ARTICLE · 1143359
如何将 AI 作为长期投资工具
作者：西姆·特·亨内佩（Siem te Hennepe） & 莫斯塔法（Mostapha）
译者：阿伟
嘉宾介绍
编者按
本文为知名欧洲投资播客《荷兰投资者》创办人兼主持人西姆·特·亨内佩于 2026 年 2 月 3 日与全球知名投资专栏《Compound With AI》创办人莫斯塔法展开的深度实战对谈。
在这场干货密集、充满第一性原理思辨的对话中，莫斯塔法系统解构了如何将大语言模型驯化为各司其职的专属投研特种部队。从封闭受控的“闭环”与全网扫射的“开环”双流派协同，到以纸笔深潜商业本质的“提示词军械库”；从“超额收益八成源自产业”的解构铁律，到时间跨度构筑的终极行为优势，两位实战派投资者彻底剖析了人工智能赋能基本面投研的底层范式。
技术的终极意义从来不是让人异化为追逐跑分的机器，而是以极高的杠杆释放认知带宽，让我们有充裕的时间深潜商业本质、夺回陪伴家人的美好生命时光。（本文约 2.3 万字，预计阅读时间约为 92 分钟。）以下为精彩访谈实录。
摘要
01 终极学习机器：芒格会拥抱 AI 吗
西姆 一件工具的威力完全取决于使用它的人。决定胜负的是弓箭手本身，而不是他手中的箭矢。
“一件工具的威力完全取决于使用它的人。决定胜负的永远是弓箭手本身，而不是他手中的箭矢。”
—— 西姆·特·亨内佩
莫斯塔法 你必须沉下心来花时间去学习这项工具并亲自动手尝试。在测试中学习，在试错中进阶。最终，你将真正掌握一项能够深度融入你日常投资流程的硬核技能。
西姆 确实如此。那么你认为如果查理·芒格今天依然健在，他会选择使用人工智能吗？
莫斯塔法 我觉得他晚年可能不会亲自去摆弄那些具体的软件工具，毕竟年事已高。但我设想，如果芒格今天只有三四十岁，他一定会欣然拥抱并重度使用它。只要你懂得提出正确而深刻的问题，你就能从 AI 中汲取极其浩瀚的智慧。我们都知道，芒格本身就是一台永不停歇的终极学习机器。
西姆 欢迎莫斯塔法来到《荷兰投资者》播客节目！今天能与你连线深度长谈，我感到非常兴奋。
莫斯塔法 非常感谢你的热情邀请，我最近状态很棒，谢谢。我记得你之前跟我提过你常驻荷兰，而我常驻法国，我们不仅是近邻，而且处于完全相同的时区，沟通和协调起来格外方便。
西姆 是的，完全没有跨时区协调的折腾。当下围绕人工智能的讨论实在太热烈了。在过去两三年里，AI 始终是科技与财经圈最炙手可热的超级风口。无论我们称其为狂热炒作还是技术浪潮，稍后我们会深入探讨，但它无疑是当之无愧的年度关键词。大家常开玩笑说，当今世界上如果一个话题不是关于特朗普，那就必定是关于 AI。
因此我非常想知道，究竟是什么契机让你对人工智能产生了如此浓厚的研究兴趣？或许在正式展开深入探讨前，请先向大家简要介绍一下你的个人背景、你的日常工作流，以及在你看来，究竟是什么特质让 AI 成为了如此独特且极具威力的分析利器？
莫斯塔法 大家好，我是莫斯塔法，知名财经专栏《Compound With AI》的创办人。在投资的世界里，我是一名信奉长周期复利的长期价值投资者；在专业背景上，我受过严苛的系统工程学训练，是一名资深工程师。
在我的专栏中，我始终致力于向全球读者传授如何将人工智能深度赋能于日常商业投研。因为我发自内心地坚信：只要搭建起严谨的工作流，AI 完全能够让我们的基本面研究速度提升 10 倍，同时让分析深度穿透 10 倍！
我从 2018、2019 年前后开启了我的专业投资生涯，骨子里深受巴菲特与芒格价值投资哲学的熏陶。最初我是从传统的深度价值策略起步，随后随着认知的拓宽，逐步进阶演变为了 合理价格下的成长投资 风格。
早在 OpenAI 发布第一代 ChatGPT 早期版本时，我便敏锐地下场测试。在我的脑海中，我时时刻刻都在思索如何利用这项技术穿透复杂事物、大幅提升投研时效。随着各大模型版本的快速迭代演进，输出质量与推理能力呈现出质的飞跃。当我亲手跑通并沉淀出整套能够成倍提速、纵深穿透的自动化投研体系后，我开始在 Substack 专栏《Compound With AI》上公开系统分享。如今专栏已经汇聚了超过 2.1 万名全球独立投资者，我非常乐于将自己的实战认知与工程经验毫无保留地传递给大家。
西姆 太棒了。我们两人身上有着惊人的一致性：我们都发自内心地将巴菲特与芒格奉为人生导师与灵感灯塔。回到刚才那个问题，你觉得芒格如果今天依然健在，他会选择使用 AI 吗？
莫斯塔法 我敢断言，他绝对会成为人工智能的重度使用者。
芒格身上有一种极其罕见的非凡特质：他的智识巅峰期恰恰出现在他生命的最后阶段——也就是 95 岁至近 100 岁的高龄。直到他距离百岁诞辰仅差一个月与世长辞之前，他的大脑思维依然处于最锋利的状态。在生命的晚期，他频繁接见来自全球各地的学者与企业家，毫无保留地倾囊相授。我曾听身边的朋友回忆与芒格生前探讨人工智能的场景，芒格当时就极其深刻地指出，他完全看懂了这项技术的底层潜力，它必将引发一场波澜壮阔的生产力革命。
芒格晚年或许受限于体力和精力，没有亲自下场去摆弄那些具体的软件交互界面；但我毫不怀疑，如果时光倒流，让三四十岁正值壮年的芒格置身于今天的时代，他一定会狂热地扑在 AI 上。
因为人工智能在本质上是一项能够以惊人速度阅读、深度理解并精准提炼海量信息的利器。只要你懂得提出直击本质的深刻问题，它就能为你赋能无与伦比的认知带宽。我们都知道，芒格本身就是一台不知疲倦的“终极学习机器”。著名投资人莫尼什·帕伯莱（Mohnish Pabrai）曾多次动情地回忆他登门拜访芒格时的震撼情景：芒格的身边永远堆满了密密麻麻的书籍，他就像一台精密的高速运转机器，读完一本、融会贯通，随即投入下一本，日复一日、终生不辍。像芒格这样视求知为生命的人，绝不可能对 AI 视而不见。
02 告别二元对立：以灰度实证看待 AI
西姆 环顾当下的人工智能浪潮，市场上似乎天然分裂成了两大阵营：狂热的信徒与坚定的怀疑论者。你觉得自己属于其中的哪一派？或许向你抛出这个问题显得有些多余，大家心中可能早有答案。但我依然非常想聆听你从底层视角出发，对 AI 真实威力的客观审视。你认为 AI 真的会长期扎根并深刻重塑人类文明，还是一种过几年就会热度消退、平淡无奇的技术泡沫？
莫斯塔法 人类大脑在进化过程中形成了一种根深蒂固的认知本能——我们总是倾向于将复杂的事物过度简化。在日常琐碎的生活中，适度简化确实是一项实用的生存策略，因为面对生活中的细枝末节，我们不可能也没必要把每一件事的底层微观机理都彻底搞明白，简化能帮助我们快速行动。
然而，面对人工智能这种宏大而复杂的颠覆性技术浪潮时，“非黑即白的简单标签化”恰恰是一套极其危险的思维模型。
现实中我见过太多人随口宣称“我看懂了，AI 纯粹就是一场资本泡沫”，或者草率地下结论说“AI 到底有没有用”。这种二元对立的思维方式非常肤浅。
正如我前面所说，我受过严谨的工程学训练，我的习惯是亲自动手深潜底层。我花了大量的时间去理解 AI 的算法机理与工作边界，并将其置于不同的具体业务场景中反复盲测与实战压测。
在过去两年中，我不仅在日常投研中高频使用它，在我的工程本职工作、个人生活琐事、业余开发项目、陪伴辅导孩子成长乃至旧房改造翻新等林林总总的场景中，我都进行过深度测试。
而我得出的最核心的第一性原理认知是：面对完全不同的具体任务，你驾驭 AI 的方式必须因地制宜、截然不同！
在某些特定的边缘场景下，现阶段的 AI 确实并非最佳解法；但在绝大多数严肃而复杂的专业领域，AI 能够提供惊人的生产力杠杆。
最根本的真相在于：你必须深刻懂得在特定的业务场景下如何正确地向它提问、如何精准驾驭它。如果你胡乱使用，它吐出来的必然是一堆毫无价值的垃圾；但如果你以科学专业的方式驱动它，它能爆发不可思议的威力。
根据具体任务的性质，AI 有时能帮你搞定 20% 的繁杂杂务，而在某些高度结构化的环节，它甚至能一口气完成 80% 的繁重案头工作。
面对 AI，你不能靠道听途说去盲目站队，你必须挑选一个具体的实际痛点，亲自深入钻研它、测试它、应用它，然后基于第一手事实得出自己的清醒判断。在基本面投资领域，我毫不怀疑它能帮我们走得更快、钻得更深。
在我的《Compound With AI》专栏里，我每天都会收到来自全球付费读者的私信与反馈。就在几天前，一位投资圈的好友专程跑来向我道谢，说他差点重仓买入了一只股票，但就在下单前夕，他运行了我打磨的“企业财务雷区排查专属提示词”。虽然他对那个行业知根知底，自诩对标的了如指掌，但 AI 却以极高的敏锐度指出了一个隐藏在年报附注角落里的致命风险点，那恰恰是他此前完全忽略的盲区。这个关键发现让他成功避开了一颗暗雷，避免了真金白银的重大损失。
归根结底，最后的买卖决断永远由人类投资者自己做出，但 AI 能够充当不知疲倦的专属分析哨兵，帮我们大幅拓展认知的扫射半径。
你刚才提到了“炒作”与“泡沫”。从二级市场股票投资的视角来看，某些蹭热点的纯概念股确实存在巨大的估值泡沫，我自己也绝不会盲目去追涨那些高估值的热门 AI 概念股。但这与“技术本身是否具有革命性”是截然不同的两码事。
历史总在押着相同的韵脚重演：想一想 2000 年前后的互联网泡沫，当时市场上充斥着无数没有任何真实盈利模式的空壳网络公司，它们随着泡沫破裂灰飞烟灭；但这丝毫不能否定互联网作为一项底层通用技术对整个人类文明所带来的天翻地覆的重塑。
今天的人工智能亦是如此。AI 已经并将持续深刻重塑整个商业世界的运行底层，这是不可逆的历史大势。我们唯一理性的选择就是坦然接纳它，沉下心来学会如何正确、高效地驾驭它。
03 翻开更多石头：标的发现极速初筛
西姆 这个比喻非常生动贴切。在我们深入拆解具体的 AI 实操细节之前，我们不妨先退后一步审视更宏观的投资逻辑。
大家都知道，在投资世界里通常存在三种竞争优势：其一是分析优势，即拥有独特的视角，能比其他人更透彻、更深刻地剖析同一份商业资料；其二是信息优势，即掌握其他人不知道的核心情报，或者比别人更快获知关键信息；其三是行为优势，即拥有更强大的心智框架、更卓越的心性磨砺，例如在漫长岁月中保持极大的耐心。
坦白讲，我认为对于绝大多数独立投资者而言，行为优势才是我们最容易建立起宽广护城河的终极领域。因为在今天这个时代，所有人都能轻易触手可及完全相同的工具——ChatGPT、Gemini、NotebookLM、YouTube 访谈、Fiscal.ai 金融终端等等。你是否认为在今天的信息时代，所谓的信息优势其实已经近乎消失殆尽？对于生活在当下的投资者来说，我们的核心优势究竟应该建立在哪里？
莫斯塔法 请允许我用一个非常朴素的日常例子来回答你。
设想一位实战经验极其丰富的成熟资深投资者，如果你为他配备一名优秀的初级分析师或专业实习生，请问这位分析师到底能不能帮他大幅提升投研速度？
我相信每一个人的答案都会是毫不犹豫的“能”。
那么这名初级分析师究竟是如何为资深投资人赋能的呢？显然，他绝不可能替投资人做出最终的投资决策；当持仓股票暴跌 30% 时，他也无法在情绪上去替投资人承担那种痛彻心扉的心理压力——那是属于投资人自己的行为优势。
但这名分析师能做到的，是将繁复机械的案头检索效率成倍提升，让资深投资人的运转速度快上数倍！
我以我自己的真实经历为例。我和身边的资深投资人朋友组建了不少私密的 WhatsApp 交流群，大家经常在群里抛出各种各样令人眼前一亮的股票点子。
在没有 AI 的过去，我的习惯做法是把这些点子全部记录在清单上，心里想着“等我有空的时候再去逐一深度拆解”。每当开始研究一只新标的，我的第一步总是先去搞清它的商业模式是什么、行业竞争格局如何、钱到底是怎么赚的。随后我再做出评估：这家公司到底值不值得我再投入几个小时去深挖。
因为如果一家公司属于我完全看不懂的高深行业，或者商业模式与我的投资哲学南辕北辙，又或者我找来找去发现它根本没有宽广的护城河，我就会立刻果断放弃。但这套最基础的“商业模式摸排”，光是弄懂可能就要耗费 2 到 4 个小时，如果遇到陌生的复杂行业，耗时甚至更久。
然而在今天，每当朋友在群里抛出一个全新的股票名字，借助我打磨成熟的 AI 自动化工作流，我只需要 10 到 15 分钟，就能极其透彻地吃透其底层的商业模式与核心基本面！
这意味着什么？这意味着在完全相同的有限时间窗口内，我能以过去不可想象的速度，多审视、多看懂 10 到 20 只潜在的投资标的！
传奇投资大师彼得·林奇（Peter Lynch）曾有一句广为人知的至理名言： 在投资的世界里，翻开最多石头的人，最有可能成为最终的大赢家！
翻开更多的石头，这就是 AI 在当前阶段带给我们的第一项杀手级赋能。这就好比你麾下拥有一群不知疲倦的专属初级分析师，他们帮你把繁杂的材料结构化提炼好，把最核心的骨架递到你的案头，让你得以在极短的时间内翻开漫山遍野的石头。
但请记住，最终决定是否要在某一块石头下死磕深挖、最终决定开枪下注买入的，永远是投资者本人。至少在“标的发现与商业初筛”这个第一步上，AI 帮我们把翻石头的数量推升到了一个过去难以企及的全新量级。
“在股票投资的世界里，翻开最多石头的人，最有可能成为最终的大赢家。”
—— 彼得·林奇
04 工具四象限：闭环可信与开环探索
西姆 这一逻辑太通透了。翻开更多的石头，意味着成倍放大了你的“标的发现能力”，让你在深海中捕获那些真正伟大的高质量复利企业的概率成倍跃升。
而且正如你所提到的，在投入数小时高强度硬核钻研之前，先花十来分钟快速判断一家公司是否稳稳落在自己的“能力圈”之内，这项快速初筛的实操价值极大。
那么在深入探讨你的具体工作流之前，大家最渴望了解的往往是具体的工具箱。市面上的 AI 工具浩如烟海，可以说是数不胜数。你个人在日常投研中主要使用哪些核心工具？对于今天刚刚起步想要武装 AI 的投资者，你会推荐他们优先尝试哪些工具？
莫斯塔法 我是一个极度讲求实干的 AI 早期践行者。在我的个人生活、本职工作和投资实践中我都在重度使用。今天我们把聚光灯完全聚焦在基本面投资这一垂直场景上。
为了在投资研究中实现最高效率，我们必须从第一性原理上认清：在投研场景下，AI 工具在底层逻辑上被严格划分为完全不同的两大流派！
第一类流派，我将其定义为闭环工具。所谓“闭环”，是指投资者能够对喂给模型的信源实现 100% 的绝对物理掌控。
在这种模式下，我的核心诉求是：“我命令 AI 必须且只能基于我亲自上传的这几份权威材料来作答，绝对不准向外逾越半步”。作为投资者，我对自己上传的输入材料质量负全责。我提出尖锐而深刻的问题，而 AI 产出的每一个数据与推论，都必须且只能严格溯源至我给定的材料中。
在这类闭环工具中，当之无愧的唯一王者就是 NotebookLM。这是由 Google 打造的一款神器，在它的交互界面中，你把一家公司的原始年报、官方披露或电话会实录直接上传，然后向它发起针对性提问。它输出的所有答案，都会严格锚定在源文档的特定段落上。
举个直观的例子：假设你上传了一家公司的多份财报，但唯独遗漏了其 2019 年的年度报告。如果你向 NotebookLM 提问“这家公司 2019 年的营收是多少”，NotebookLM 会老老实实告诉你它不知道，因为源文档中没有这份数据。它绝对不会擅自跑到外部互联网上去捕风捉影。
NotebookLM 之所以如此纯粹，是因为 Google 最初设计它的初衷，是为大学学者与专业学生研读指定的学术文献与专业教材服务的，其底层架构天然追求信源的封闭性与可追溯性。如果你想在完全可信的闭环环境中研读确凿的官方年报，闭环工具选 NotebookLM 就足够了，根本不需要去折腾任何其他复杂的竞品。
而第二类流派，则是所谓的开环工具。所谓“开环”，是指 AI 会直接奔赴浩瀚的公开互联网，抓取全网所有能够检索到的公共信息来回答你的问题。市面上大家耳熟能详的大语言模型，如 ChatGPT、Gemini、Claude，以及检索型的 Perplexity 等，在本质上都属于开环体系。
但在开环工具的驾驭上，绝大多数普通用户往往只会使用最基础的普通对话模式——打开对话框随手敲一行字。
而在高阶实战投研中，我们还有一种完全不同维度的交互模式，那就是深度研究模式！
所谓“深度研究模式”，其本质已经脱离了单一的大语言模型本身，而是在其之上构建起了一个具备自主长程规划与任务拆解能力的智能体层！
让我为你具象化拆解这两者的天壤之别：假设你想研究荷兰知名的支付巨头 Adyen，这是一家非常优秀的商业特许经营企业。如果你在 ChatGPT 的普通对话模式下随手输入一句“帮我分析一下 Adyen 的商业模式”，模型会在一两秒钟内简单联网搜几条新闻，吐出一份不痛不痒的通识简介。
但如果你在 ChatGPT 或其他具备此类能力的前沿工具中勾选了深度研究模式，系统后台会立刻调动一个专属智能体：智能体会首先对你的提示词进行深度语义解构：“要想全面吃透 Adyen 的商业本质，我必须首先梳理全球支付产业链的生态分工，必须理清其收单与网关业务的提成率与利润率结构，必须核查其历史营收的内生复合增速，必须对比其与 Stripe 等竞品的量价差异……”
随后，智能体会自主生成数十个子检索任务，跨越公开互联网横向调取 100 篇乃至多达 2,000 篇相关的专业研报、行业报告与披露文件，最后综合提炼出一份信息密度极高、推理逻辑严密的宏篇研究成果！
这与普通对话模式随口吐出的泛泛而谈有着质的飞跃。因此在开环工具的使用上，我始终强烈建议严肃投资者深入拥抱“深度研究模式”。
总结而言：如果你追求信源的 100% 封闭可信与精确审计，使用闭环模式的 NotebookLM；如果你想拓宽视野、全网扫射一个陌生行业，使用开环体系下的 Deep Research 深度研究模式。稍后我们可以进一步探讨如何将这两者优雅地嵌套进具体的投研流程中。
05 压制事实幻觉：三大主流模型分工
西姆 这一梳理极度清晰。虽然我自诩对人工智能有些了解，但我相信我们的绝大多数听众在这一框架下能建立起极为透彻的坐标系。
闭环工具只基于你喂给它的确凿材料说话。如果你在 NotebookLM 中只挂载了上市公司投资者关系官方网站下载的申报文件，它的所有产出就绝对无法逾越这道防火墙；而以 ChatGPT、Gemini 为代表的开环工具，虽然能在全网搜寻浩瀚情报，但这里潜藏的一个最致命的隐患，我想正是大家谈之色变的大模型事实性幻觉！
因为在开环模式下，大模型首要的目标是给你拼凑出一个看起来天衣无缝的答案，但在本质上它只是基于概率预测下一个 Token 的数字计算，它自己并不真正理解这些答案到底是否符合客观商业事实，对吗？
莫斯塔法 事实正是如此。
莫斯塔法 事实上，大模型的事实性幻觉本身就是生成式 AI 的底层固有特性，而不是某种偶然的代码 Bug。这是我们身处人工智能时代必须理性接纳的客观现实。
只要你将模型置于完全公开互联的开环模式下，它就有可能产生幻觉。而我们身为严肃投资者的核心职责，就是通过构建严密的实战流程与高精度的提示词工程，将幻觉的发生概率强行压制到物理极限。
我曾在我的专栏里专门发表过一篇关于“如何将投研幻觉降至趋近于零”的深度长文。每当我向身边的投资人拆解这套底层逻辑时，他们都会瞬间豁然开朗。
在消除幻觉的实战中，第一道关键防线是选对正确的交互模式。如果你在研究严肃的商业问题时，依然在傻傻使用普通对话模式，而不是开启我们前面提到的深度研究模式，那么两者在事实性幻觉的概率上往往有着天壤之别！你可以拿完全相同的一家上市公司、输入完全一致的提示词，分别在普通对话模式与深度研究模式下运行测试，产出结果在事实严谨度上的鸿沟是极其震撼的。
第二道关键防线，则是提示词本身的结构化强约束。提示词本质上就是你赋予 AI 的精密执行指令。在提示词的代码内部，你可以下达刚性铁律：“在提取财务数据时，必须且只能引用上市公司官方投资者关系网站披露的源文件；在定性分析时，仅限参考指定的核心行业权威专家观点”。你还可以明确规定输出的排版骨架，并硬编码加入“交叉审计与自我纠错”的执行步骤。
只要你严格执行我总结的这套防幻觉核查清单，虽不敢妄言绝对达到 100.000% 的绝对零误差，但完全可以将事实性误差的发生概率打到 0.0001% 的极微小级别。
更何况，在整个投研链条的终局，我们从来不会愚蠢到让 AI 代替我们去按下交易软件上的买入按钮。承担风险、决定下注的永远是人类自己。
正因如此，我非常反对某些人一听到“AI 偶尔会产生幻觉”，就武断地宣称“那我永远不碰 AI”。这无异于因为马路上存在发生车祸的概率，就宣称自己这辈子再也不坐汽车一样荒谬可笑。
西姆 确实，更何况现实中人类自己的大脑也经常充满各种认知偏见与主观臆断的“幻觉”。
那么在正式切入你的具体投研工作流之前，你日常主要使用哪个核心平台或具体大模型？或者说，在各大顶尖模型之间，你是否有自己偏好的切换法则？
比如当你研读一份长达数百页的 10-K 年报时，你是否固定调用 NotebookLM；而在需要跨全网开展行业深度研究时，你更倾向于使用 Gemini；在需要发散性头脑风暴时，你又会切换到 ChatGPT？面对不同的具体场景，你是如何因地制宜选择最契合的大模型的？
莫斯塔法 这是一个直击靶心的好问题。深刻厘清在何种场景下调用哪款具体的大模型，对于构建高效的投研体系至关重要。
在我的实战框架中，我通常将日常的投研任务清晰划分为三大应用场景：
第一个场景：纯粹为了弄懂某一个基础通识概念。比如你并非财务会计专业出身，在面对某些晦涩的会计准则或冷门财务科目时心存疑惑，想要快速补齐这块短板。在这类通识学习场景下，市面上任何主流的前沿大语言模型——无论是 ChatGPT、Gemini 还是 Claude——在表现上都游刃有余、差异微乎其微。
你可以开启多轮追问模式：假设你最初对什么是投入资本回报率（ROIC）一无所知，你可以直接向它发问，要求它结合生动的商业案例拆解公式背后的经济含义。在这种场景下，调用任何一款大模型都能迅速获得极高水准的解惑。
第二个场景：需要对一个全新行业或某家陌生标的建立起全景式的宏观认知。在这类场景下，你必须毫不犹豫地直接启用深度研究模式，这是绝对没有任何商量余地的硬性前提，原因正如我前面所深入剖析的。
那么在具体的模型选型上，到底哪一家更胜一筹？就当下（2026 年初的时间切片）而言，在开环的深度研究维度上，综合表现最惊艳的引擎是 Gemini（注：此处特指 Google 的付费高级版，其推理穿透力与免费版有着质的飞跃，而每月只需 20 美元，对于严肃投资者而言是一笔性价比极高的微小投资）。
我之所以做出这一判断，并非盲信科技巨头的宣发，而是基于我严格的工程测试：我每个月至少会安排一次高强度的横向压测——我把一套经过实战检验的标准提示词系统，分别扔给 ChatGPT、Perplexity、Claude 以及 Gemini，用完全相同的提示词去分析完全相同的几家上市公司。
在作为测试标尺的公司选择上，我从来不用那些道听途说的新面孔，而是拿我自己已经实盘重仓持有三四年、连骨髓都烂熟于心的压舱石老股作为严苛的盲测标尺！我会在多个极度硬核的维度上进行肉眼横向比对：比如关键财务数据的提取是否足够精准？对核心商业模式的阐述是否切中要害？是否存在大段假大空、毫无信息密度的车轱辘废话？
而在过去的四五个月里，无论是在数字提取的精准度上，还是在推理穿透力与文字的信息密度上，Gemini 的表现都显著拉开了与竞品的差距。
第三个场景：当你决定对某家企业展开外科手术式的深度解构与穷追猛打。在这一阶段，你已经确定这家公司值得你投入数小时甚至数天的时间去深挖每一个产品细分部门的利润率走势、核验过去数年的每一笔资本开支与研发投入细节。
此时，果断回到我们前面提到的闭环神器 NotebookLM：把你从官方 IR 渠道下载的全部年报与披露原件一股脑打包导入进去，让它严格基于这些原件为你生成定制化的审计底稿与深度专题报告。
当然，在 2026 年的今天，底层 AI 技术进化的列车正在以惊人的速度向前呼啸狂奔，今天的行业格局绝非一成不变。我会始终如一地保持每月的高强度实战测试，并持续向大家同步最新的工具评估。
06 告别静态知识库：锻造核心提示词
西姆 能够跟随像你这样深耕一线、持续对各大模型进行严密压测的实战者，对广大投资者来说是一件极具幸福感的事。因为底层技术迭代的烈度确实太迅猛了。
就拿一年前来说，市场上绝大多数人根本无法预料到 Gemini 的进化速度会如此惊人。当时全网的绝对焦点几乎都在 ChatGPT 身上；然而在几个月前，我们自己的团队也全面切换到了 Gemini，因为在当下的时间窗口里，它在很多维度的综合表现确实无可挑剔。当然，五年后甚至下个月技术格局又会走向何方，没有人能打包票。
但这也顺理成章地引出了摆在每一位投资者面前的另一大严峻挑战——信息的过载与混乱。在投资的世界里，我们每天被铺天盖地的研报、电话会纪要与财务报表所包围，有人甚至认为今天的市场信息已经严重泛滥成灾。
面对如此浩瀚的材料，你平时是如何组织和归档你自己的投研文件、思考笔记与底层数据的？你是在 Google Drive 里搭建了一个庞大无比的本地 PDF 数据库，还是每次在研究一家新公司时现用现抓？在信息的结构化管理上，你是否有自己坚守的独门策略？
莫斯塔法 我在信息组织上的底层策略，完全精准映射了我个人审视投资的核心哲学。
在骨子里，我始终将股票投资视为对一家真实商业企业的按比例股权拥有。这绝不仅仅是一句挂在嘴边的时髦口号，因为现实中很多人虽然嘴上背诵着巴菲特的教条，却从来不向自己提出关乎商业生死的本质问题。
在我看来，哪怕在没有 AI 的时代，每当我试图吃透一家企业时，我的代入视角就像是我自己要亲手把它从零搭建起来一样。打个比方：如果你今天打算掏出全部身家在街角投资开一家高档餐厅，在正式开业投钱之前，你一定会像一个偏执狂一样，把周边的每一处细节打探得一清二楚——方圆两公里内有哪些潜在的竞争对手？当地的食品安全与消防合规条例有哪些硬性门槛？客单价与原材料毛利率如何打平？翻台率需要达到多少才能实现盈亏平衡？
面对一家街边的小餐厅，任何人都会本能地保持这种极致的审慎；然而令人匪夷所思的是，在二级市场上，无数人仅仅凭借一串虚无的代码，就在对企业业务细节一无所知的情况下，毫不犹豫地把大笔资金押注在市值数百亿的庞大巨兽身上！
因此对我而言，在真金白银买入某只股票之前，把这家生意的底层骨架吃得透如观火，是一道绝对不能逾越的红线。
而我所搭建的 AI 体系，正是这一商业第一性原理哲学的完美镜像：在资料的归档上，我从来不会在本地电脑里无休止地囤积那些沉睡在文件夹里的海量死板 PDF 文件。相反，我倾注无数心血所打造的核心资产，是一座经过严苛实战压测的提示词军械库！
提示词就是赋予 AI 专属分析师的灵魂操作指令。如果提示词打造得炉火纯青，AI 吐出的成果就必定干货满满；反之如果指令漏洞百出，产出的必然是一堆浮于表面的文字垃圾。
我投入了大量精力去攻克如何撰写最高水准的投研提示词。我将我多年积累的基本面投资直觉与框架，逐条硬编码进指令之中。比如在拆解一家公司的商业模式时，我要求模型必须在一句话内用大白话讲清楚它到底靠什么赚钱；它的核心客户究竟是谁；客户为什么非买它的产品不可；客户在什么特定时机买；究竟是什么驱动了最终的购买决策——是无可替代的品牌溢价心智、深入人心的用户口碑裂变，还是完全依赖于高昂的获客成本投放？
我把所有这些关于商业本质的灵魂追问，全部严密封装在专用的提示词模块中。随后，我会把这套提示词拿到 10 家、15 家乃至 20 家不同的成熟企业上去反复盲测压测。只有当产出的分析成果在深度与锐度上完全达到我的严苛标准时，我才会将其盖戳封存，收录进我的“提示词军械库”。
在我的军械库里，分类归档了数十个经过实战千锤百炼的标准模块：有专门用于极速梳理商业模式全景的模块；有专门用于穿透增量资本回报率（ROIIC）与资本配置轨迹的模块；有专门用于深度审计管理层诚信度与期权激励条款的模块……
所有这些提示词，都是我立足于真实投资经验、经过反复迭代后沉淀下来的认知结晶。
西姆 也就是说，你并没有在云端耗费大量精力去维护一个包罗万象、容易发霉的庞大静态文件库，而是把精力集中在打磨一套随时可以调遣出动的“高精度提示词特种部队”上。每当需要研究任何特定标的时，只需调出经过验证的专属指令，就能以极高的时效性精准调取并生成你所需的深度情报。
莫斯塔法 没错。在整个基本面投资流程中，你实际上只需要大约 20 到 25 个、最多不超过 30 个高精度核心提示词，就足以全景覆盖严肃投研中最生死攸关的核心课题。
我向大家分享一个我自己的日常实操小妙招：每当我听到一个感兴趣的陌生股票代码，我首先会从军械库中调出“商业模式全景提示词”，让它把生意的运转机理解构得清清楚楚。
我平时特别喜欢在健身房挥洒汗水锻炼或开车通勤时收听深度商业播客。所以我经常会把提示词跑出来的成果做二次转换：假设我今天听到了一家全新的公司名字，我迫切想搞懂它在做什么。我打开我的提示词军械库，一键复制我那套经过数十次实战盲测校准的“商业模式解构提示词”，将其粘贴至 Gemini 的深度研究模式下运行。
只需短短几分钟，Gemini 就会自主检索全网数十甚至上百个权威信源，输出一份长达 15 到 20 页、信息密度极高且层次分明的商业模式深度解构报告。
如果我正坐在书房的电脑前，我可能会迅速通读这份报告；但如果我手头有杂事或者需要出门，我会顺手将这份 15 到 20 页的报告原件导入 NotebookLM，一键将其转化为由两位 AI 主播深度对谈的双人商业播客！
随后，在开车去上班的路上，或者在健身房撸铁跑步时，我戴上耳机，就能津津有味地完整收听关于这家公司商业本质的深度剖析。通过这种方式，我每天都能在通勤与运动的碎片化时间里，轻松“听懂”两到三家全新公司的商业全景。
有些人可能更习惯在屏幕前快速扫读那十几页的结构化文本，无论哪种方式，其核心目的都是以最迅猛的时效，跨越对商业模式的认知门槛。在过去，仅是弄清这些基础常识往往就需要耗费数小时；而在这一阶段，我们并不需要纠结于每一个微小的财务细节，关键是先摸透这台商业机器究竟是如何运转的。
07 端到端实战：从产业链到能力圈
西姆 这正好为我们顺理成章地切入你的具体投研工作流搭建了最佳跳板。
让我们做一个思想实验：假设我们的听众不论是刚刚起步的新手，还是久经沙场的资深职业投资者，手中面对一张完全空白的白纸。
你能不能带大家从零开始走一遍完整的端到端工作流——从最初在筛选器中发现一家公司，到一步一步深度吃透这家企业，并最终裁决它是否真正值得掏出真金白银下注？请为我们全景拆解你的 A 到 Z 工作流。
莫斯塔法 好的，我们不妨挑一家具体的典型案例来推演。
西姆 我们原本想用星巴克（Starbucks），但星巴克的业务大家太熟悉了。不如我们选一家大家普遍感到神秘且极其复杂的硬骨头——比如大数据分析与军工巨头 Palantir（PLTR）！
假设我对 Palantir 这家公司到底在卖什么软件、具体做什么业务完全一无所知。面对这样的标的，你第一步会做什么？
莫斯塔法 面对像 Palantir 这样商业模式极为复杂的企业，我们首先必须击碎一个极其危险的认知误区：
没有任何人能够通过所谓的一键指令，“单次一次性”彻底搞懂一家复杂的现代商业组织！
指望在一天之内凭借 AI 或纯手工成为某只复杂股票的行业专家，纯属异想天开。
在我的实战工作流中，面对 Palantir，第一步我们绝不直接碰个股，而是必须首先吃透它所处的宏观产业生态！
如果你对大数据智能、国防军工软件与企业级本体论操作系统完全陌生，直接去看 Palantir 的财报无异于看天书。因此，我的第一步是直奔我的提示词军械库，调出“行业全景解构提示词”。
我顺手在屏幕上打开这份提示词给大家念一下核心逻辑：指令开头明确赋予大模型高阶专家角色——“你是一名专为长线基本面投资者服务的顶级产业分析师，请对 [特定行业 X] 展开客观、详实、穿透性的深度解构”。整份提示词长达两页纸，硬编码了我审视任何陌生行业时必问的灵魂问题：该产业链的底层价值链是如何划分的？各环节的利润池如何分布？核心竞争格局与主要玩家有哪些？该产业在过去十年间经历了怎样的技术与商业模式演化？驱动行业未来五年复合增长的核心引擎究竟是什么？
我将这套两页纸的提示词直接注入 Gemini 的深度研究模式。短短几分钟内，一份厚实精辟的产业全景研报便呈现在我眼前。这一步至关重要，它帮我在脑海中迅速构建起该领域的底层坐标系与常识底座。
完成了行业解构后，第二步，我才正式聚焦到具体的标的本身——Palantir。
此时，我清楚知道在全景产业链中它究竟卡位在哪个生态节点上。在这个阶段，你有两种打法：硬核打法是打开 NotebookLM，把 Palantir 过去几年的全部 10-K 年报与核心研报挂载上去，让它逐一梳理各个业务细分条线的营收结构；而最轻盈敏捷的做法，是调用我的第二道王牌——“商业模式全景提示词”。它会以极具穿透力的方式，用大白话拆解 Palantir 到底如何通过 Foundry 商业平台与 Gotham 国防平台实现商业变现，政府订单与商业客户的留存率和续约周期如何。
紧接着是第三步，调用“增长与利润率驱动力提示词”。我们已经在宏观行业层面摸清了产业逻辑，现在聚焦微观企业本身：Palantir 营收加速增长的核心动力到底是新客户的大规模导入，还是存量净金额留存率（NDR）的指数级扩张？毛利率与营业利润率受到哪些关键因子的牵引？是否存在周期性波动？单元经济模型在跨过前期部署成本后是否展现出陡峭的规模效应？
仅仅通过连续运行这三到四个精心设计的结构化提示词，在短短半个小时之内，我对 Palantir 的商业全景就建立起了极其清晰扎实的全局认知。
此时，我才正式做出分流裁决：这家公司到底值不值得我再投入几天时间去深入精读其原始年报。即便是今天，一旦决定深挖，我依然会亲自打开 SEC 披露的原件逐字逐句研读，但由于此时我早已吃透了宏观产业生态与微观商业脉络，我的精读速度比过去两眼一抹黑时要快上数倍！
回到 Palantir 这个具体案例：就我个人而言，作为一名骨子里秉承安全边际的长期价值投资者，即便 Palantir 的商业模式再迷人，在当下市场狂热赋予的极端高估值乘数面前，我也绝对不会买入一分钱。
但即便最终因为估值昂贵而决定按兵不动，你投入的这半个小时也绝非虚掷光阴——你深度吃透了一个前沿高壁垒产业，你汲取了宝贵的商业认知营养！
投资的终极本质从来不仅仅是关于机械选股，它关乎持续的认知进化与终生学习。通过这种工作流，你每一次探索都在为自己的大脑投资，而在未来的某一天，当出现市场暴跌或绝佳的估值窗口时，你早已做足了功课，能够瞬间扣动扳机。
此外我必须旗帜鲜明地重申：在当下，我从来不用 AI 去直接替我计算估值！ 我使用 AI 的核心目的只有一个，那就是以最高效率彻底看懂商业本身；至于估值的艺术，必须由人类投资者自己来做。
西姆 这一认知链条极为严密。哪怕一家公司因为估值过高而最终无法进入买入清单，你在研究过程中所沉淀的关于该产业链、关于其上下游供应商以及关于核心竞争对手的情报，都会成为你未来研究其他相关标的时极其坚固的基石。
不过我注意到一个非常引人深思的细节：你总是坚定地坚持先研究宏观产业，再研究具体公司，而不是颠倒过来。你之所以坚持这种“自上而下先行业后个股”的顺序，是因为你必须先弄清它的游乐场究竟长什么样、进而评估它为什么能在这片细分利基市场中活得滋润吗？为什么行业永远排在第一位？
莫斯塔法 这同样源自我多年实战中沉淀出的深层投资直觉。
再次强调，AI 终究只是一面镜子，它所映射出的完全是你自己看待商业的第一性原理框架。
就我个人的长周期投资哲学而言，我深信：在长跑的世界里，一家公司最终能创造的股东回报，有 80% 往往取决于它所处的行业属性本身，而个股自身的微观差异可能只占到 20%！
在商业世界里，天然存在着极其迷人的“好生意”，也天然充斥着令人痛不欲生的“苦生意”。有些行业天生属于重资产泥潭，需要源源不断地回填巨额资本开支，不仅具有极其剧烈的周期性波动，且在长达数十年的时间跨度里，整个行业的资本回报率都平庸得令人发指；而在另一些拥有深厚网络效应或消费特许经营权的黄金赛道里，哪怕是一家运营平庸的企业，也能借助行业的长坡厚雪稳定印钞。
巴菲特曾反复告诫我们：“当一个以声名狼藉著称的糟糕行业，遇上一个以精明能干著称的优秀管理层时，往往是该行业的糟糕声誉依然完好无损。”
正因如此，我总是把搞懂行业放在最高优先级。当然，在极度便宜的烟蒂股投资中，你确实可以在烂行业里通过均值回归赚取估值倍数修复的交易差价，我早年也做过不少这类交易；但那纯粹属于交易估值乘数的博弈，绝非伴随伟大企业长期复利的真正投资。
对于追求长周期复合回报的严肃投资者而言，选对赛道具有决定性的意义。
西姆 那么在你的实战工作流中，你通常在哪个具体的时间节点上，果断判定一家公司是否真正落在了你的能力圈之内？是在听完行业全景与商业模式播客的那一瞬间，你就能凭借直觉做出决断；还是必须更进一步深挖之后，才会按下终止键？
莫斯塔法 一旦初步梳理完成，如果这家公司符合我的标准——商业模式清晰易懂，而且没有处于 100 倍市销率（P/S）这种极其夸张的狂热泡沫估值下，我就会果断决定对其展开深入攻坚。
在深入研究阶段，我的核心动作是直接下载其官方披露的年度报告。此时我的精读效率已经发生了质的飞跃，因为我的脑海中早已装载了完整的行业全景图。
紧接着，我会把这些权威财报原件全部导入 NotebookLM，向其发起连环式的深度穿透追问。平心而论，除了沃伦·巴菲特拥有近乎不可思议的阅读精力之外，现实中几乎没有任何独立投资者有充沛的时间去把一家公司过去整整十年的每一份年度报告逐字逐句通读一遍。即便在没有 AI 的过去，面对浩瀚的材料，我最多也只能通读最近一两年的年报，过去十年的历史数据我当然会看，但绝不可能从 A 到 Z 全部精读。
然而在有了 NotebookLM 之后，整个研究范式被彻底颠覆了：我可以一口气把这家公司过去整整十年的 10-K 年报全部喂给模型，让它为我梳理出一条跨越十年的跨周期事实核验时间线！
比如在审视管理层的诚信度与资本配置胜率时，我向它抛出针对性指令：“请系统检索管理层在过去十年中，在每一年的致股东信与年报开篇中对未来业务所做的前瞻性业绩承诺；同时严格核对该承诺在随后的实际经营中究竟有没有兑现，若未兑现，管理层在次年是如何向股东解释的”。
这是一个极其犀利的检验工具：假设管理层在 2019 年信誓旦旦地向市场宣布“我们未来三年将保持 15% 以上的复合增长”，而实际落地后（在排除不可抗力扰动的常态年份下）增速仅有 10%，而管理层在后一年的年报中轻描淡写地将责任全盘甩锅给“宏观经济逆风”；到了下一年，他们再次做出类似的高调预测并再次失信，依然机械重复着宏观借口——在短短几秒钟内，AI 就能帮你把这种跨越数年的隐蔽事实串联成一条清晰的证据链！你瞬间就会对这位管理层的诚信度与言行一致性打上一个大大的问号。
在过去，想要凭人工去翻检十年财报把这类微妙细节全部挖出来，需要耗费数天甚至数周的浩瀚案头苦力；而借助 AI，这项穿透工作可以在数分钟内以极具视觉冲击力的结构化方式呈现出来。
另一个典型的实战案例，是对企业内部各个产品线与业务部门历史演进的全景解构。把十年的报表喂给模型，它能瞬间为你绘制出一幅关于各个业务板块营收占比、毛利率变迁与资本开支去向的完整生命周期图谱。
但我必须再次强调：AI 绝不可能包办一切。深度的定性思考、常识性的商业直觉，以及最终的估值推演，永远必须由人类投资者亲自把控。
在估值这件事上，我个人极其反感那些在 Excel 电子表格里堆砌了上百个虚妄假设参数的复杂现金流折现模型，在我的投资生涯里我从来不碰 DCF。正如巴菲特所践行的极简原则，我只需要在餐巾纸上用 自由现金流收益率（FCF Yield） + 预期内生增长率（g），就能对长期的潜在复合投资回报建立起坚实的大致轮廓。对于这种追求“模糊的正确”的商业常识计算，你根本不需要借助任何超级电脑去手搓复杂的微积分。
08 公开提示词不惧内卷：时间跨度壁垒
西姆 确实如此。巴菲特那句名言历久弥新：“如果你必须用计算机或者复杂的精算模型才能算出一家生意的价值，那它一定不值得你买入，我只需要一张餐巾纸就足够了。”
稍后我们马上深入探讨提示词工程的具体打法。但在进入之前，刚才听你拆解这套极致的流程时，我脑海中不可遏制地浮现出了一个极具思辨性的深层矛盾：
正如你所展示的，你建立了一套严密的工作流，并在你的专栏中毫无保留地把这些千锤百炼的提示词分享给了全球上万名读者。但请思考这样一个逻辑：如果未来全市场的所有投资者都掌握了这些强大的 AI 武器，所有人都懂得如何以极高的效率挖掘出完全相同的深度情报，那么在二级市场上，阿尔法超额回报到底该从何而来？
在股票投资的竞技场上，要战胜基准，其先决条件就是你必须比市场主流预期更加正确，而其他人必须在某种程度上犯错。如果所有人在任何时刻都掌握着完美的信息、推导着完全正确的估值，那么股价就会在瞬间精准反映企业的全部内在价值，超额回报就会被彻底抹平！
莫斯塔法，从某种意义上说，你毫无保留地向全世界共享你的提示词军械库，难道不是在搬起石头砸自己的脚、主动消解你自己的竞争优势吗？你对此怎么看？
莫斯塔法 哈哈，完全不是这样。
首先，商业投资最迷人的魅力恰恰在于：它在本质上绝对不是一场零和博弈！
只要我们投资的优秀企业在真实世界里持续创造增量经济价值、实现有利润的内生扩张，整个商业文明的财富蛋糕就在不断做大，所有伴随其成长的长期股东都能收获极为丰厚的复利回报。
其次，很多人产生这种担忧，往往是陷入了一种虚妄的群体假想——你以为全天下的人都在热火朝天地拥抱 AI，但事实完全相反！现实中绝大多数所谓的专业投资人，骨子里依然对 AI 抱有极深的傲慢与成见，或者哪怕试用过一两次也浅尝辄止，根本不肯花时间去深潜。在当下，以正确方式掌握 AI 投研的人依然是凤毛麟角的极少数，我们切切实实享有着显著的先发效率红利。诚然，这种单纯依靠“工具跑得快”所带来的技术红利，在未来两三年内可能会随着工具的普及而被逐步抹平。
但是，请大家牢牢记住：在投资的世界里，最深、最宽、永远无法被任何技术算法所抹平的终极竞争护城河，永远是投资者的“时间跨度”与“行为优势”！
让我为你举一个最生动的现实博弈案例：假设一家优质企业决定在今年启动大刀阔斧的深层业务重组与供应链重构。为了这笔面向未来十年的战略投资，公司在今年将确认大笔重组费用与资本支出，导致其全年的营业利润率跌至历史低谷，短期财报表现极其惨淡。
此时，统治着全球资本市场 80% 到 90% 交易体量的华尔街大型公募基金与机构投资者，在面对这家公司时会做出什么反应？ 他们唯一的选择就是疯狂砸盘抛售，且绝对不敢买入哪怕一股！
并不是因为这些机构经理看不懂商业逻辑，而是因为他们背负着残酷的短期考核枷锁！他们必须向季度排名的 LP 客户交代，他们必须按月领薪水养家糊口。在机构博弈的职场生态中，“随大流平庸抱团”永远是职业风险最低的选择；如果你敢冒天下之大不韪去重仓买入一只今年利润暴跌、股价可能继续阴跌一整年的逆向重组股，一旦中途出现波动，你很可能在黎明到来之前就直接被基金公司解雇！
而作为拥有长周期视角的独立投资者，借助 AI 我们可以穿透迷雾，彻底吃透其重组背后的长期护城河与五年后的暴增潜力。在全市场机构恐慌踩踏、股价被砸到区区 5 倍自由现金流的绝对极值洼地时，我们拥有充裕的资本耐性，敢于坦然建仓并在至暗时刻逆向坚守两到三年！
请问，AI 工具的普及能消除华尔街机构这种根深蒂固的人性弱点与体制枷锁吗？绝不可能！
再退一步，哪怕在定性分析的裁决上也是同理：面对一家面临潜在反垄断或行业强监管风险的企业，AI 能够以毫秒级的速度为你梳理出全部监管法条与潜在处罚细则。但摆在眼前的最终抉择是：面对当前的极端低估值，你到底愿不愿为了极具吸引力的赔率，去承担这个监管不确定性的风险？也许我的裁决是“在 5 倍 FCF 的赔率下，我愿意承受这个风险去博取巨大的不对称回报”；而你的风险偏好可能决定你选择回避。三年之后，我们推导出的投资结果自然千差万别。
归根结底，即便五年之后全世界的每一台电脑里都装载了最顶尖的 AI 工具，投资的终极超额回报，依然且永远只能来自于你对商业本质的沉淀理解、你对抗市场波动的强大心智，以及你愿意坚守的长周期时间维度！
如果你把这套全世界最强大的 AI 工具交到一个只有一年甚至三个月短视视角的投机客手里，他依然只会在追涨杀跌的内耗中被市场消灭殆尽。这就是资本市场的永恒规律。
西姆 这一段论述极其深刻！我完全认同投资在商业本质上是一场正和博弈，因为随着伟大企业的科技创新与盈利扩张，整个人类经济的蛋糕在持续膨胀，大家完全可以共同富裕。
但如果我们将目标精准锚定在“战胜市场基准指数”这一维度上，在纯粹的数学意义上，超额收益必然带有某种零和属性——因为要有人能够跑赢平均数，在数学的天平另一端，就必须有等量的资本落后于平均数。
而正如你刚才所深刻揭示的：即使人人都手握相同的分析工具，绝大多数人由于体制的短期考核、由于内心的恐惧与贪婪，永远无法拥有坚如磐石的“行为优势”。这种由人性弱点构筑的鸿沟，永远不会被硅基算法所抹平。
莫斯塔法 沃伦·巴菲特曾留下一句被无数人奉为圭臬的传世格言： 证券交易所本质上是一台极其精密的财富转移机器——它永不停歇地把资金，从那些急躁冒进、缺乏耐心的短期投机客手中，转移到那些心如止水、拥有长远眼光的长期投资者手中！
无论人类发明了多么光鲜亮丽的科技工具，人性中追逐下一个季度暴利、厌恶短期波动的投机冲动永远不会熄灭。
只要你能够克制内心的浮躁，坚守长周期的商业本真，在时间的复利长河里，你就永远拥有立于不败之地的绝对胜算。
“证券交易所本质上是一台极其精密的财富转移机器——它永不停歇地把资金，从缺乏耐心的短期投机客手中，转移到拥有长远眼光的长期投资者手中。”
—— 沃伦·巴菲特（Warren Buffett）
09 提示词真相：纸笔深潜商业第一性
西姆 讲得太精彩了。那么接下来，就让我们正式推开你那座神秘的“提示词军械库”大门，深入探讨提示词工程的核心实操艺术！
西姆 在很多人看来，掌握如何向大模型提问——也就是所谓的“提示词工程”——正在成为当下职场与投资界最炙手可热的杀手级技能。你认同这个观点吗？
莫斯塔法 毫无疑问，撰写高质量的提示词确实是一项不可或缺的实用技能。但如果问我它是否是终极的核心技能？我的回答是：绝对不是！
在人工智能时代，真正决定胜负的终极技能，依然是人类能够用一支铅笔和一张白纸进行清醒、严密、深度的独立思考！
为什么我在前面的分享中能够建立起逻辑如此严密的 AI 投研架构？根本原因在于：在动手写提示词之前，我花了大把的时间坐在桌前，用笔和纸把我自己的整套投资思考路径从头到尾重新梳理了一遍！
我提示词里的每一个问题，都源于我自身多年来沉淀在脑海中的检视清单：面对不同行业的企业，我必须拷问哪些关键指标？在过去研究某只冷门股票时，我曾踩过哪些刻骨铭心的暗坑？面对重资产行业与轻资产平台，我的追问逻辑有何本质分野？
我先把这些关乎商业第一性原理的问题在白纸上理得井井有条。如果你连自己到底想弄懂什么都一头雾水，哪怕你学遍了市面上所有花哨的提示词语法技巧，AI 吐出来的也只能是毫无灵魂的套话与文字垃圾。
只有当你扎扎实实完成了“用纸笔把商业常识想透”的底功之后，提示词工程的威力才能真正爆发出来。
在构建高阶投研提示词时，我总结了四条必须严格恪守的实战黄金法则：
第一条铁律：单任务单提示词！绝对不要贪心，绝对不要妄图让 AI 在单个会话、单个提示词里一口气搞定所有事情！不仅是因为大模型在底层存在物理的 Token 上下文窗口限制，更致命的是，一旦你在单个指令里塞入过多离散议题，大模型的注意力就会被严重稀释，输出必然浮于表面。想摸透商业模式？这是一个独立的提示词；想排查管理层治理与资本配置？开启一个全新的独立提示词；想穷追猛打清单里的某个特定疑点？再使用一个针对性的专属提示词。保持任务的绝对聚焦，才能压榨出最极致的分析深度。
第二条铁律：赋予精准的专家角色！大语言模型在训练时吞下了全人类几乎所有领域的浩瀚语料。在底层，它既可以是一个浪漫的诗人，也可以是一个严谨的精算师。如果你在指令开头仅仅轻飘飘写一句“你是一名分析师”，它的注意力空间会极其分散；但如果你精准下达角色定义——比如在研究荷兰光刻机巨头 ASML 时，你指定“你是一名专精于全球半导体核心光刻设备产业链的资深投研分析师”，模型就会立刻在注意力机制中激活与该垂直半导体领域高度相关的专业语料子空间，分析的锐度会大幅飙升。
第三条铁律：限定权威信源边界！在提示词的代码内部，必须明确下达负向约束铁律：“在提取事实与数据时，必须且只能基于上市公司官方投资者关系网站披露的申报原件；坚决禁止采用 Reddit 散户论坛或无名个人博主道听途说的虚假消息”。把信息源的阀门牢牢拧紧，从物理根源上切断杂质的流入。
第四条铁律：输出格式的刚性硬约束！永远不要让 AI 自由发挥、信马由缰。你必须在指令中给它设计一套极其严密的排版骨架：开头必须且只能由 2 到 3 句话的“执行摘要”极简开门见山；紧接着按照“商业模式本质 $\rightarrow$ 钱到底怎么赚 $\rightarrow$ 客户画像是谁 $\rightarrow$ 购买决策链条是 B2B 还是 B2C”的顺序分层铺开。拥有了统一的标准模板，你未来在横向比对不同企业时，才能拥有最高效的扫读节奏。
容我分享一个真实的实战教训：在早期使用 NotebookLM 时，系统有时会自动基于你上传的所有报表生成一份默认的商业总结。然而在分析一家垂直软件公司时我发现，其整体营收中有 80% 来自绝对核心的 SaaS 订阅软件，仅有 20% 来自低毛利的边缘外包服务；但在没有提示词强约束的情况下，AI 却在两个业务板块上耗费了完全相同的篇幅高谈阔论！
这对于长线投资者而言完全是本末倒置！因此我立刻在提示词中硬编码了一条刚性规则：“如果企业旗下拥有多元产品线，在论述篇幅与精力分配上，必须严格匹配各个业务对整体营收与营业利润的实质贡献权重！”
通过在实战中不断试错、迭代与打磨，你的提示词武器库才会变得越来越锋利。在我的 Substack 专栏里，我公开了大量免费的核心提示词模板，读者完全可以直接拿去拆解、逆向工程并迁移到自己的实战中。
西姆 这是一个绝佳的实操心法。因为每个投资者的能力圈与偏好风格各不相同，直接去逆向工程一套成熟的提示词，并结合自己的持仓风格做微调，是进阶的最快捷径。
10 投研三大禁区：人机边界与定性穿透
西姆 现在，让我们像查理·芒格那样，运用逆向思维来审视这个问题：“如果想知道未来会死在哪里，就永远不要去那个地方。”既然我们已经探讨了 AI 在投研中如此之多的强大赋能，那么反过来思考：在你的整个投资体系中，有哪些核心环节，是你坚决、绝对不会假手于 AI 的？
“如果想知道未来会死在哪里，就永远不要去那个地方。”
—— 查理·芒格（Charlie Munger）
莫斯塔法 我的回答斩钉截铁：数字与复杂的定量金融运算！
在当下这个时间节点上，大模型在复杂的数学逻辑与精密数据计算上的表现，依然远远谈不上可靠。虽然随着 Anthropic Claude 等模型的演进，其数据处理能力在稳步增强，但如果是涉及复杂的金融建模与定量精算，我绝对不敢盲目信赖 AI 给出的最终数字。
当然，如果是阅读财报中披露的表观指标——比如看看公司公布的毛利率是 80% 还是 10%——这种简单的读取没有任何问题。但如果你指望把数十个变量扔给大语言模型，让它替你跑一套高精度的现金流折现模型，其结果往往漏洞百出。
不过对于我们价值投资者而言，天大的好消息是： 真正的商业投资，根本不需要任何高深莫测的复杂数学计算！
在投资的世界里，你只需要小学四年级水平的加减乘除，外加一点点基础的百分比概念，就完全足够让你成为一名卓越的投资者！
华尔街投行里那些动辄嵌套上百个宏命令、看似精妙绝伦的庞大财务模型，在本质上大多只是为了向客户收取高昂顾问费而打造的“虚假精确感”。我那些在投行做分析师的朋友听了这话可能会不太高兴，但抱歉，这就是商业世界的残酷真相。
西姆 没错，我们只需要对商业世界的数字拥有常识性的底层感知与逻辑直觉就足够了。
莫斯塔法 补充一点，我受过系统的工程师训练，除了复杂的数字精算外，在我的投资体系中，还有另外两处绝对不会让 AI 插手的禁区：
第一，我绝不会把最终的买卖决断权拱手让给 AI！你永远、永远不能把拍板的权力寄托在任何大语言模型身上。AI 就像一位不知疲倦、收费极其低廉的实习生或初级分析师，他能替你处理海量的案头文献，但他绝不能替你开枪下注。承担风险、为最终结果买单的，必须且只能是你自己。
第二，我绝不会把整个投研环节彻底做成“盲盒式全自动外包”！比如在我的全流程中，从行业全景、商业模式到财务雷区排查，虽然每一个环节都高度自动化，但我绝对不会在模型吐出一份摘要后，连看都不看就直接无缝跳到下一步。在现代系统工程中，这被称为“始终保持人在回路中”。因为 AI 难免会在某些微观细节上出现细微的幻觉，你必须以极高的敏锐度审视并校验每一个阶段的核心产出，确认无误后再推向下一个环节，从机制上杜绝错误像滚雪球一样层层叠加。
西姆 在传统投研中，很多顶尖投资大师极其重视那些无法量化的无形资产——比如管理层的真实心智画像、公司的品牌护城河强度，以及企业组织文化等。在分析这些偏定性、充满人际微妙直觉的无形维度时，AI 是否也能派上用场？
莫斯塔法 极富戏剧性的是：在解构无形资产与定性壁垒这一维度上，恰恰是人工智能展现出最不可思议穿透力的杀手级领域之一！
以管理层画像为例，只要下达正确的指令，AI 能以惊人的效率替你排查两大核心考量：其一是利益一致：管理层与大股东是否真正共乘一艘船？这很容易核查——查阅他们的持股比例、期权行权细则，以及过去几年管理层在不同股价节点上的实际增减持动作；其二是长期主义战略定力：管理层的一言一行究竟是立足于未来五到十年的护城河深挖，还是为了短期几个季度的财报好看在饮鸩止渴？你可以命令 AI 系统梳理该管理团队在过去历次重大战略拐点上的决策记录，交叉比对他们言行的一致性。
再拿品牌心智与用户口碑来说：就以我们前面提到的星巴克为例。如果你想摸清星巴克当下的品牌美誉度是否正在恶化，在现实生活中你可能会去问身边的朋友。但你个人的社交圈子非常有限，哪怕你人缘极好，顶多也只能问到 15 到 50 个人，从统计学的视角来看，这种极小样本量的私人反馈完全不具备统计显著性，极易带来严重的认知偏差。
但换作 AI，在深度研究模式下，你可以指令它瞬间奔赴 Reddit、各大主流社交平台以及垂直咖啡爱好者社区，自动抓取并聚合数千名真实消费者的发帖讨论、情感倾向与差评聚焦点！它能为你梳理出一份基于上万条真实声音的宏观口碑演变图谱。这往往能成为敏锐察觉企业护城河发生结构性松动的绝佳领先指标——因为哪怕当下的季度财报表观数字依然靓丽，如果核心消费群体的真实口碑已经开始大面积崩塌，暴风雨很可能就在不远处。
再比如我个人极其看重的企业组织文化与员工士气。或许在某些崇尚冷酷资本的投资人眼中这显得过于理想主义，但我深信：伟大的企业最终是由卓越而富有激情的鲜活人类创造出来的。员工在日常运营中的真实心流状态，直接决定了一家公司的组织活力。借助 AI，你可以在几秒钟内全景抓取 Glassdoor 等专业职场口碑网站上数百名一线员工、前雇员的真实匿名评价，深度解构管理层是否存在微观管理窒息感、薪酬体系是否公平透明。
所有这些定性情报，AI 都能不知疲倦地为你梳理好。但最终由人类投资人做出战略权衡：面对一家近乎自然垄断、转换成本极高的重资产公用事业企业，哪怕其内部文化略显官僚，其核心护城河或许依然牢不可破；但面对一家高度依赖一线服务体验的消费服务企业，这种文化隐患可能就是致命的硬伤。AI 负责照亮每一个黑暗的死角，而最终如何下注，永远属于人类投资者自己。
11 新手避坑法则：用技术夺回生命时光
西姆 在你接触过的广大投资者中，当他们初次尝试将人工智能引入自己的投研流程时，你所观察到的最普遍、最严重的典型错误是什么？
莫斯塔法 第一个最致命的误区，是极度缺乏耐心，不肯沉下心来投入时间去学习！
很多人仅仅试用了 5 分钟，或者随手敲了一两个极其简陋的问题，在看到差强人意的回答后，就轻浮而傲慢地下结论说“我看过了，AI 根本派不上用场”。
我身边有一位投资人朋友，在 2023 年初尝试过早期版本的 ChatGPT，随后就此止步。直到今天，每当我和他谈起 AI，他依然固执地宣称“AI 没有用，它甚至连互联网都连不上”。我哭笑不得地看着他说：“兄弟，那是 2023 年早期的老黄历了，如今整个世界早已天翻地覆！”
保持持续学习与空杯心态，是贯穿我们整个人生的第一准则。每当 AI 在某项特定任务上未能达到我的预期，我从来不会草率地抱怨工具，而是首先反躬自省：是不是我自己的提问逻辑存在漏洞？是不是我的提示词约束不够清晰？ 只有在经过反复严密的高强度压测后，我才会基于第一手事实做出客观的技术边界评估。
第二个极具代表性的误区，常见于那些在市场上摸爬滚打了二三十年的资深老牌投资人——虚妄的经验傲慢与“作弊羞耻感”。我今年 33 岁，在全职专业投资领域积累了大约九年经验，属于年轻一代。但在我的投资圈子里，有很多从业二三十年的老前辈，他们骨子里觉得借助 AI 做投研像是在“作弊”，甚至不屑地对我说“我几十年的实战经验足以应付一切，我不需要这些旁门左道”。
这无异于一位心算能力极强的老会计，极其傲慢地宣称“我心算很厉害，所以我这辈子坚决拒绝使用电子计算器”一样顽固不化。在残酷的资本市场上，当你的竞争对手借助新工具实现了 10 倍的速度与 10 倍的深度时，抱残守缺最终只会被时代无情地淘汰。
第三个常见的误区，则是盲目迷信技术崇拜，误将 AI 视作点石成金的魔法。很多人指望随手抛出一个提示词，AI 就能在下一秒钟吐出一只明天就能翻十倍的暴涨神股。一旦发现现实并非如此，就立刻陷入极度的幻灭与沮丧之中。
请牢牢记住：所有这些阻碍你进阶的致命障碍，在本质上全部属于人性的“心理与行为认知偏差”，而绝非客观的“技术门槛”！因为任何具体的技术指令与提示词规范，只要你愿意静下心来动手测试，任何人都能在短时间内轻松掌握。
西姆 这精准切中了著名心理学家卡罗尔·德韦克（Carol Dweck）所阐述的成长型思维与固定型思维的本质鸿沟。
面对颠覆性的时代浪潮，坚守成长型思维，保持终生学习者的纯粹与好奇，是我们所有人孜孜以求的境界。
在今天这场充满真知灼见的深度长谈行将告一段落之际，按照《荷兰投资者》播客的传统，我非常希望你能给屏幕前的每一位长期投资者，留下一条你多年投研生涯中最深刻、最宝贵的至理箴言。无论是一条终生受用的心智法则，还是一个你亲身踩过的教训——你最希望大家从今天的对谈中带走的唯一核心启发是什么？
莫斯塔法放下成见，亲自动手将 AI 深度融入你的日常投研！相信我，它真的能爆发不可思议的威力！
不仅是我，我身边的整个高净值投资圈子，那些管理着数亿美元、在行业深耕数十年的顶尖专业投资人，都在全面拥抱这项利器。
但这一切的前提是，你必须舍得投入时间去钻研它、去打磨它，让它与你自己的投资哲学深度嵌合。
很多时候，当我们看到史蒂夫·乔布斯（Steve Jobs）在苹果发布会舞台上光芒四射、震撼全场时，人们总会轻描淡写地赞叹他的天纵奇才；然而鲜为人知的是，在每一次登台之前，乔布斯都会在幕后闭门彩排三五十遍，为了一场一小时的演示投入上百个小时的极度苦练！
在驾驭 AI 的道路上亦是同理。在看似行云流水的自动化背后，是对商业底层常识的扎实深潜。在测试中学习，在实战中进阶。最终，你将亲手铸就一项真正融入你骨髓的超级杠杆。
而对我个人而言，最直击心灵的驱动力在于： 我之所以选择成为一名专业投资者，绝不是为了将自己异化为一台追逐收益率数字的冰冷机器；我做投资的终极追求，是为了赢得更加从容美好的人生，是为了夺回更多属于我自己的宝贵生命时光，去全情陪伴我的家人、陪伴我的孩子！
我今年 33 岁，拥有一个极其幸福的家庭，我的女儿今年刚刚三岁。AI 在后台不知疲倦地替我处理繁重枯燥的案头苦役，让我的投研效率实现了成倍飞跃，从而让我有充裕的认知带宽与闲暇，在阳光下陪伴我的妻子，注视着我的女儿无忧无虑地奔跑成长。
“我做投资的终极追求，绝不是为了将自己异化为一台追逐收益率的冰冷机器，而是为了夺回更多属于我自己的宝贵生命时光，去全情陪伴我的家人、陪伴我的孩子。”
—— 莫斯塔法
如果今天听完节目的朋友，能够真正迈出勇敢的第一步，沉下心来掌握这套工具，在避开商业暗雷、守护好本金的同时，能够为自己的家庭和挚爱之人多夺回几个小时有温度的美好生命时光，那我今天的所有分享，就有了无可替代的巨大意义。
西姆 一件工具的威力完全取决于使用它的人。决定胜负的永远是弓箭手本身，而不是他手中的箭矢。
莫斯塔法 确实如此！
西姆 这一段分享直击心灵，感人至深。莫斯塔法，如果大家希望深入追踪你的最新思考，在哪里可以找到你？大家如何才能更系统地跟随你学习如何运用 AI 成为一名更加优秀的长期投资者？
莫斯塔法 大家可以随时在 Substack 上订阅我的专栏《Compound With AI》。在专栏里，我公开了大量完全免费的投研笔记、实战框架以及经过盲测验证的核心提示词。只要我手头有空，我始终非常乐于在后台与全球每一位求知若渴的朋友真诚交流。我由衷地建议每一个人，不论是否跟随我学习，都请务必在当下腾出时间，去真正拥抱 AI 这个属于我们时代的超级利器。
西姆 非常感谢你今天毫无保留的倾囊相授！大家都能真切感受到你对这一领域的炽热热爱。谢谢你的宝贵时间，我们随时保持密切联系。
莫斯塔法 谢谢你，西姆，非常享受今天的对谈！
西姆 各位朋友，我们下一期节目再见！
莫斯塔法 再见！
参考与来源