我的 AI 投研工作流：从信息过载到结构化日报

研究做得久了会发现，最稀缺的不是信息，而是同一口径下的连续信息。今天在某个群里看到一条资金数据，明天在另一篇文章里看到同名指标却是完全相反的数值，两次都记住了，但复盘时无法比较——因为它们根本不是同一件事。

所以我把日常研究拆成了四段固定的动作。

一、采集：限定来源，而不是扩大来源

我的信息来源分三层：

关键不在「找得多」，而在每一条都标清属于哪一层。二手来源永远标注「需核实原文」，社交信息只用来判断情绪，不用来支撑事实。

二、校验：先问口径，再看数值

这是最容易被跳过、也最容易踩坑的一步。同一个「AI 板块主力净流入」，在不同数据商那里可以是完全相反的符号——原因通常是成分股范围不同、统计口径不同（超大单+大单 vs 全部主动买单）。

我的做法是：任何资金类指标进结论之前，先写清楚三件事——谁统计的、什么口径、什么时点。三件事里缺一件，这个数字就只能当参考，不能进结论。

三、结构化：每天只填同一张表

固定的字段比漂亮的图表重要得多。我每天只更新这几类字段：

• 盘面：关键指数的点位与涨跌幅
• 资金：概念板块与申万一级行业的主力净流入、个股 TOP 榜
• 舆情：五维打分（政策关注度 / 新闻热度 / 社媒讨论度 / 机构研报 / 市场情绪）
• 结论：盘面概况 → 资金面与主线 → 结构亮点 → 后市观点

字段固定下来之后，连续记录十几二十个交易日，趋势线自然就有意义了。真正有价值的不是某一天的数字，而是这个数字在历史序列里处于什么位置。

四、沉淀：让输出自动化，把判断留给人

采集、填表、推送这些环节我已经全部自动化：每天定时抓取、写入结构化数据文件、构建页面并发布。人的精力只留在两件事上——判断口径是否可靠、推演结论是否站得住。

自动化能解决「我忘了看」，解决不了「我看错了」。

这也是我坚持在每份日报里保留「数据来源与核验」一节的原因：机器可以替我做整理，但核对的路径必须留给人。

一点经验

• 先定字段，再谈可视化。字段是骨架，图表只是衣服。
• 历史序列只追加、不覆盖。单日数据的噪声远大于信号。
• 搜不到的项如实留空。一旦开始估算填充，整条序列就失去了可信度。
• 周期长一点看。三天的趋势叫波动，三个月的趋势才叫趋势。

后续我会把其中几个环节的具体实现（数据源选择、指标定义、自动化流水线的搭建）陆续写出来。