用 AI 辅助品种研究

AI 能显著降低产业研究的门槛，但它的用法有明确的边界。

这一节讲哪些能用、哪些不能用，以及一条不能破的规则。

它擅长的四件事

一是整理产业链。「螺纹钢的上下游分别是什么， 各环节的主要影响因素有哪些」，这类问题它能给出一个不错的框架。

二是摘要长文档。研报、交易所规则、行业报告， 让它提取关键点，能省下大量时间。

三是解释概念。「什么是最便宜可交割券」「转换因子怎么算」， 它的解释通常清楚。

四是当反方。这一项价值最大。 把你的判断讲给它，让它找出论证里的漏洞和你没考虑到的因素。

最后这一项之所以重要，是因为它对抗的是确认偏误： 你自己很难找到自己论证的漏洞。

它不擅长的三件事

一是提供准确的实时数据。 它会给出看起来很具体、实际上是编的数字。

这是最危险的一点，因为编出来的数字跟真实数字长得一模一样。

二是做价值判断。「现在该做多还是做空」， 它的回答没有依据，而且它没有承担后果。

三是预测价格。同上。

一条不能破的规则

任何要用于决策的数字，都必须回到原始出处核对。

交易所官网、公司公告、行业机构的原始报告。 AI 给的数字只能当线索，不能当依据。

这一条听起来麻烦，但它挡掉的是最贵的一类错误： 基于一个虚构的数字做了真实的决定。

几个好用的提问方式

「帮我梳理某某品种的产业链，上下游各有哪些环节， 每个环节的关键变量是什么」：适合入门一个新品种。

「我的判断是某某，理由是某某。请你找出这个论证里 最薄弱的三个环节」：这是价值最大的用法。

「这份规则文档里，跟个人客户直接相关的条款有哪些」： 适合处理交易所的长文档。

「解释一下某某概念，并说明它在什么情况下不适用」： 注意后半句，它能避免得到一个过于简化的答案。

一个反面用法

不要让它给你交易信号。

不只是因为它做不好，更因为跟单不会让你学会判断。

心理篇讲过：你没有参与那个决策过程， 所以对错都无法积累成你自己的能力。