WorkBuddy AI 投资分析教程

📚 系列导航：上一篇 WorkBuddy 会议纪要与行动项跟进教程 已经完成前一阶段；本篇聚焦用多阶段研究和多视角讨论辅助投资分析；下一篇 WorkBuddy AI 视频专家团使用教程 继续后续学习。

**先给结论：**不要让 AI 预测涨跌。更稳妥的用法，是让它读财报、拆行业、整理多空分歧、寻找反证，并把每个结论挂到可核验的来源上。

⚠️ 本章只讨论研究辅助，不构成投资建议。市场有风险，最终决策和后果由你承担。

看完这一篇，你会拿到：

• 一套从事实底座到尽职调查的研究链路；
• stock-advisor 等金融 Skill 的分工方法；
• 一次天孚通信案例的完整操作路径；
• 截图识别、过期数据和确认偏误的防坑清单。

AI 在投资里该干什么

AI 最适合做四类低质量重复劳动：

• 财报太长，提取事实和异常；
• 行业太复杂，拆出供需、周期和竞争格局；
• 市场观点太乱，把多空论据放到同一张桌上；
• 自己越看越上头，主动寻找反证和证伪条件。

它像研究助理，不是基金经理。助理负责备料、核对和归档，是否下单仍由你拍板。

开始前先说清目标、标的、材料、深度和验收标准。例如：研究天孚通信（300394），目标是判断是否进入观察池；年报和公告作为事实来源，论坛观点只作情绪参考；所有判断必须能回到原始数据。

选择 WorkBuddy 投资分析 Skill

实用组合是：日常筛选用前两类数据工具；深挖单一标的用 stock-advisor；担心确认偏误时，再让 peers-advisory-group 专门找反面证据。

WorkBuddy 投资分析八步研究流程

建立投资分析事实底座

请系统梳理【公司】的核心业务、主要产品线、收入与利润来源、主要客户、应用场景、产业链位置和近几年战略变化。
只使用可核实信息；每部分用 3—5 条要点；不做投资建议，只整理事实，并附来源。

分析公司所在行业

分析【公司】所在的【行业】：周期阶段、供需关系、价格机制、资本开支、集中度、竞争格局，以及政策、技术和宏观变量。
区分长期结构因素和短期波动因素；给出周期判断、证据清单、3 个领先指标和 3 个滞后指标。

行业拐点不是模型一句话能确认的。让它列出需要持续观察的指标，比直接问“是否见底”更有用。

分析公司商业模式

从价值投资和基本面研究视角拆解【公司】：
1. 用一句话说明卖什么、卖给谁、为什么能赚钱；
2. 量化各业务收入占比、毛利率和近 3—5 年趋势；
3. 区分核心利润、亏损业务和非经常性收益；
4. 分析收费方式、成本结构、规模效应、客户集中度、渠道和定价权；
5. 列出商业模式最脆弱的假设和 3—5 个持续监控指标。
事实与判断分开，判断必须给证据或逻辑链。

检查公司财务质量

分析【公司】近几年的财务质量：收入、利润与经营现金流是否匹配；应收账款、存货、合同资产如何变化；非经常性损益和会计口径是否影响利润。
不预测股价；对每个异常给出解释假设、验证路径和后续跟踪指标。

分析公司治理与筹码结构

梳理【公司】的实控人、控股股东、董事会、股权质押、减持、关联交易、同业竞争和资金占用风险。
建立未来 12 个月的限售解禁、员工持股解锁、定增、配股和回购时间表。
分析股权激励指标是否合理，并输出风险雷达和需要跟踪的公告清单。

整理投资多空分歧

整理市场对【公司】的主要分歧：多方逻辑、空方逻辑、各自证据、未来可验证数据和关键节点。
不得站队，不给投资建议，不使用情绪化语言。

分析公司护城河与估值

用公开披露和权威来源评估【公司】的定价权、转换成本、网络或规模效应、无形资产和竞争反应。
输出 0—5 分的护城河评分、证据表、最可能被侵蚀的环节和监控指标。

再构建 DCF：说明折现率、自由现金流、永续增长等假设，给出敏感性分析，并反推当前市值隐含的增长和利润率路径。明确最容易错的两个假设及验证方案。

执行尽调级 DeepResearch

对【股票名称/代码】完成投资者尽职调查。研究风格：【价值/成长/困境反转】；持有周期：【填写】。

要求：
1. 财务趋势覆盖过去 3—5 年，估值分位尽量回看 5—10 年；
2. 严格区分 Fact 与 Opinion，引用年报、公告、监管问询函等来源；
3. 交叉验证利润与现金流、公司与同行；
4. 必须包含空方逻辑、黑天鹅和逻辑证伪条件；
5. 分析商业模式与护城河、行业周期、财务健康、治理和资本配置、相对与绝对估值；
6. 文末附引用来源清单和未来监控清单。

不直接给交易指令。任何缺失或无法确认的数据明确标记，不要补造。

stock-advisor 的关键不是“会分析”，而是会编排

八段提示词单独使用没有问题，但每换一只股票都要重新搬运上下文。stock-advisor 把它们接成一条流水线：

截图或股票代码 → 技术面 → 基本面 → 交叉验证 → 多视角讨论 → 报告

它复用 a-share-analyst 的指标能力、peers-advisory-group 的讨论能力、magazine-layout 的排版能力和 lark-doc 的文档能力。图像识别与行情数据冲突时，应以可核验数据为准并标注差异。

首次使用时还可以保存风险偏好、投资周期、关注行业和仓位上限。注意：这些偏好只能帮助组织输出，不能替代适当性判断。

实战：三轮研究天孚通信（300394）

上传 K 线图并提取技术事实

识别我上传的 A 股 K 线日线图和 MACD 图，并分析股票信息、近 5 日形态、MA5/MA10/MA20、MACD、背离、支撑与压力。
用表格和文字输出；截图中看不清的数据标记为待核验，不要猜。

原案例识别为天孚通信（300394），截图价格约 368.70 元，并给出多头均线、长上影、MACD 红柱缩短等观察。这些数字只代表当时案例截图，不是当前行情。

加入财报检查增长与估值

识别我上传的三季报和全年预增数据，再与上一轮技术面结合。
分别给出技术面、基本面、估值和资金面观察；列出关键支撑与压力。
所有截图数字先转录成表格供我确认，确认前不要生成交易建议。

案例当时识别出营收、净利润、ROE、毛利率和 PE 等数据，并给出综合评分。截图识别可能出错，且财务口径和市场数据会变化，必须回到公告和行情源复核。

通过多视角讨论寻找投资分歧

基于前两轮数据，组织四个不同视角讨论这只股票：价值与安全边际、科技趋势、商业模式与行业格局、产品力与客户价值。
每个角色先独立陈述，再交叉质询；所有事实必须附来源，角色化表达不得冒充真实人物观点。
最后由主持人整理共识、分歧、证伪条件和后续观察节点，不替我下单。

原案例形成明显的多空分歧，并把判断挂到后续财报、产品放量、毛利率等验证节点上。这里的价值不是模仿名人的语气，而是强制系统使用不同评价框架。

最后可以把已核验内容排成报告，但“排版漂亮”不等于“结论正确”。

五个必须守住的边界

• 不让 AI 代替你给出买卖决定；
• 截图中的关键数字必须用公告或可靠数据源复核；
• 不让模型假装知道行业拐点，只让它列监控指标；
• 强制生成空方逻辑和证伪条件；
• 报告是研究材料，不是收益承诺。

本篇小结

投资研究适合自动化“搜、读、拆、比、查”，不适合外包最终判断。先建立事实底座，再检查财务质量、行业周期、治理、估值和反证；任何无法追溯来源的漂亮结论，都应该降级为待验证假设。