1. 从看反面说起这个skill到底在解决什么问题大多数人用AI做投资分析习惯是帮我看看这家公司怎么样。这个问题本身就带着陷阱——你问的是怎么样AI大概率会顺着你的语气给你一堆看多的理由。这不是AI的问题是提问结构的问题。我自己在这个坑里待了挺久早期用AI辅助看财报、看行业输出看着挺专业但事后复盘发现它给的结论和我潜意识里想要的答案高度重合等于花钱买了个回音壁。这个skill的核心思路是把看多这个默认方向强行掰过来先逼着AI站在反面找证据再让四个不同视角的大师各自独立发言。听起来有点玄但拆开看其实是很朴素的认知纠偏机制。它的价值不在于AI能预测涨跌——没有任何工具能做到这个——而在于它能帮你把我可能忽略了什么这件事系统化。适合谁用三类人。第一类是有一定投资经验、但容易陷入确认偏误的老手你需要一个唱反调的角色第二类是刚入门、还没形成自己分析框架的新手你需要看到同一个标的不同维度的拆解方式第三类是做行业研究、写分析报告的人你需要快速生成多角度的质疑清单。不适合谁指望AI直接告诉你买什么卖什么的人这个skill给不了你答案它给的是问题。关键词里提到的skill指令AI agent这些概念本质上说的是一件事把一套结构化的思考流程固化成一个可复用的提示词模板。你不需要每次都重新想我该怎么问而是调用这个skill把标的丢进去让它按既定框架跑一遍。下面我会把这个skill的完整逻辑、四大师视角的具体分工、实操指令的写法以及我自己跑了几十次之后总结的坑全部摊开讲。2. 反面视角为什么必须放在第一位2.1 确认偏误是投资分析的头号敌人先讲个我自己的真实经历。前两年我看一个消费类的标的基本面数据不错行业增速也可以我自己心里已经倾向于这是个好机会。然后我去问AIAI给我的回答洋洋洒洒列了七八条利好我当时觉得你看AI也这么认为。后来这个标的的表现并不好我回头翻当时的对话记录发现AI其实在最后提了一句需注意行业竞争加剧的风险但这句话被我自己忽略了——因为我问的方式就是帮我分析一下它的优势。这就是确认偏误的典型表现你不是在寻找真相你是在寻找认同。而AI作为一个高度顺从的工具天然倾向于配合你的预设。你问优势它就找优势你问风险它就找风险。问题在于大多数人下意识问的都是前者。所以这个skill把看反面放在第一步不是随便排的顺序。它的逻辑是在你还没有被看多逻辑锚定之前先强制生成一份如果这个投资决策是错的最可能错在哪里的清单。这份清单不需要全对哪怕十条里只有两条是你之前没想到的它的价值就已经体现了。2.2 反面视角的具体生成方式实操中反面视角不是简单地说帮我找风险这样问出来的东西太泛。有效的反面视角需要满足三个条件具体、可验证、有触发条件。具体是指不能停留在宏观经济下行风险这种正确的废话层面而要落到该公司前五大客户占比超过60%如果第一大客户流失营收将直接下降X%这种颗粒度。可验证是指这个风险点你能通过公开信息去查证或跟踪而不是一个无法证伪的猜测。有触发条件是指你要知道什么信号出现时这个风险开始变成现实。我在指令里通常这样写请以这个投资决策最终被证明是错误的为前提 列出最可能导致错误的5个具体原因。 每个原因需包含 1. 风险描述具体到数据或事件 2. 验证方式我可以通过什么公开信息跟踪 3. 触发信号出现什么情况说明风险正在兑现 4. 如果风险兑现对投资逻辑的破坏程度致命/严重/可控这个指令的关键在于第一句——以这个投资决策最终被证明是错误的为前提。这是一个强制性的视角切换它不给AI留但是总体来看还是不错的这种和稀泥的空间。实测下来加了这句话之后输出的风险清单质量明显高于直接问有什么风险。注意反面视角不是让你放弃投资而是让你在持有之前就知道自己可能错在哪里。如果你看完风险清单觉得这些我都能接受那反而说明你的决策是经过检验的。2.3 一个容易踩的坑反面视角不等于唱空我早期用这个skill的时候有个误区——把看反面理解成了找一切理由证明它不行。结果AI输出了一堆牵强的负面因素有些明显是过度解读。后来我调整了指令加了一个约束只列出有实质证据支撑的风险不要为了凑数而编造担忧。这个约束很重要。因为AI在被要求找反面的时候如果缺乏证据约束它会倾向于把任何一个小问题放大成重大风险以完成你交给它的任务。这跟前面说的你问优势它就找优势是同一个机制只是方向反过来了。所以反面视角的质量取决于你是否给了它证据门槛。3. 四大师视角的分工逻辑与各自盲区3.1 为什么是四个视角而不是一个全能分析师单一视角的问题在于任何一套分析框架都有它的盲区。价值投资者看估值和护城河但可能忽略行业周期成长投资者看增速和空间但可能忽略估值泡沫宏观视角看利率和流动性但可能忽略公司层面的执行力逆向投资者看市场情绪和预期差但可能忽略基本面确实在恶化的事实。四个视角同时跑不是为了得到一个综合评分而是为了让你看到不同框架下的结论冲突。冲突本身就是信息。如果四个视角都指向同一个方向那说明这个标的的特征非常鲜明如果四个视角结论打架那说明这个标的的某些维度存在不确定性你需要自己去判断哪个框架更适合当前的场景。3.2 四个视角各自该问什么我在指令里给四个视角分别设定了不同的提问模板每个模板的侧重点完全不同视角核心问题关注指标典型盲区价值视角当前价格是否低于内在价值市盈率、市净率、自由现金流、护城河低估可能持续很久价值陷阱成长视角未来3-5年的增长空间有多大营收增速、渗透率、TAM、研发投入高增长预期已被定价宏观视角当前宏观环境对该标的是顺风还是逆风利率、通胀、政策方向、汇率宏观预测本身极难准确逆向视角市场共识是什么共识可能错在哪里持仓集中度、情绪指标、预期差逆向可能逆错方向每个视角的输出要求也不一样。价值视角要求给出具体的估值区间和计算逻辑成长视角要求给出增长驱动因素的拆解和可持续性判断宏观视角要求说明传导链条——从宏观变量到公司业绩之间的逻辑路径逆向视角要求明确指出当前市场在定价什么预期以及这个预期可能错在哪里。3.3 四大师视角的实操指令写法把四个视角放在同一个指令里跑还是分开跑我两种都试过。分开跑的好处是每个视角的输出更深入因为AI的注意力不会被分散坏处是你要跑四次而且四个输出之间可能缺乏对照。放在一起跑的好处是一次性拿到四个视角的对比坏处是每个视角的深度会打折扣。我目前的用法是第一轮分开跑每个视角单独一个对话确保深度第二轮把四个输出汇总让AI做一个视角冲突分析专门找四个视角之间结论矛盾的地方。这个第二轮往往是最有价值的因为它逼着你去面对为什么不同框架给出了不同答案这个问题。具体的指令模板以价值视角为例你是一位严格遵循价值投资框架的分析师。 请对[标的名称]进行价值视角分析要求 1. 计算当前估值水平PE、PB、EV/EBITDA并与过去5年历史区间对比 2. 估算内在价值区间说明你使用的估值方法和关键假设 3. 判断当前价格是否提供安全边际如果是边际有多大 4. 指出你的分析中最不确定的一个假设是什么 第4点很重要——它迫使AI暴露自己分析中最薄弱的环节。其他三个视角的模板结构类似只是把估值方法换成对应的分析框架。这里不逐一展开核心思路是一样的每个视角都要有明确的输出结构并且强制要求AI指出自己分析中最不确定的地方。4. 把skill串起来完整指令的组装与调试4.1 完整指令的结构前面分别讲了反面视角和四大师视角现在把它们串成一个完整的skill。整体结构分四段第一段是角色设定和任务说明。告诉AI它要做什么输出格式是什么。第二段是反面视角的生成。第三段是四大师视角的分别分析。第四段是冲突汇总要求AI指出四个视角之间的矛盾点以及反面视角中哪些风险是四个大师都没有覆盖到的。这里有个细节第四段的冲突汇总我要求AI用表格形式输出每一行是一个冲突点列出哪些视角持正面看法哪些视角持负面看法冲突的核心分歧是什么。表格形式比纯文字更直观一眼就能看出分歧在哪里。4.2 调试过程中发现的三个问题第一个问题AI倾向于在四个视角之间和稀泥。比如价值视角说估值偏高成长视角说增长能消化估值AI在汇总的时候会说综合来看各有道理。这种汇总没有价值。我的解决办法是在指令里明确写不要试图调和不同视角之间的矛盾矛盾本身就是分析结果的一部分。你的任务是呈现矛盾不是解决矛盾。第二个问题反面视角和四大师视角之间有重叠。比如反面视角提到的估值过高风险价值视角也会提到。这本身不是问题但如果完全重叠说明反面视角没有提供增量信息。我在指令里加了一条反面视角应优先关注四个大师视角可能忽略的风险比如操作性风险、治理风险、黑天鹅事件等。第三个问题输出太长。四个视角加反面视角加冲突汇总一次输出动辄三四千字读起来很累。后来我调整了每个视角的字数上限要求每个视角的核心结论不超过300字详细论证放在后面。这样先看结论有兴趣再深入细节。4.3 一个可直接复用的指令框架下面是我目前使用的一个精简版指令框架你可以直接复制修改角色你是一位多框架投资分析助手。 任务对[标的名称]进行反面视角和四大师视角分析。 第一部分反面视角 以这个投资决策最终被证明是错误的为前提 列出5个最可能导致错误的原因。 每个原因包含风险描述、验证方式、触发信号、破坏程度。 第二部分四大师视角 分别从价值、成长、宏观、逆向四个视角分析该标的。 每个视角输出 - 核心结论不超过300字 - 关键支撑论据3条以内 - 该视角下最不确定的假设 第三部分冲突汇总 用表格列出四个视角之间的主要分歧点。 指出反面视角中哪些风险是四个大师视角未覆盖的。 不要调和矛盾直接呈现分歧。 约束 - 所有风险必须有实质证据支撑不要凑数 - 每个视角必须指出自己最不确定的假设 - 总输出控制在2000字以内这个框架我跑了大概几十次覆盖了不同行业和不同市值的标的。整体来说它在帮你看到自己没想到的角度这件事上是有效的。但它不能替代你自己的判断也不能替代一手信息的获取。它只是一个思考的脚手架。5. 实测中暴露的局限与应对方式5.1 AI的数据时效性问题这是最硬的一个局限。AI的训练数据有截止日期对于最新的财报、最新的行业数据、最新的政策变化它可能一无所知。我遇到过好几次AI引用的还是上一年的数据但公司已经发了新的季报。应对方式很简单在指令里把最新数据喂给它。我通常会把最近一期的关键财务数据、最近的重大公告、行业的最新变化作为背景信息贴在指令前面。这样AI的分析就基于最新信息而不是它训练时的旧数据。但这里有个新的坑你喂给它的数据本身可能有选择性。如果你只贴了利好数据那AI的分析还是会偏。所以我在贴数据的时候会刻意把利空数据也放进去比如营收下滑的季度、毛利率下降的趋势、管理层变动的公告等。5.2 四大师视角的表演性跑多了之后你会发现AI对四个视角的演绎有时候像是在表演——它知道价值投资者应该说什么成长投资者应该说什么所以它就按刻板印象输出。比如价值视角一定会提估值和安全边际成长视角一定会提TAM和渗透率。这种输出不能算错但缺乏真正的洞察。我的应对方式是在指令里加入反刻板印象的要求。比如要求价值视角不要只谈估值谈谈这个生意本身的质量要求成长视角不要只谈增长空间谈谈增长的确定性来自哪里。这个调整之后输出的质量有明显提升因为AI被迫跳出模板化的框架。5.3 这个skill不适合什么场景说几个我试过但不适合的场景。第一短线交易。这个skill的分析周期是中长期对于几天内的价格波动没有参考价值。第二缺乏公开信息的标的。如果一家公司信息很少AI的分析基本靠编没有意义。第三你已经有非常明确的投资框架和丰富经验的情况。这时候skill提供的多视角分析可能还不如你自己的判断准确。提示这个skill的定位是思考的脚手架不是决策的替代品。它的价值在于帮你系统化地看到不同角度而不是告诉你该怎么做。6. 从skill到习惯怎么把这个框架内化成自己的6.1 从跑指令到跑思维用了一段时间之后我发现最大的收获不是AI的输出本身而是这套框架慢慢变成了我自己的思考习惯。现在我看任何一个标的会下意识地问自己如果我是错的最可能错在哪里价值视角会怎么看成长视角会怎么看这种思维习惯的形成比任何一次具体的分析输出都更有价值。这也是我觉得这个skill值得分享的原因。它不是给你一个答案而是给你一套提问的方式。而投资这件事提问的质量往往比答案的质量更重要。6.2 建立自己的反面清单模板跑了几十次之后我总结出了一份通用的反面风险清单模板覆盖了大多数标的都可能面临的几类风险客户集中度风险、供应链风险、监管风险、技术替代风险、管理层风险、估值风险、流动性风险、竞争格局恶化风险。每次分析新标的的时候我会先拿这份清单过一遍看看哪些适用哪些不适用。不适用的划掉适用的让AI深入分析。这个模板的好处是它防止你遗漏大类风险。AI再聪明如果你不问它也不一定会主动提。有了这份清单你就有了一个兜底机制。6.3 定期复盘skill的输出质量我有个习惯每隔一段时间会回头翻之前跑过的分析看看当时AI提示的风险后来有没有兑现当时四个视角的结论哪个更接近实际走势。这个复盘不是为了评价AI准不准而是为了校准我自己对不同视角的权重分配。比如如果我发现宏观视角在某个行业上反复出错那下次看这个行业的时候我就会降低宏观视角的权重。这个复盘过程本身就是对自己分析框架的持续打磨。AI在这里扮演的角色是一个可以无限次陪你练习的陪练而不是一个替你上场的选手。最后分享一个我在实操中觉得最有用的心得每次跑完这个skill不要急着看结论先看最不确定的假设那一栏。四个视角各自最不确定的假设放在一起往往就是这笔投资最核心的变量。如果你能对这些假设有比市场更准确的判断那你的超额收益就来自这里。如果判断不了那至少你知道自己在赌什么。