如果你的自选股里已经塞了：

20只。

30只。

甚至50只股票。

那你一定遇到过这个问题：

根本看不过来。

开盘以后这个涨4%。

那个突然放量。

第三只出了公告。

第四只所在板块集体异动。

第五只下午突然跳水。

等你发现的时候，行情可能都已经走完了。

所以我现在越来越觉得，普通人用AI做股票研究，最值得解决的根本不是：

“明天哪只股票会涨？”

而是另一个更现实的问题：

“我这50只自选股里，今天到底哪几只值得我花时间看？”

这两个问题完全不一样。

第一个要求AI预测未来。

第二个只是让AI帮你：

筛异常、找事实、做整理。

而这恰恰更适合Agent。

我最近给WorkBuddy设计的思路就是：

50只自选股全部交给AI做第一轮巡检。

最后我自己不看50只。

只看：

异常最明显的3—5只。

今天就把整套流程拆给你。

---

一、先别让AI选股，让它当“值班研究员”

我认为这是使用AI做股票研究最重要的一次思路变化。

不要：

给我推荐3只股票。

改成：

检查我的50只自选股。

为什么？

因为“推荐”涉及太多不确定判断。

但“检查异常”相对明确。

比如一只股票：

过去20天日均成交额5亿。

今天明显放量。

这是事实。

公司今天发布了一份业绩预告。

这是事实。

所属板块今天整体明显强于大盘。

这是事实。

股价涨了，但板块其他核心公司没有同步。

这也是值得观察的现象。

AI真正应该先做的是：

把这些事实摆到你桌上。

至于：

要不要买。

现在是不是机会。

仓位多少。

这一步留给人。

---

二、第一步：先把50只股票变成“观察池”

不要直接把几十只股票塞给AI，然后说：

帮我看看。

这种任务太模糊。

我更推荐先整理一张自选股表。

至少保留：

股票代码。

名称。

所属行业。

为什么关注。

当前研究状态。

重点观察变量。

比如：

某半导体公司。

你真正关心的是：

景气度。

大客户。

存储价格。

产能。

而另一家消费公司，你关心的可能是：

同店增长。

毛利率。

库存。

渠道。

这样AI以后检查的时候，不是对所有股票使用完全一样的标准。

而是知道：

为什么这只股票在你的自选股里。

WorkBuddy本身支持处理表格、数据分析和本地文件，也支持通过Skill扩展查询股价、调用第三方API等能力；如果希望做实时或准实时股票研究，仍需要接入可靠的行情、公告、新闻或财务数据源。

---

三、开盘后，我只让AI做一件事：找异常

真正的核心指令可以直接这么写：

检查我的自选股最新数据。

不预测涨跌，不推荐买卖。

只寻找相对于自身历史和所属板块明显异常的股票。

重点检查：

涨跌幅；

成交额；

成交量；

换手变化；

所属板块强弱；

最新公告；

最新重要新闻；

是否出现与过去5—20个交易日明显不同的现象。

最终按照：

【优先查看】

【值得关注】

【正常】

三档分类。

正常股票不要展开。

最多只给我5只最值得进一步看的股票。

每只必须说明：

发生了什么；

为什么异常；

有哪些已经确认的事实；

下一步需要验证什么。

不允许因为涨幅大就自动判断为利好，也不允许因为下跌就判断为利空。

最后一句特别重要。

因为：

涨 ≠ 好。

跌 ≠ 坏。

AI的工作只是告诉你：

这里和正常情况不一样。

---

四、为什么“只给我5只”特别重要？

很多AI研究工具最大的问题是：

信息更多了。

但人更累了。

你本来有50只股票。

AI给你生成：

50份分析。

每只500字。

恭喜。

你现在有：

25000字需要阅读。

这根本不叫提高效率。

只是把盯盘变成阅读理解。

所以一定要强制AI做：

信息压缩。

比如50只股票里：

43只没有明显异常。

直接一句：

其余43只暂未发现需要优先查看的明显异常。

结束。

剩下7只里，再筛：

3只优先。

4只普通关注。

这才是真正的Agent思维。

AI最大的价值之一不是：

告诉你更多。

而是：

帮你决定哪些信息暂时不用看。

---

五、第二层：发现异常以后，不要马上问“为什么涨”

这是股票AI特别容易翻车的地方。

假设某公司今天突然上涨7%。

AI一搜索：

发现公司昨天出了新闻。

然后马上告诉你：

今天上涨主要由于XX消息刺激。

听起来特别合理。

但问题是：

它真的能证明吗？

不能。

因为市场上涨可能来自：

板块。

资金。

预期。

传闻。

指数。

甚至多种因素共同作用。

所以我的第二层指令不是：

为什么涨？

而是：

对这只股票进行异常核查。

请分别检查：

公司今日和近期公告； 所属行业今天发生的重要事件； 同板块其他核心公司的表现； 是否存在财报、订单、减持、回购、监管等事件； 能否找到可靠信息解释当前异常。

最终区分：

【已经确认的事实】

【可能相关】

【暂时无法确认】

不要为了给出原因强行建立因果关系。

这一句：

“暂时无法确认。”

非常值钱。

一个股票研究AI，如果永远都有答案，

我反而不敢用。

---

六、真正值得看的，是“个股和板块不一致”

这是我特别喜欢让AI抓的一类异常。

例如：

板块整体上涨。

这只股票不涨。

为什么？

或者：

整个板块都很弱。

某只股票却明显放量走强。

这类：

相对异常

通常比单纯看：

涨了5%。

跌了3%。

信息量更大。

所以我会增加一条：

对每只异常股票，同时比较所属行业/概念板块和主要可比公司的表现。

优先找出：

个股明显强于板块；

个股明显弱于板块；

板块上涨但个股不跟；

个股异常但同类公司无反应

的情况。

只描述异常，不直接解释为资金看多或看空。

这样你的观察就开始从：

绝对涨跌

升级成：

相对变化。

---

七、公告监控，比猜走势重要得多

如果让我选WorkBuddy股票研究里最值得自动化的一件事情，

我可能会选：

公告。

因为公告有两个特点：

第一，重要。

第二，特别容易漏。

50只股票。

每天自己逐个检查：

太累了。

所以可以单独做一个流程：

检查我的全部自选股在过去24小时内新增的重要公告。

排除普通格式性公告。

优先寻找：

业绩预告；

财报；

回购；

减持；

增持；

重大合同；

资产重组；

监管问询；

处罚；

股权激励；

重要诉讼；

控股股东变化。

最终只告诉我真正可能影响研究逻辑的公告。

每条输出：

股票；

公告名称；

核心事实；

对原有研究逻辑可能产生的影响；

需要继续确认什么。

最后附原始公告来源。

这类工作非常适合AI。

不是因为AI“懂股票”。

而是因为AI：

能同时看很多东西。

---

八、第三层：盘后自动检查“今天到底发生了什么”

盘中异动只是第一步。

真正能积累研究价值的是：

盘后复盘。

每天收盘后，我希望看到的不是：

上证指数今天上涨0.8%。

这种数据软件本来就有。

我更想知道：

今天我的自选池发生了什么变化？

所以可以固定：

对今天的自选股进行盘后复盘。

不重新介绍所有股票。

只整理今天新发生的变化。

输出：

今日最明显的3—5个异常； 哪些盘中异常最后持续到了收盘； 哪些只是短暂异动； 今天新增的重要公告和新闻； 哪些股票的原研究逻辑出现新证据； 哪些股票出现需要重新检查的风险； 明天最值得继续验证的5个问题。

不预测明天涨跌。

注意最后输出的不是：

“明天关注XX股票”。

而是：

明天验证XX问题。

这两个思维完全不同。

真正好的研究不是：

今天找股票。

明天换股票。

而是：

问题不断被证据验证或者推翻。

---

九、然后把盘前和盘后接起来

这一步我认为特别重要。

比如今天早上你的观察清单里写：

半导体板块是否出现持续性？

下午复盘以后：

AI应该回来检查：

今天半导体板块上午较强，但下午明显回落，成交并未进一步扩大，因此“持续增强”暂未得到充分验证。

而不是第二天直接忘掉。

可以要求：

每日盘后自动检查今日盘前观察清单。

每个观察点分别标记：

【验证】

【部分验证】

【未验证】

【证据不足】

保留原始观察内容，不要事后修改问题。

每周统计我的盘前观察中最常出现的错误。

这个流程跑30天，

你积累的东西就开始变得非常有意思。

因为AI不只是在研究股票。

它也开始：

研究你的研究过程。

---

十、每周做一次“自选股淘汰赛”

自选股为什么会越来越多？

因为大家只会：

加。

很少：

删。

看到一家公司不错：

加入。

看到热点：

加入。

最后：

100只。

其实长期自选池应该不断清理。

每周可以让WorkBuddy做：

复盘我的全部自选股。

不评估未来涨跌。

按研究价值重新分类：

【核心跟踪】

【继续观察】

【逻辑弱化】

【长期无进展】

【建议移出研究池】

判断依据只能来自：

原关注逻辑；

最新基本面；

公告；

财务变化；

行业变化；

近期新增证据。

不因为股价短期下跌就建议删除，也不因为短期上涨就提高优先级。

这样你的50只，

慢慢可能变成：

30只。

20只。

真正高质量的股票池。

---

十一、这套流程最适合做成自动化

如果前面的手动流程已经跑稳定，就可以再进一步。

WorkBuddy官方目前支持小时、每天、每周等定时自动化任务，并建议把重复工作交给Automation；官方也支持通过Skill封装特定工作流和第三方API能力。

比如：

开盘前：

生成今日观察清单。

盘中某固定时间：

检查第一轮异常。

收盘后：

完成自选股复盘。

周末：

做一次研究池清理。

但我非常建议：

先手动跑几天，再自动化。

错误的规则自动跑，

只会每天自动制造垃圾。

---

十二、我最终想达到的状态，其实特别简单

不是让WorkBuddy替我：

炒股。

而是每天早上打开以后：

它告诉我：

你的50只自选股里，今天暂时只有4只值得优先查看。

第一只：

出了重要公告。

第二只：

明显放量但板块没有同步。

第三只：

所属行业发生重要事件。

第四只：

原来的研究逻辑出现新风险。

其他46只：

今天先不用管。

我觉得这才是AI对普通投资者真正现实的价值。

不是：

一天多找到10只股票。

而是：

少看46只没必要看的股票。

---

十三、最后送你一条完整“自选股巡检指令”

这条可以直接保存：

你现在是我的股票研究助理，不是投资顾问。

我会提供一份自选股清单，以及可靠的行情、公告、财务和新闻数据来源。

你的任务不是预测涨跌，也不是推荐股票。

每次巡检按照以下顺序执行：

先检查数据时间和来源；

再寻找相对于个股自身历史的异常；

再与所属行业和可比公司进行比较；

再检查最新公告和公开信息；

最后判断是否值得我进一步研究。

结果分成：

【优先查看】

【值得关注】

【正常】

正常股票不要展开。

最多只详细输出5只。

每只必须包含：

已确认事实；

异常现象；

可能相关信息；

暂时无法确认的内容；

下一步应该验证的问题。

不提供买卖建议。

不给目标价。

不预测明日涨跌。

不根据模型记忆补充实时行情和公司事实。

找不到证据时直接写“无法确认”。

这才是我认为真正值得长期使用的：

AI股票研究助手。

---

写在最后

以前我看自选股，

最怕的不是不会分析。

而是：

看不过来。

50只股票。

每天每只只花2分钟，

都要100分钟。

更何况：

公告。

财报。

新闻。

行业。

板块。

成交。

根本不可能全部认真跟。

所以我现在越来越不想让AI回答：

“这只股票怎么样？”

我更愿意让它每天回答：

“今天哪几只发生了值得我亲自看的变化？”

WorkBuddy本身具备多步骤任务规划、数据分析和自动化能力，也可以通过Skill或连接器接入第三方工具；用于股票研究时，最关键的前提仍然是使用可靠、及时的数据源，并对重要事实进行再次核验。

如果50只自选股最后只需要你认真看3只，

这就已经不是：

“AI帮我炒股。”

而是：

AI终于开始替我过滤市场噪音。

而真正稀缺的，从来不是更多股票。

是：

你的注意力。

本文仅讨论AI辅助信息整理与投资研究工作流，不构成任何证券投资建议。行情、公告、财务等信息可能存在延迟、缺失或口径差异，涉及投资判断时应以交易所、上市公司等权威来源为准。

#探寻人工智能##探寻人工智能，人与AI全新序章#