ​​用什麼——零基礎也能跟做的技術棧​​ • 面向金融專業但零編程基礎的讀者，書中給出了 Claude Code 等低門檻工具的選擇邏輯，並通過 MLCC 等真實案例展示一週內完成“發現-買入”全流程的可行性。 ​​一句話總結​​：這本書既是一份 AI 投研實戰指南，也是一份系統架構說明書，幫助沒有編程背景的金融從業者或投資者，用可複製的方法把 AI 融入股票研究，顯著提升效率和決策質量。

零基礎也能看懂的AI投研實操指南，作者結合私募實戰經驗，拆解全流程投研工作，手把手教搭建專屬AI智能體，開源配套資料完整落地，大幅減少信息篩選工作量，提升股票研究效率。

聽不懂，建議瞭解更多相關知識再讀。

說實話，我剛想聽的是你說如何用大模型投資，而不是如何去用大模型，關於投資的部分寥寥數筆

作者非常實在的分享了自己對AI的應用，很多地方值得學習和借鑑，感謝

我好奇，這和最新版本的workbuddy的投資專家分析出來的有何區別，我很想知道採訪嘉賓的看法，以及資本研究員的看法。 我日常經常用智能體分析，有行業分析員的，有個股深度研究，有推薦股票的，還可以根據自己提示詞重點東西哪塊。我感覺也差不多，不是每個人有時間有能力去自己搭建一套，我想未來肯定是智能體。這種流程化的交給AI更好

判斷力 審美 知識庫（第二大腦） 知識庫安全 你的注意力是稀缺的 （注：一瓶礦泉水還是一瓶茅臺 AI 只知道是白色的液體沒有審美） （國債逆回購 待驗證 新） 納斯達克 100 指數定投 紅利低波 創業板 標普 500ETF 都是非常優質的（資產） 就算巴菲特告訴了你 你也不一定會信也不一定會買 就算買了也不一定拿得住 在大家都恐慌拋售造成踩踏的時候 你更不會去買 也更不會重倉去買入 更不會越跌越買 你是否留夠足夠的冗餘 納斯達克 100 指數歷史 互聯網泡沫破裂時 跌幅達 百分之七八十長達 18 年才達到之前的高點 如果是 100 萬的話 直接變成 20 萬 如果你買錯標地 例如一個過氣行業的 ETF 它永遠不會超過之前的高點 如果是山頂上買的，拿多長時間都沒有用 同樣的信息做出判斷 就是你的審美 （你的判斷 審美 更重要） （例如 ：你知道納斯達克 100 指數 但是你沒有購買，或者購買了 在下跌恐慌踩踏中賣出了 其實你是不知道的。如果你知道 你肯定會買的 並且在恐慌踩踏中持續購買的 知行合一的前提條件是你真的知道 而不是知道 ） 真實的世界是動態的 就像納斯達克 100 指數屬於成長類的 但低估時更偏向於價投 高估值更偏向於投機 其實它還有一個小小的 bug 這些都基於確定的推演 我們會失業 我們會生病 我們的生命是有限的 知識庫搭建 （微信讀書通過 skill 進入 ima 可行 質量還可以 ）第一天免費 後面需要買算力 需要付費 知識庫安全很重要 （如果知乎泄露的話 你就是裸奔了 有你非常詳細的資料） 摘抄 你的注意力是稀缺的 這個做減法對應到你的審美 你的審美很差 你看所有股票都是牛股 就算你有個AI式的、100萬token的腦子 但完全沒有任何理智 肯定也選不出來牛的股票

盲人騎瞎馬可能不是最悲催的，如果騎的還是匹快馬，那就更糟糕了。

相當於最經濟的上了一個天天在視頻號刷到的AI投資課，還是有點收穫的，尤其AI First