投资-研报复盘系统

一句话定位：AI 帮你把财报、研报、电话会、复盘笔记串成一条可重复的研读链；它负责抓重点、横向对照、提醒你叙事变了什么，不负责替你下投资结论。

你会得到什么

• 一份能复用的盘前 / 盘后摘要，不用每次从零翻 50 页 PDF。
• 一张公司叙事变动表，能看出毛利、增速、风险提示和管理层口径的变化。
• 一组下一轮追问，逼自己把“看过”变成“真的理解了”。

需要什么前置

• 一个固定的公司文件夹，最少放 财报 / 研报 / 电话会 / 复盘 四类材料。
• 近 3 到 5 家公司，先别铺太大，先把一条链路跑顺。
• 关键数字要能回到原文或原表，不要只留 AI 摘要。
• 如果你会反复跟踪同一批标的，建议补一份项目级 CLAUDE.md 说明你自己的关注维度和禁区。

最小起步

1. 先选 1 家你真会继续跟的公司，把最近 4 个季度的财报和 1 份你最常看的研报放进同一目录。
2. 让 AI 先做三件事：业务变化、核心指标变化、风险提示变化。
3. 再让它把结果整理成“本季和上季相比变了什么”。
4. 最后你自己只做一件事：判断这是不是值得继续跟踪，而不是让 AI 直接替你交易。

中配 / 进阶

• L1：给每家公司加一个 index.md，把财报、研报、电话会按时间排好，AI 先读目录再读正文。
• L2：加一个 研报复盘.skill.md，把“先看业务、再看指标、再看风险”固化成流程。
• L2+：如果你有行情、公告、财报数据源，再考虑用 MCP 接实时数据，把“静态阅读”和“动态查询”分开。
• L3：资料量上来以后再谈 RAG，先解决“材料够不够、目录清不清、问题问得对不对”。

人和 AI 怎么分工

• 人必须拍板：是否纳入跟踪池、是否改变投资判断、是否认定某条管理层口径可信。
• AI 负责：提取要点、跨季度对照、找出文本里的新旧差异、把长材料压成可复查的清单。
• 人负责核对：所有财务数字、引用原句、结论与证据是否一一对应。
• AI 不能负责：收益承诺、荐股口吻、仓位建议、替你做风险偏好选择。

常见坑

1. 把摘要当结论。AI 总结得再顺，也只是把材料压短，不等于判断正确。
2. 只看单篇，不做对照。研报和财报最有价值的地方通常是“和上一次比变了什么”。
3. 材料堆太多。没清洗的 PDF 越多，噪音越高，复盘反而更慢。
4. 只看公司故事，不看风险提示。财报里的风险段和管理层措辞变化，常常比标题更重要。
5. 把研报当唯一真相。券商观点是线索，不是答案，必须回到原始披露和你自己的复盘框架。

串读

• 先看 我是非技术的-能用吗，确认你是不是“散户 / 个人投资者”这种入口。
• 再看 文章写作，借它的“材料 → 结构 → 初稿”骨架。
• 想搞清检索式材料怎么喂，再看 12-RAG。
• 想把外部行情 / 财报数据接进来，再看 06-MCP。

公开来源怎么用

• SEC 的 How to Read a 10-K 适合当财报阅读的基本骨架。
• NVIDIA 的财报页和季度业绩新闻稿适合当“公司披露 + 业绩发布 + 口径变化”的公开样本。
• 你真正要抄的不是这些公司的结论，而是它们怎么把信息分层给出来。