如果你現在會用 AI 來研究股票，我想先講一句可能跟你直覺相反的話：AI 最危險的地方，從來不是它答錯，而是它答得太順。
你問它某一支股票能不能買，它幾秒鐘就丟給你一份看起來很完整的答案。財報有了，新聞有了，技術面有了，連優缺點都幫你列好。你看著看著，原本那個「我本來就想買」的念頭，好像突然多了一整排論據在後面撐腰。
但這裡有件事你不會馬上發現：它有在反對你嗎？
它有沒有逼你講清楚，你現在相信這支股票的關鍵假設到底是什麼？有沒有把反方的理由、風險、還有「什麼情況下這個判斷會失效」寫下來，讓一個月後的你可以翻回來對照？
如果這些都沒有，那 AI 給你的不是研究，是一層糖衣。它沒有幫你想得更清楚，只是讓你原本的想法看起來更可信。對一個要拿真金白銀進場的人來說，這比答錯還麻煩。答錯你會警覺，太順你只會更敢下手。
所以這次我做的，不是一個會聊股票的機器人。我做的是一套 AI 投資研究的流程。
裡面有好幾個分工不同的 AI 分析師：有人專門看公司品質，有人看安全邊際，有人看市場訊號，還有一個的工作就是專門反對我。跑到最後，它不會只丟一句「買」或「賣」給我，而是留下一份我事後可以翻回來檢查的決策備忘錄。
投研不是聊天視窗，是一場會議
我先用一個比喻把整件事講清楚。
投資研究這件事，不該長得像聊天視窗：你問一句，它答一句，你問完就走人。它比較像是一場投資研究會議。
會議是有流程的。先確認這個問題到底能不能研究、資料夠不夠；再讓不同領域的專家從各自的角度看同一件事；接著一定要有人扮黑臉，把反方意見硬攤開來；然後把研究結論放回「我現在的投資組合長什麼樣、我能承受多少風險」這個脈絡裡；最後留下一份可以回頭檢查的紀錄。
所以等一下你看到我下的每一個指令，指令本身都不是重點。重點是它在這整套流程裡，負責的是哪一道關卡。先把這個觀念建立起來，你才不會又把 AI 投資研究誤會成「一個比較會回答股票問題的聊天機器人」。
我整合了什麼，又為什麼這樣整合
具體來說，這個投研 Agent 背後接了兩個在 GitHub 上跟交易有關、滿多人用的開源專案（Repo，你把它當成一個專案就好）。
一個叫 TradingAgents，它負責的比較像「研究會議的流程」。它會去收集大量資訊，跑多方跟空方的判斷，再交給一個 Trader 角色去分析，最後從風險的角度給出激進、中立、保守三個版本，由一個 manager 收斂成報告。
另一個叫 AI Hedge Fund，它負責的是「投資大師的視角」。裡面內建了十九位投資大師，你可以自己挑要聽哪幾位的看法，它也有風險管理跟投資組合管理這兩塊。
光是各自跑，這兩個專案其實都已經能用。但我想要的是把兩邊的長處接起來，所以中間我用了自己的 OpenClaw Agent 當整合層，再額外加上五道把關的關卡。
這裡有個小細節我想講一下，因為它其實是這支影片真正的方法核心。整合最關鍵的一步，是我把「投資大師的視角」直接做成投研流程裡「可以勾選的分析師」。這樣一來，後面的多空辯論、還有投資組合的 manager，才讀得到大師的分析，整套東西才是真的串在一起，而不是兩個工具各跑各的、最後人工拼湊。
幫我做這件事前期拆解的，是我 OpenClaw 裡專門負責研究的 Ori。它先把這兩個專案的功能拆開來看，對照出哪些能接、哪些要補，再把我要求的五道關卡規劃進去，後續開發才交給負責寫程式的角色去做。
五道把關，每一道都在補 AI 的一個弱點
我加的這五道關卡，每一道對應的都是 AI 在投資研究上一個會出事的地方。
第一道是輸入檢查。在正式跑分析之前，先確認資料正不正確、該給的東西有沒有到位、有沒有正確連上我的投資組合、抓不抓得到我的觀察清單（watchlist）。我不希望 AI 跑到一半才發現投資組合找不到、或是大語言模型的金鑰沒給。這一步我自己叫它 Preflight，飛機起飛前的檢查。
第二道是加入專家視角。有人看企業品質，有人看安全邊際，有人看市場訊號，有人看新聞，有人看風險。同一檔股票，被不同立場的人各看一遍，盲點才會少。
第三道是正反辯論。這一道我覺得最重要。系統裡一定要有人站出來反對你，因為 AI 天生就很容易迎合人的意見，你看多它就陪你找看多的理由。所以我強迫它把空方的論點攤開，再讓多方一條一條去回應。
第四道是風控整合。因為它看得到我投資組合裡的資金，也看得到我手上已經有哪些持股，它才有辦法算出：對「我現在這個組合」來說，這檔股票最多該配置多少。這跟單純問 AI「我該買幾股」是兩件事，等一下 demo 你就會看到差別。
第五道是留下完整報告。讓我當下能看，事後也能回頭復盤。一個月後翻回來，我要看得到當時的理由、反方、跟風險，而不是只剩一個結論。
先把邊界講清楚，因為這牽涉到錢
進 demo 之前，我想先把一條線畫清楚。
我現在全程用的是模擬倉（paper trading account），不是真錢。等你自己把這套東西測到夠穩，要不要讓 AI 改程式、接上真實帳戶去自動下單，那是你的選擇。
但我自己目前的傾向很明確：投資研究可以自動化，交易本身我要留一個人在迴圈裡（human in the loop），那個人就是我。我允許它做研究、寫報告、幫我衡量合適的投資數量、在本機做簡單的模擬，但我不會讓它直接碰到真實下單。
這不是技術做不到，是我刻意不做。研究交給 AI 加速，按下交易鍵的責任我自己扛。
實際操作：五個案例，從最簡單的開始
接下來進實際操作。我大概會走五個案例，從最簡單的開始。你不用被終端機嚇到，這些指令我都會整理好放在社群裡，實際上就是複製貼上而已。
第一個，Preflight 前置檢查。
指令很單純，就是叫 Trading Agent 跑一次 Portfolio Preflight。它會去確認三件事：連不連得到我的帳戶、抓不抓得到 watchlist、大語言模型的金鑰有沒有給。這一步幾秒鐘就跑完，但它幫我擋掉的是「跑到一半才崩」那種浪費。
第二個，單一股票分析。
這次我拿微軟（MSFT）來示範，指令是 Trading Agent analyze，帶上股票代號。分析師這邊就是我整合過的成果：原本只有市場、新聞、基本面這幾個，我把投資大師也做成了一種可以勾選的分析師。
如果你直接下 analyze，它會進入一步一步的互動模式：填股票代號、選分析日期（通常就是今天）、選分析團隊、選研究深度（快、中、深）、選要用哪個大語言模型。大師這邊我這次挑了四位，是我請教 Ori 之後選的，因為這四位彼此最互補：有人看安全邊際，有人看獲利能力，有人看財務品質，有人看黑天鵝風險。
設定完它就開跑。這一份分析會動用到十六個 agent，產出十一份報告，大概花十分鐘。我昨天實測過，跑完這樣一份完整報告，成本大概台幣十幾塊，其實不貴。
跑完的結果，對微軟它給的結論是 HOLD。但結論不是重點，重點是它後面那一整份報告：技術面有量價結構、均線；基本面有資產負債表、毛利率、淨利率、財務歷史；還有一張關鍵重點整理表，加上巴菲特的觀點、葛拉漢的觀點（這份我當時只勾了兩位大師）。再往下是研究團隊的決策，多方研究員怎麼說、空方研究員怎麼說，最後由一個 Research Manager 做裁決，給出團隊的交易計畫，附上激進、中立、保守三個版本，再由 Portfolio Manager 做總結。
如果你只是想深入研究一檔股票，到這裡其實已經很夠用了。
第三個，問對問題：不是「我該買幾股」，是「我最多能買幾股」。
這支影片我真正想展示的，是下一層：當研究結果被放回投資組合的脈絡裡，它會變成什麼。
所以接下來做的是風控推算。注意這裡的問法。我問的不是「這檔我該買幾股」，我問的是「站在我整個投資組合的角度，我最多只能買多少」。
我用 size order 這個功能，股票代號帶台積電的 ADR（TSM），目標配置設最多 5%。按下去，五秒就回來。
它算出來的東西很有意思。以我大概十萬美金的組合、再考慮現在的股價，單純算 5% 大概只能買十二股。但它接著做了一個風險精算的上限：它去看台積電跟我現有持股之間的波動關係，用過去六十天的股價算出彼此的相關性，再回推出一個風險調整後的加權比例。
算完它認為，我最多其實可以配置到約一萬四千五百美金。原本單看股價大概是 13.9，它把它往上修到 14.6。白話講就是：把台積電跟我這個組合的相關性、波動性算進去之後，它重新給了一個加權後的上限。
而且它的口氣很克制。它沒有說「你就買一萬四」，它說的是「你最多可以配到這麼多」。這個差別很關鍵。它不在報明牌叫我下單，它在幫我畫一條風險的天花板。
第四個，從整個投資組合的角度掃描。
剛剛只是針對台積電一檔。再往上一層，就是用整個組合的角度去掃。
它會去讀我的投資帳戶，看裡面有哪些持股、我的 watchlist 有哪些，再透過資料源拿到每天的股價變化、過去六十天的日 K，用這些去算股票跟股票之間的連動性。
跑完一樣是一份報告。前半段是每一檔在 5% 設定下換算出來的股數，比較關鍵的是後半段的上限檢查跟風控摘要。舉例來說，某一檔我換算是十一股，經過風險加權後的上限是三十八股，十一股小於上限，所以它說「不需要調整」。反過來，如果你把比例拉到 10%、15%，超過風控上限，它就會在這裡把你的數量卡住。
這一層的價值，是你不用一檔一檔自己去比，它一次把整個 watchlist 對著你的組合算完。
第五個，把前面全部串起來：Portfolio Autopilot。
最後一個案例，是把風控掃描跟個股分析合在一起，用 portfolio autopilot 這個指令。它等於同時做了風險控制加上投資標的分析，一次產出一整份完整的投研報告。為了示範時間，我把它限制成一次只掃一檔，配置一樣 5%。
跑完你會拿到兩塊東西：一塊是完整的個股分析（就是前面微軟那種），一塊是風險相關的掃描。把這兩塊接起來，就是一份每天都可以重複跑、而且會留下紀錄的投研流程。這才是我覺得 AI 投資研究真正值得追的方向。
怎麼讀一份 AI 投研報告
前面講了一堆指令，但我一開始就說過，指令不是重點。真正決定這份報告有沒有價值的，是你怎麼讀它。
當你回頭看一份 AI 投研報告，不要只盯著它最後寫 Buy、Sell 還是 Hold。那一個字是整份報告裡資訊量最低的部分。你該看的是底下這幾件事。
它給的理由是什麼。多方為什麼看多，空方為什麼看空。比較有意思的是去看它們怎麼互相不同意：多方會針對空方提出的每一條理由去反駁，空方也會回頭拆多方的論點，等於見招拆招。這個來回，比任何一個結論都值錢。
它有沒有把風險完整提醒你。在什麼條件下，原本的判斷會失效。最後有沒有告訴你接下來該觀察什麼、下一步建議怎麼走。
只有當這些東西它都給齊了，這份報告才值得你好好看。不然就算 AI 答得再完整、文字再漂亮，那也只是一堆堆砌起來的字而已。
收尾：重點是順序，不是指令
快速收個尾。這支影片想給你的，從來不是一堆指令，而是一個順序：先讓 AI 分工，再讓它反對你，最後留下一份值得回頭看的報告。
也提醒你一句：不要太快相信 AI 給你的那份漂亮報告。很多時候它只是把華麗的文字堆在一起，看起來很有道理，實際上沒人逼它想清楚。
如果你也想把 AI 從一個聊天工具，變成自己的一套研究流程，我會把這次完整的專案研究筆記、用到的指令、怎麼把這套系統建起來、還有我自己踩過的坑，整理放在我的社群「AI 效率革命聯盟」裡。想跟著我把這一類系統一步一步做出來，可以先訂閱頻道，再到說明欄看看社群的資訊。
最後想先說清楚，免得你加錯地方：如果你想要的是 AI 幫你報明牌、給投資建議、或是自動幫你交易，那這個社群不適合你。我做的是把研究流程交給 AI，把判斷跟責任留給我自己。這兩件事，我分得很清楚。
