AI 辅助研究与工作流

利用腾讯元器做了一个智能体，把公号的全部内容放进去训练了，另外还添加了几本书。知识库只能添加10个，不过瘾啊，我想加100本书。

已经可以通过我公号的私信对话框交流了，大家可以去试试哦。希望腾讯大模型产品越来越好用，和公号打通是个不错的思路。

欢迎大家多提想法和建议，不断发展猛兽股投资智能体。

备注：本文是在豆包AI辅助下总结输出，主要目的是对当下的AI发展和应用有个框架性的了解，其内容的真实性请读者自行甄别。

一、研究背景与目标

2025 年被业界定义为 "AI 智能体元年"，标志着 AI 技术从实验室走向大规模商业化应用的关键转折点。在政策支持、技术突破和市场需求的三重驱动下，AI 应用正在重塑各行业的生产力格局。根据最新数据，2025 年中国企业 AI 投资回报率预计达到 18%，未来两年将接近翻倍，达到 34%，均高于全球平均水平。

当前，AI 应用的落地呈现出明显的场景分化特征。一方面，某些领域已经实现了显著的生产力提升和商业价值兑现；另一方面，仍有许多场景处于探索验证阶段。本研究聚焦于最先适配且生产力提升最明显的 AI 应用方向，通过对智能编码与开发、客服与工单自动化、办公与内容生成、智能制造、AI 算力配套、金融风控与反欺诈以及游戏行业七大核心领域的深入分析，为企业和投资者提供可操作的决策参考。

研究目标包括：梳理各领域的技术成熟度和应用现状；量化分析生产力提升的具体数据；识别关键成功因素和实施路径；为不同行业和规模的企业提供 AI 应用优先级建议。

二、AI 应用最先适配的核心方向分析

2.1 智能编码与开发：从辅助工具到全流程赋能

智能编码与开发是 AI 应用最先适配且效果最为显著的领域之一。根据 Gartner 预测，到 2028 年，90% 的企业软件工程师将使用 AI 代码助手，而 2024 年初这一比例还不到 14%。这一爆发式增长背后，是 AI 技术在编程效率提升方面的革命性突破。

技术成熟度与应用现状

当前，主流 AI 编码工具已经实现了从简单代码补全到复杂任务自主规划的全流程覆盖。GitHub Copilot X 作为行业标杆，已经从一个有前景的工具发展成为 AI 编码助手的黄金标准，由先进的 OpenAI 模型驱动，提供前所未有的编码智能。国内的通义灵码 2.5 更是实现了从代码生成到 "任务自主规划" 的进化，支持 0-1 应用开发全流程，能够自动解析需求、定位工程文件、调用 Maven / 终端等工具链。

在技术架构上，现代 AI 编码工具呈现出三大特征：多模态支持，覆盖 200 + 编程语言及框架，适配 VS Code、JetBrains 等主流 IDE；深度工程理解，分析多文件代码关联，提供精准补全与重构建议；全生命周期覆盖，从需求分析、代码生成到测试部署，打通开发闭环。

生产力提升的量化数据

AI 编码工具对开发者生产力的提升效果已经得到了大量实证研究的验证。根据行业报告，使用 AI 编码助手的开发者个人产出提升 20-40%，完成的任务量增加约 21%，创建的拉取请求增加 98%，每天处理的 PR 数量增加约 47%。

更令人瞩目的是具体案例中的效率提升：

• 大型项目改造案例

  通过 Claude Code，将原本需要好几天的学习和开发时间压缩到了 3 小时，效率提升 3-5 倍

• 电商订单处理场景

  通义灵码在 10 秒内完成多文件联动修改并生成测试建议，开发效率提升 40%

• 招聘管理工具开发

  在 Trae 中，产品经理只需用自然语言描述需求，AI 便自动生成完整项目架构，代码生成率高达 95%。

2.2 客服与工单自动化：从人力密集到智能驱动

客服与工单自动化是 AI 应用落地最为成熟的领域之一，其核心优势在于需求标准化程度高、数据基础完善、投资回报可量化。根据最新数据，80% 的公司将在 2025 年采用 AI 聊天机器人，95% 的 AI 用户报告实现了重大成本和时间节省。

技术架构与功能演进

现代 AI 客服系统已经从简单的关键词匹配发展为具备深度语义理解的智能交互平台。系统能够准确把握客户问题的核心意图，理解上下文关联；支持复杂的多轮交互，保持对话连贯性；整合文本、语音、图像等多种输入形式；结合企业知识库，进行逻辑推理和问题解决。

在工单处理方面，AI 系统通过 "智能标签匹配" 机制，为每个工单打上 "问题类型（技术故障 / 售后退款 / 产品咨询）、紧急程度（高 / 中 / 低）、客户等级（VIP / 普通）" 等标签，再结合工程师 / 客服的专业领域、当前负载量自动匹配。这种智能化分派大幅提升了工单处理效率。

生产力提升的多维度分析

AI 在客服与工单自动化领域的生产力提升体现在多个维度：

效率提升数据：

• AI 可减少高达70%的咨询量，处理时间缩短约80%，座席生产力提升 10-20%

• ServiceNow 的 AI 座席将复杂案例处理时间减少52%

• RPA 自动抓取聊天记录和邮件生成工单，工单录入效率提升85%，客户平均响应时间缩短至 1 小时内。

质量改善数据：

• 最佳实施案例中，首次联系解决率提升30%，48% 的客户无法区分 AI 座席与人工座席的服务质量

• 通过 AI 驱动的个性化服务，客户满意度提升 12-27%，87% 的客户对 AI 服务给予积极评价

• 机器人可处理 80% 以上的标准化咨询（如订单查询、退换货），日均处理量达 10 万 + 次，响应速度提升300%。

典型企业案例：

• 3C 产品企业案例：通过 AI 辅助解决方案推荐与智能派单，售后工单解决率从 65% 提升至92%，80% 的常见故障可在 15 分钟内给出解决方案，客服日均处理工单量从 40 个增至80 个。

• 小糊涂仙酒业案例：统一工单平台对接 OA 系统，跨部门业务工单流转效率提升50%，400 热线与经销商小程序的咨询问题通过工单系统集中处理，常见问题解决率达 80%，客户等待时长缩短45%。

• 电商平台案例：启用机器人后，客户排队时长从 8 分钟压缩至8 秒，夜间咨询自动转接率提升至98%。系统对接微信、抖音、电商平台等 12 + 渠道，实现订单号一键查询物流 / 售后信息，处理时效从 5 分钟缩短至20 秒。

2.3 办公与内容生成：重塑知识工作流程

办公与内容生成是 AI 应用中门槛最低、普及最快、效果最直观的领域。2025 年，AI 办公助手已经从概念验证阶段（M1）发展到完全成熟阶段（M4），例如飞书的智能会议纪要已达 M4 级，能实时生成精准总结与待办事项。

技术能力与产品形态

现代 AI 办公工具已经具备了强大的内容生成和智能处理能力。WPS AI 作为国内领先的办公 AI 助手，已经从简单的文本生成器进化为集成多项先进 AI 技术的综合平台，其核心能力包括：智能内容生成、文本润色与优化、风格模仿与转换以及创意激发等。

在具体功能上，AI 办公助手展现出了令人惊叹的效率提升：

• PPT 创作

  WPS AI 的 PPT 文生图模型能够瞬间输出包含主题配色的多组配图，创作效率提升80% 以上

• 文档生成

  在 "智能文档" 中输入 "2025 年上半年工作总结"，AI 自动匹配党政机关公文模板，生成包含工作进展、问题分析、下一步计划的结构化文档

• 会议纪要

  中国移动广西公司的 AI 智能办公助手可根据录音或文字记录，按照标准模板自动生成会议纪要，员工仅需微调即可提交

• 数据分析报告

  撰写经营分析报告时，系统会依据预设模板与数据字典，自动抓取分析数据，同步生成报告大纲及可视化内容

生产效率提升

• 豆包语音团队的 AI 多人有声剧全自动方案，不用人工写剧本、配角色，成本降低

• 90%，原本 10 天的工作 1 天就能完成

• 影视行业用 AI 做后期剪辑，效率比人工快8 倍，单部剧制作成本节省 200 万元以上

• 万兴科技 AI 视频编辑工具用户超 1 亿，海外收入增长40%

• 飞书多维表格的 AI 功能，15 分钟完成评论翻译与提炼，AI 打标准确率可达80%，提效 90% 以上

• 金山办公 WPS AI 带动营收增长18%，用户付费率稳步提升

• 福昕软件订阅收入同比增长56%，连续 8 个季度高增长

用户规模与市场接受度

• AI 办公工具的用户规模呈现爆发式增长。根据 QuestMobile 数据，2025 年三季度，国内使用 AI 应用的手机用户达7.29 亿，差不多每 2 个手机用户里就有 1 个在用 AI 应用。其中，豆包月活 1.72 亿，华为小艺 1.57 亿，OPPO 小布助手 1.48 亿。

• 用户不仅在使用频率上大幅提升，在付费意愿上也表现积极。头部 AI 应用付费转化率能到8%-12%，金山办公 2025 年订阅收入预计占 70% 以上，福昕软件的付费用户从 3.2% 涨到5.8%。

2.4 智能制造：从自动化到智能化的跃迁

智能制造是 AI 应用中技术门槛较高但价值创造最大的领域之一。2025 年，AI 在制造业市场预计达到 85.7 亿美元，较 2024 年的 59.4 亿美元增长 44.2%，反映出 AI 在制造业的重要性日益提升。

技术应用全景图

AI 在智能制造中的应用已经覆盖了生产全流程，形成了完整的技术应用体系：

• 设备运维领域：基于机器学习的预测性维护可将设备故障率降低30% 以上，减少停机损失40%

• 质量控制环节：计算机视觉技术替代人工检测，将缺陷识别准确率提升至99.5% 以上，检测效率提升 5-10 倍

• 生产调度方面：强化学习算法能够动态优化排产计划，使设备利用率提升15%-20%

细分应用场景的深度分析

1. 智能生产调度与排程

AI 通过优化算法实现生产计划的动态调整，展现出了强大的优化能力：

• 自适应排程

  综合订单优先级、设备状态、物料库存等因素，AI 生成最优生产序列，比人工排程效率提升5 倍

• 瓶颈突破

  识别生产线瓶颈并自动调整任务分配，使整体产能提升15%-20%

• 实时响应

  当突发情况发生时，AI 在10 分钟内重新规划生产计划，某电子厂应用后停机损失降低 60%

2. 预测性维护革命

AI 预测性维护彻底改变了传统的设备维护模式：

• 异常检测

  传感器采集设备振动、温度、电流等数据，AI 识别早期故障信号，准确率达90% 以上

• 寿命预测

  预测关键部件的剩余寿命，如 "主轴还能运行 120 小时"，提前安排维护

• 维护优化

  AI 推荐最佳维护时间和方案，使维护成本降低30%-50%，设备有效运行时间提升 20%

通用电气（GE）的航空发动机预测性维护系统通过 AI 分析飞行数据，提前预警发动机故障，使航空公司的航班延误率降低25%，维护成本减少35%。

3. 质量检测与控制革新

AI 在质量控制领域实现了 "实时检测 + 根源分析"：

• 视觉检测

  高速相机拍摄产品图像，AI 识别微小缺陷（精度达 0.01 毫米），速度是人工的10-100 倍，且 24 小时不间断

• 过程控制

  实时分析生产参数，AI 预测质量风险并提前调整参数，将缺陷消除在生产过程中

• 根因分析

  当出现质量问题时，AI 追溯全流程数据，定位根本原因，避免重复发生

富士康某工厂引入 AI 视觉检测后，手机外壳缺陷检测效率提升80%，漏检率从 5% 降至0.1%，每年节省质量成本超2000 万元。

2.5 AI 算力配套：支撑智能时代的基础设施

AI 算力配套产业是 AI 应用生态中最具确定性和成长性的领域之一。随着 AI 大模型和智能应用的爆发式增长，对高性能计算、高速互联和先进封装的需求呈现指数级增长。

光模块：AI 算力互联的关键纽带

光模块作为 AI 服务器和数据中心的核心互联器件，正迎来前所未有的发展机遇：

技术演进与市场需求：

• 800G 和 1.6T 光模块成为 AI 基础设施的关键组件，传统服务器升级也推动 400G 模块需求增长

• 800G 可插拔模块功耗高达 15-20W，带宽密度仅 30Gbps/mm，已无法满足 AI 计算集群需求，CPO（共封装光学）技术应运而生，密度提升5 倍，成本降低30%

• 1.6T 模块预计 2025 年采用率达25%

国内核心供应商表现：

• 中际旭创

  800G/1.6T 光模块核心供应商，1.6T 产品已小批量出货，与英伟达深度合作

• 新易盛

  800G 产品通过认证，低功耗光模块适配数据中心需求，掌握高速光器件芯片封装技术

• 天孚通信

  为英伟达 Quantum-X 交换机提供 CPO 光引擎封装，市占率超70%，在 2025 年 GTC 大会上被明确列为核心供应商

PCB：AI 硬件的神经网络

AI 服务器和 GPU 对高端 PCB 的需求呈现爆发式增长，技术要求也达到了前所未有的高度：

技术要求提升：

• AI 服务器 PCB 层数达20-30 层，技术门槛极高

• HDI（高密度互连）细分市场预计 2025 年增长10.4%，得益于 AI 服务器、高速光模块需求扩张

• 人工智能服务器及数据中心高速网络设备是 2024 年 PCB 及封装基板市场最核心的增长引擎

主要供应商竞争格局：

• 沪电股份

  AI 服务器 PCB 龙头，国内唯二掌握 6 阶 HDI 技术的企业，英伟达 AI 服务器 PCB 第一大供应商，2025 年 Q1 英伟达订单占比超70%，全球 AI 算力卡 PCB 市场份额超50%，独家量产 40 层超高层 PCB（良率 95%）

• 胜宏科技

  独家供应 GB300 OAM 模块五阶 HDI 板，在 AI 服务器 PCB 领域占据重要地位

• 鹏鼎控股

  供应 GPU 封装基板及高多层硬板，切入 GB200 电源管理模组

封装与制造：AI 芯片的最后一公里

先进封装技术是实现 AI 芯片高性能的关键环节：

技术突破与市场机遇：

• CPO 技术将成为未来发展重点，需要光电混合 PCB 等先进技术支撑，光迅科技的 "光电混合 PCB" 能把光芯片和电芯片的布线误差控制在5 微米以内，这在 CPO 封装里是 "刚需"

• 长电科技是大陆唯一通过英伟达 H20 封装认证的企业，在先进封装领域具有独特优势

• 工业富联是AI 服务器主力代工厂，承接 Blackwell 架构整机柜，订单排至 2026 年，同时在 AI 芯片封装领域也有重要布局

2.6 金融风控与反欺诈：AI 重塑风险管理体系

金融风控与反欺诈是 AI 应用中合规要求最高、技术挑战最大但价值创造最为直接的领域之一。根据 FIS 和牛津经济研究院的研究，78% 的全球企业和技术领导者报告使用 AI 改善了欺诈检测和风险管理。

技术架构与能力升级

现代 AI 金融风控系统已经构建起了多层次、全方位的智能防御体系：

• 实时异常检测

  通过学习个人客户行为，AI 检测微妙的异常，如不寻常的交易或登录位置，实现毫秒级响应

• 多模态反欺诈

  构建 "视觉反欺诈 + 星网反欺诈 + 多模态反欺诈" 三位一体智能防御体系，应对 AI 技术滥用引发的新型欺诈风险

• 图计算应用

  利用图关系、知识图谱等技术，构建复杂的关系网络分析能力，大幅提升团伙欺诈识别率

识别准确率提升：

某股份制银行部署智能反欺诈系统后，欺诈交易识别率提升至99.7%，人工审核量减少80%

2.7 游戏行业：从工具辅助到全链路智能重构

2025 年，AI 在游戏行业的应用已从单点工具尝试升级为全流程渗透，推动行业竞争从 “流量之争” 转向 “智能之争”。Unity 报告显示，96% 的游戏工作室已将 AI 工具整合到工作流程中，头部厂商通过构建工业级 AI 管线实现研发效率翻倍，中小团队借助开源模型大幅降低创意落地门槛，成为 AI 应用适配速度快、生产力提升显著的代表性行业之一。核心场景聚焦四大方向：

• 内容生产全流程提效

美术创作环节实现质的飞跃，AI 工具打破 2D 与 3D 设计的串行壁垒，支持并行推进，世纪华通通过自研 AIGC 创作管理平台，将游戏项目周期从 30 天压缩至 4-7 天，整体效率提升 4-10 倍，美术批量生产环节提效达 60%-80%。三七互娱的美术 AI 中台 “图灵” 每周可产出 3W + 图片和 3000 + 模型，同时覆盖发行素材视频和音频制作，视频、音频环节提效均超 20%。网易雷火更是构建了 1000 多条新质生产管线，覆盖 90% 的生产场景，场景设计效率提升 70%，部分场景甚至达到 300%。

剧情与脚本生成方面，AI 将传统人工创作周期大幅缩短，《逆水寒》手游通过 AI 生成任务脚本的时间从 2 周压缩至 3 天，人力成本直接下降 40%。在《无尽冬日》等游戏中，AI 已大量参与剧情生成，经人工优化后快速落地，极大提升内容产出效率。

• 智能交互体验革新

大模型的深度应用让 NPC 摆脱固定脚本束缚，升级为具备情感感知与动态决策能力的智能生命体。网易《逆水寒》接入 DeepSeek 推出的智能 NPC “沈秋索”，可根据玩家行为生成动态剧情分支，通过情感计算模拟真实人际关系，触发隐藏任务线及 “侠义”“黑化” 等多元结局。腾讯《和平精英》则为数字代言人 “吉莉” 注入 AI 能力，提供实时战术指导、武器搭配推荐等全场景服务，后续还将实现跨对局连贯交互与拟真语音回应。此外，《梦幻西游》电脑版的 “梦幻精灵” 升级为 “游戏策略导师”，意图识别能力提升 46.8%，回复综合得分提高 20%。

• 研发与运营效率优化

技术研发端，AI 代码生成工具成为标配，网易雷火借助 AI 开发效率提升 50%，生成代码质量达到专家级水平。测试环节 AI 的应用大幅降低人力成本，AI 将 BUG 修复效率提升 40%，同时实现自动化的回归测试与异常监控。运营端，腾讯采用 “DeepSeek + 混元双引擎” 策略，打通跨平台 AI 记忆网络，使游戏用户留存率提升 22%；网易通过 AI 驱动的精准用户画像和智能客服，营销效率提高 250%。巨人网络自研的有声游戏生成大模型 “千影 QianYing”，可跳过传统 3D 模型制作和引擎渲染环节，直接生成具备强物理模拟特性的开放世界游戏视频。

• UGC 生态与个性化服务拓展

AI 降低了用户创作门槛，推动 “AI + UGC” 模式快速兴起，像《蛋仔派对》在编辑器中加入 AIGC 功能，让用户自主生成内容，助力游戏留存率提升 15% 以上。同时，AI 实现 “千人千面” 的个性化服务，《和平精英》的 “吉莉” 能结合玩家数据及版本动态提供定制化支持，《梦幻西游》的智能助手可针对帮派管理、角色养成等复杂问题给出专属建议。

生产力提升的量化成果

AI 对游戏行业的生产力提升已形成明确的数据支撑，覆盖效率、成本、用户价值三大维度：

• 效率提升核心数据

  头部厂商研发效率平均提升 30%-50%，其中网易整体研发效率提升 30%，世纪华通美术环节效率提升 4-10 倍，网易雷火场景设计效率提升 70%、动画生产综合提效 30%；AI 生成任务脚本周期缩短 78.6%，BUG 修复效率提升 40%，营销运营效率最高提升 250%。

• 成本控制核心数据

  ：《逆水寒》AI 脚本生成使人力成本下降 40%，法国独立工作室 PixelForge 接入动态剧情生成功能的成本不足传统方案的 10%；三七互娱通过 AI 中台规模化生产素材，大幅减少外包支出，正版 AI 工具的应用也降低了后期版权整改成本。

• 用户价值核心数据

  腾讯游戏用户留存率提升 22%，《梦幻西游》智能助手意图识别能力提升 46.8%，网易游戏用户满意度与留存率达到行业领先水平；AI 驱动的智能 NPC 交互使游戏沉浸感显著增强，推动核心用户活跃度提升。

典型案例与行业格局

头部厂商凭借技术与生态优势引领行业 AI 转型，中小团队依托开源工具实现弯道超车，形成差异化竞争格局。

特别消息：本号受邀腾讯微证券社区，将跻身特约内容提供咖位：

每次我把后台私信的AI自动回复关闭一段时间，再开启后，它就会变得更聪明一点，这是为什么？是因为它会闭门思过？还是腾讯的开发进度真的很快？

我发现有个新来不久的同学，昨天后半夜还在和AI私信互动，我大致看了一下互动列表，感觉AI这次已经完全领会了猛兽动量系统，回答得很好，至少脾气比我好多了，而且只有少量的BUG。

现在我有点犹豫，要不要再把它关小黑屋，反思反思，或许还能进化？

据说今年春晚，AI四巨头要登台PK，各放大招，自媒体都在提前预期AI应用要火，但我实不知他们所说的AI应用是个啥。

北美只有谷歌全栈布局AI，国内是阿里，芯片、大模型、应用，全链条开发，而且做得都还不错，阿里可以对标谷歌，还是马云的视野和格局更放得开。大格局的公司才值得格局，这是我目前的看法。

1.14日的推文中，我提到了行情会可能切换到业绩预告和涨价逻辑，这半个月基本就是这个调调，有色呼啸而起。后面应该还是这个调调，当然可能换换口味，或者含金量又换作含科量？有没有既涨价又业绩预喜还从低位启动的含科量？

AI赛道，要见到100倍大牛，才算见证有史以来最伟大的技术变革，才算见证10年一遇的大牛行情。（倒推10年是2015年，再倒推10年是2005年，是啊，人生有几个10年可以等待）

或许两年之后，再回顾曾经的繁华尘嚣，会觉得天天杀进杀出，期盼的那根长阳，是多么渺小。

历史牛股是最好的教科书，而当下的牛股正在按相似的步调行进，这是因为人性不变。它们的基本特征是：主线脉络清晰，走势结构紧凑，反复突破平台上行。

郑重声明：本文股票案例仅供学习交流使用，既无推荐之意，也不能作为买卖参考。

更多精彩内容，请关注同名公众号：猛兽派选股

各大AI平台应该已经识别到猛兽派选股知识库了。用大模型沟通或许更出彩，比公号私信框的AI助手可能更有趣。

周末没有做更新，确实也没啥好说的，有人在讨论红利，但如果只是想短期套利，现在已经晚了。我预警科技股见顶的时候，同时也讲过资金会退守红利，但那时没人信。机会要趁早啊~

周末这两天在忙一件大事，把猛兽派的投研技能蒸馏到Workbuddy，基本成型了。腾讯这个Workbuddy真给力啊，好用，整个过程只用自然语言，零代码输入，就把我的投研流程实现自动化了，以后复盘就完全自动，还能生成日报、周报和产业链深度分析报告。

框架和流程已经完全跑通，后面还有细节调试，所产生的报告以后也可以考虑付费合集的方式分享给大家，不知道有没有需要。

一个略懂代码的行业研究者，用几周时间，把一套沉淀多年的专业判断框架，迁移成了每天自动运转的 AI 系统。这段经历让我对 WorkBuddy 有了和传言完全不同的认识。

我原本的预期：这活儿工程量太大，不敢想

我只是略懂代码，所以比大多数人都清楚一件事：

把一个领域专家的判断体系，迁移成一套可运行的数字化系统，工程量有多大。

数据怎么接、规则怎么建模、逻辑怎么校验、产物怎么自动化——每一环都是实打实的开发工作。没有几个月、没有专门的开发投入，根本做不下来。

所以最初我对 WorkBuddy 的预期并不高，好像大家都觉得它只是一个"整理数据、做做文案的办公工具"而已。

但是我还是决定尝试一次深度挑战：把我用了几年的那套行业研究框架，整个交给它。结果，不到两周的功夫，我竟然做成了。

我做了什么：把一个"脑子里的体系"迁移成"能跑的机器"

我的工作有一个特点：判断框架是完整的、多年验证过的，但它只存在于我的脑子里。

每天要做的事是重复的，每个环节看什么、什么信号该警惕，我都门儿清，但没法复制，平时写点东西自己也没法保证每天的口径完全一致。

我做的第一件事，是把这套框架"讲"给 WorkBuddy 听：每个环节看什么、怎么判断、什么信号意味着什么。它听不懂的地方会反问我，我纠正它，它改完再确认。

这个过程很像带徒弟——把"我知道怎么判断"翻译成"它也能判断"。然而它不仅仅是徒弟，远比我想象的要聪明，在相互切磋的过程中，它不断地给我提出很多新的思路和优化建议，显示出一般人类没有的思维高度和效率。

三个让我意外的瞬间

1. 它直接吃我的本地数据，不用重新搭数据管线

我的研究依赖本地积累的数据资产。原本我以为要花大量功夫教它怎么对接数据，结果它直接读取本地数据文件——已经算好的指标、历史序列，拿来即用。我多年积累的数据资产，直接成了它的"数据库"，没有重复建设。

2. 它会自我纠错，还自己建立了一套检查机制

有一次它写了一个判断，我让它回去看历史数据，它发现自己写错了，立即进行自我反省——从那以后，它写结论前会先拉一份近 10 天的数据轨迹做核对，建立起一套自省飞轮系统。这个"自省飞轮"，让它的产出质量肉眼可见地提升。

3. 最花功夫的，是把它从"AI 味"调成"人话"

系统跑通不难，难的是让它把话说得人听得懂。最初的输出全是术语堆砌，连我自己都"看不懂"。

我们花了很多轮打磨：它学会了讲"正在发生什么"，而不是报指标读数；学会了用大白话解释专业逻辑；学会了推演行情；学会了一刀砍掉那些绕来绕去的假设推导。

我的收获：一套会自己运转、还会越长越聪明的系统

现在每天盘后，它会自动完成全流程：补数据、算判词、写各个模块的研究叙事、渲染成图文日报。复盘所呈现的比我自己写的更加条理清晰，更加客观，更加专业务实。

重新认识 WorkBuddy：它能承载深度项目

这次经历最颠覆我认知的，不是它"自动跑了个日报"——而是它能承载一个"领域专家 → 可运行系统"的完整迁移。

AI 的能力上限，取决于我愿不愿意陪它磨，取决于我与AI互动方式，这是一个相互激励、相互启发的全新的工作范式，把合作双方的智力和效率同时数倍放大。

我深深感到，AI辅助投研，甚至辅助交易的时代已经大踏步地迈进我们的日常。

如果你也在用 AI 做专业领域的事，欢迎在评论区聊聊你的故事。如果这篇分享对你有启发，点个「在看」让更多人看到。

作者：猛兽派的猛叫兽

公众号：猛兽派选股

我的投研AI技能开发计划，第一个是盘面解读，大家都看到了，打磨快接近尾声；第二个是产业链解读，应该也很快就会推出测试版，后面还有催化剂和新闻解读。我要把它们完全AI化，这个计划完全映射马克米讷维尼的SEPA体系和欧奈尔的CANSLIM体系。

最近之所以不讲行情，是因为没什么好讲的，该讲的早就讲过，科技股在暴跌之后大致会有诱多出货浪，最近的一次平均股价指数60分钟级别底背离就是出货浪的起点，我在当时的一篇小文中指出过这个背离点。但大盘整体已经不好，仓位要严格控制。就这点事。

初次接触我的公号，有部分人会感到很新鲜，一篇篇精华文章读下来似乎有无限的灵感，但完全熟悉之后，又会升起一种塑料感。这很正常，新鲜感是因为当时有认知和审美缺口，塑料感是因为缺口填满了，翻来覆去其实就是那么回事，再也找不到刺激。

而AI做出来的东西，那更是结结实实的塑料感，惹人厌烦。但我的看法又与许多人不同，我觉得塑料感并没有什么不好，尤其是对交易，塑料感其实是优于灵感的。天天盯着K线，盯着分时图找灵感，找刺激，请问结果有几个好的吗？散户为什么惧怕量化，正是因为量化的塑料感碾压了他们的灵感。

有位数学教授朋友，同时TA又是一名优秀的声乐爱好者，我曾经好奇地问TA：数学和音乐是两个极端理性和极端感性的东西，怎么会同时在你身上生长？TA笑笑回答我：其实音乐的底层都是严格的数学，巴赫之所以伟大，正是他极致逻辑中的渊博和深邃。

AI也一样，它的渊博和深邃源自于数学的极致抽象和塑料感。

AI在知识广度、逻辑推理和洞见力有明显优势，至少目前看是这样的，这是我和AI接触之后的感受。但AI目前还不会自觉设计目标，不会自觉优化目标和质量框架，它只在理解人给出的目标和质量框架内工作，所以AI的天花板不是它自己，而是使用它的人。

使用AI的门槛很低，大可不必因为它带着高科技的光环而心生畏惧。理论上任何人都能凭借AI干成很复杂很高级的思维工作，有AI的认知广度兜底，不需要担心知识缺口，但凡遇到不懂不理解的地方，只要用提问的方式层层拆解，都能得到真知和答案。所以，和AI的沟通范式远比你读过多少书重要，在AI面前，你读过的书就像是几颗尘埃，而沟通方式的精进却让你拥有AI的星辰大海。

使用AI的效果，是使用者的能力和AI能力的相乘数，而使用者的能力也因此可能获得指数级的增长，莫要畏缩和踌躇，一切皆有可能，藉此心光明，未来无限可期。

我发AI出的日报，阅读量会明显下降，说明有一部分读者不爱看AI，塑料味太重，或者看不懂索性就不看了，就像人们为什么觉得劳斯莱斯精贵，纯粹因为它被传说是手搓的，而流水线的工业品天生就应该贱价。但实际上，劳斯莱斯的发动机精密部件全部都是CNC机床切削加工，即便是手工组装工序也借助了大量的精密工具。

当然，和活人对话，比较和AI对话，体验确实有所不同，或者说笔者亲自写作是对读者的尊重，天生带有情绪价值。

有些人喜欢琢磨方法论，有些人喜欢抄公式，有些人喜欢个股点评。这其中最无用的是研究个股K线，这话一说出来，估计有一大堆的人不服气。但事实就是这样，无论是口袋支点、枢轴点，还是别的什么点，凡是突破追涨类的技巧，在纯K线背景上，胜率顶多40%，这不是我随口杜撰的，尽可以拿历史数据回测。更糟糕的是，不仅胜率低，还无法在纯K线上评估盈亏比。

股价并不是因为K线长成怎样就会涨或者跌，而是因为行情在变，行业在变，产业在变。

所以，了解行情趋势（动量），吃透行业，瞄准产业，个股自显。

看懂这些的人早就赚够了。

看到昨天晚上一则老铁的私信留言，甚感欣慰：

看得懂的觉得是宝，看不懂觉得是草，大抵如此。

Chat类AI刚问世时，它就是一个聊天窗口，像GPT、豆包这些，在聊天窗口上都是有上下文记忆的，这样沟通过程就能保持连续，就像真的和某个人在聊天一样，比传统的搜索引擎有了质的飞跃。搜索引擎使用关键词提取信息，而AI用提示词。提示词和关键词有什么区别呢，很多人觉得不就是一回事么，所以把搜索引擎的使用习惯沿用到AI，一个词一个词往外冒，这就是大大的谬误了。关键词是词，提示词其实不是词，是句，甚至是连篇的句，就像你正常说话一样，表达一个意思需要一大片话，这片话里面有逻辑有层次有角度。你想象一下，如果对面站着一个人，你一个词一个词往外冒，能有好的沟通结果吗？显然不可能有，倘若遇到脾气不好的，说不定一个大嘴巴子就抽过来了。

那么Claude code、codex、work Buddy、deepseek Harness这些被称作Agent的东西，和以前的纯Chat有什么不同呢，关键在两点：第一，Chat只能在云端互动，不涉及本地磁盘扫描和读取，而Agent则在本地磁盘可以搞事情；第二，Chat只能在聊天窗口做上下文记忆，Agent则可以在本地建立庞大的记忆结构。这又是一次本质的变化，也正因此，Agent可以干更多的工作，可以开拓无限灵活多样的探索过程，你可以凭一己之力完成一个巨大的软件工程，或者开发一款完全产品化的游戏，而不需要任何代码基础。

打一个比方，可能更容易理解：Chat相当于网恋，或者更早以前的笔友，只唠嗑不见面；Agent相当于同居，你和AI可以在自家硬盘上翻云覆雨。这关系不一样了，说的话、做的事自然也就不一样了。

所以，你跟Agent互动，并不需要一个固定的模板，而是在相互磨合之中逐渐形成默契，你们无数次的对话、行为都会记入Agent的本地记忆结构，它会越来越懂你，也会在某个关键节点提醒你纠正你，给你建议，请你裁定，然后温顺地执行。Agent是你的底气，你是Agent的王。你是王，所以你的高度决定了你们在自家硬盘上孕育出怎样的孩子。

Agent可以接入不同的AI大模型，大模型退居二线，成了底层的智力管道，不同的大模型智商会有所差异，比如免费的混元就明显弱一些，效率也明显低一些，付费的这些都比人聪明。但和人类一样，聪明的宝贝往往爱偷懒，大模型在这一点上尤其明显，追求效率而忽略细节几乎是刻在大模型骨子里的基因，稍有不慎它就偷工减料。因此，建立质量框架是必要的，甚至应该早早地嵌入自动检查环节，一开始你就要严加管教，逐渐它会把你的要求形成对自己的约束，输出质量会越来越稳定。

每当它失去目标感时，会无限发散，像夜里的游魂一样。比如你只让它读一本书，它会去读，但它不知道要读啥，然后随便读一点应付你，那么你必须给它一个目标，比如在书里提取交易方法论，它马上就来劲了，透视眼立即打开，一分钟给你完美答卷。你的大部分时间就是不停地和AI一起拆解目标、校对质量、互相提问、讨论计划、规范、一步步落地、抽检、核实细节，和你平时工作没什么两样，只不过AI的响应速度极快，你和人在一起工作，安排下去一个任务可能要两三天给你反馈，但对AI来说几分钟就给你结果了，这种即视感使你多巴胺飙升，而乐此不疲。

经过连续奋战，终于把产业链分析框架和方法论蒸馏到AI了，截两个例图看看，仅仅是样张哈，别当真。这部分将和前面的主线定位对接，实现全自动的分析链条，从动量发现到产业链深挖全线打通。

真的分毫不差啊，太神奇。

请看不久以前画的图：

现如今：

好巧不巧，刚刚好。

原文链接：甜枣

今天完成新模块，截图只是样张，切莫当真，数据引擎和判决引擎还在完善中，图片中展示的描述由AI生成：

【叫兽闲聊】

这两天又把公司分析引擎改进了一版，效果已经相当不错，再过两天应该可以看到完整测试版本了。

有行情的时候玩命做，行情淡的时候改造改造武器，擦拭擦拭枪支。没有趁手的武器在股市里瞎混，会很难。

遥想数月前，我是何其坚定，推文的标题都是这样色的：死守PCB和玻纤，

而如今我不仅自己躺平，还天天劝人别玩了，不知道有多扫人兴致。

股市是有节气的，在不对的节气播种，很难长出好苗子，多半还会烂在地里。现在还在问我啥啥股票的人，我同情你们的寂寞。

日报中的主线三闸，曾经讲过，今天再讲一遍，这就是一个筛选主线的漏斗，有三个指标过闸：1、该板块在领先股池的股票数量，也即个股联动效应够不够强；2、RSR行业强度；3、在持股线上持续多少天，相当于润度；就这么简单，至于阈值，你们自己观察，看几天就明白了。

我是猛叫兽 · 猛兽派选股 · 2026-08-31 11:14

第一版测试终于见面了。

由于内容太多，我考虑前半部分主要是速览，所以采用了长图方式放在公号文章显式位置，而真正的公司详细分析用H5方式发布，放在左下角【阅读原文】，需要点击一下，才会弹出详情界面。

H5的好处是可以交互，你可以层层往里点开，分析详情层层推进，体验会更好。

如有更加的建议，请留言区留言。

本次引擎加强了风险信号捕捉，完善了数据引擎的充分性和稳定性，测试已经达到可实战水平。

比如，对风险事实的呈现已经比较充分，PCB产业链从多个侧面已经开始显露高位风险和头部拐点。报告不仅仅从正面陈述逻辑，也从反面证伪，这对投资决策是非常重要的。也正因为此，我做的这个东西不仅仅是尝试着玩的，也不是信息汇编的马后炮，而是实打实要拿来用的。skill能用的底层逻辑是，一方面充分发挥AI的信息广度、组织效率、和洞察力，一方面由方法论和计算引擎兜底质量底线。

昨天有位老铁给我私信留言，说他模仿我的呈现也做了一个分析器，还截图给我看，说他完全不懂编程，但也用AI做出来了，言下之意非常开心。我觉得这是非常好的起步，正是我昨天说的，他完成了一个最小闭环，这种能力是可以复制的、培植的、生长的，随着越来越多的最小闭环实现，他的分析器会越来越棒。

这是周末文章的留言中发现的，我说方法论和实战推演前面我已经讲透了，然后这位老铁说是的确实讲差不多了，下面就留了个这截图。

看到这个，一下子把我惊叹到了。这种条理和节奏，我自叹不如。

这应该是一个内容目录，而且有展开符号，大概用AI就能做成这样，但若是手工做的，那我就更佩服了。

他等于把我公号中所有的内容进行了归纳整理，体系自然呈现，一目了然。

如果我要写书的话，这就是一个可以参考的章节安排。

这也正是不同的人学习效果差异很大的原因，一个是用心，一个是思维结构。显然这位老铁既有心，也缜密。

如果把我的公号内容做成一个小的知识库，然后给它输入这个目录，让它整理，应该效果会不错，然后进一步导出方法论+量化的精华，就可以形成一个AI Skill引擎的雏形。

这就又发散到如何运用AI的课题了。我最先感知到的是，AI其实很爱偷懒，它的工作机理应该是效率优先，它揣摩你的意思，经常断章取义，快速响应你，给人的感觉就是敷衍了事，纯粹是为了迎合和应付，所以很多人用了几次之后就觉得不靠谱，放弃了。但我没有放弃，我认为这只是方法论缺失状态下的表现，本质和人缺乏思维框架是一样的。

所以，AI的进阶应用是，先给它项目需要的思维框架（即方法论），再发挥它的长处。当然，它自己也能提炼思维框架，再加上几个循环的人机互动，完成提炼工作毫无压力。

现在的Agent平台，在启用前一般都会要求你先定制AI的性格，对应会形成一个soul.MD文件，这是塑造AI能力倾向的第一步，比如你需要它做编程或者需要它写诗，对soul的要求肯定是不同的。

而方法论这部分将会注入另外一个记忆文件，简单的规则直接记入长期记忆文件，如果是复杂的规则，则会自动创建一个单独的spec记忆文件。如果你的项目流程很复杂，每一步都有相应的规则，那么就形成每一步需要的spec。这就形成了项目独有的思维层次和记忆架构。

AI和人是一样的，真正的能力养成，依赖思维层次和记忆架构。单点的，散文式的沟通，自然就是敷衍了事。