夜雨聆风用 AI 炒股这事，我一直挺警惕的。
不是警惕 Claude，也不是警惕 ChatGPT。
我是警惕它一旦跟「帮你赚钱」四个字绑在一起，味道就会变。
你刷短视频或者混一些投资社群，应该也见过那种话术。
三分钟抓牛股。
一键生成交易信号。
普通人也能靠 AI 财富自由。
每次刷到这种东西，我都默默划走。
太吓人了。
我自己的投资风格其实非常无聊，交给有知有行。
指数基金，资产配置，长期持有，少看账户。
个股不是完全不看，但基本不怎么碰。
因为我很清楚，自己不是专业投资者，也没那么多时间天天盯财报、电话会、行业景气度、估值分位、竞争格局。
所以正常情况下，你跟我说某个 AI 可以帮我分析股票，我大概率没什么兴趣。
但这两天，我看到 Anthropic 开源了一个项目，叫 financial-services。
项目地址在这里：
https://github.com/anthropics/financial-services
我刷到它在 GitHub Trending 里冲得很靠前时，第一反应是：
Claude 也要开始搞金融插件了？
期待值拉满，想立马试试效果。
它不是喊单插件，是一套金融工作流
让 AI 解释了一下 repo，发现它不是一个单纯的公司分析。
它拆了一整套金融工作流。
Pitch Agent, Market Researcher, Earnings Reviewer, Model Builder, Valuation Reviewer, GL Reconciler, Month-End Closer, Statement Auditor, KYC Screener.
投行、研究、建模、财务运营、审计、合规，全都被拆成了 agent、skill、slash command 和 MCP 数据源。
光看是看不懂了，只能下载下来撸一把。
我先说一下我怎么试的。
我这次用的是 Claude Code + 小米大模型。
小米大模型是之前送的 Plan，具体怎么申请和接到 Claude Code 里，可以去我另一篇文章看，这里就不展开了。
我不是在复现一个金融机构的完整工作台。
我只是想在一个个人能摸到的环境里，试一下这套金融工作流的思路，到底能不能把一个模糊的投资冲动，拆成一组可以复盘的假设。
我怎么试：Mag 7 comps
所以我先拿公开信息，让它跑一组 Mag 7 comps。
也就是 Nvidia、Alphabet、Apple、Microsoft、Amazon、Meta、Tesla 这些公司。
我一开始预期很低。
它如果能帮我整理出估值倍数、增长、利润率，再给一个粗略排序，我就觉得已经可以了。
结果它真的把这一组东西跑出来了。
先看这 5 张图。
我 Google 了一下市值，大差不差，可能不是当天最新的。
但真正有价值的，不是某一个数字对不对，而是它把 comps 这件事做成了一张可以讨论的桌子。
你说这些数据神不神？
不神。
这些东西你自己当然也能查。
麻烦的是，这一步很碎。
你真要自己做一遍，要开好几个网页，确认不同口径，手动贴到表格里，再算中位数，再看谁相对便宜，谁只是故事好听。
这一步看起来很基础。
但它把最烦的那截给你省掉了。
看完这一组 comps，我最明显的感受是，它没有给我一个「买谁」的答案。
它给我的是一个比较框架。
它把一堆散在网页里的数字，放到同一张桌子上。
它让你思考的是：估值、增长、利润质量、以及每家公司背后到底需要相信什么。
这对普通人已经很有用了。
它不是让你变成基金经理。
它只是先把你从股价涨跌里拽出来。
单看 Nvidia：别问贵不贵，先问假设是什么
下一个命令，我让它单独看 Nvidia，AI 时代的铲子公司。
因为大部分人聊这种热门公司，很容易被两个情绪牵着走。
一个是太贵了，不能买。
一个是 AI 这么猛，必须买。
但这个插件会帮你把数据一一列出来，然后你自己判断到底贵不贵，还值不值得买。
三五年以后，它还能不能继续保持这么夸张的利润质量？
跑完看到结果，我看完的第一反应很简单：
难怪市场愿意给它这么高的预期。
这时候你讨论的就不是「贵不贵」三个字了。
而是：这种利润质量和增长速度，还能撑多久？
驱动力和风险，它都帮我列出来了。
对普通人来说，关键不是立刻得出投资结论。
关键是你终于知道自己要盯什么。
不是每天盯涨跌。
而是盯这些假设有没有变。
然后是三种情景，DCF（现金流折现模型），看看你是乐观还是保守。
你看，它不是在算一个神秘答案。
它更像是在问你：
这个价格要成立，未来得发生什么？
这一下就很有用了。
因为我们普通人看股票，很容易被情绪带着走。
涨了，就觉得错过了。
跌了，就觉得是不是机会来了。
但这套流程会把问题拆得更朴素一点。
你为什么觉得它还能涨？
你相信的是需求继续变大，还是利润率还能守住？
你担心的是竞争对手追上来，还是大客户开始压价？
这些问题不一定能让你赚到钱。
但至少能让你知道，自己到底在相信什么。
对我来说，这就是 AI 做投资分析比较健康的位置。
不是让它替我下注。
而是在我头脑发热的时候，让它先把桌子拍一下。
哥们，别急。
你先把理由写清楚。
让我们从「凭感觉」变成了「列理由、找证据、以后复盘」。
真正展示的是垂直工作流
金融行业很多能力，其实建立在一堆数据和流程上。
这些东西普通人平时接触不到，也没必要真的去买。
但如果 AI 能把公开信息先整理好，把关键问题先列出来，把一家公司拆成几条可以追踪的假设。
对普通人来说，就已经很有用了。
所以这件事的重点，对我来说不是变成金融分析师。
而是把原来很分散、很难下手的信息，先整理成一个能看懂的框架。
这其实不只发生在金融里。
很多工作里，最消耗人的地方都不是「想出一个惊天观点」。
而是把材料找齐。
把口径对上。
把表格清干净。
把旧版本更新掉。
把零散结论整理成一份别人能看懂的东西。
写文章是这样。
做产品调研是这样。
做竞品分析是这样。
做项目复盘也是这样。
所以做着做着我发现，Anthropic 这次真正展示的，不是「Claude 会金融」。
而是 Claude 开始从一个通用 agent，变成某个垂直领域里的工作流组件。
它给你 agent，给你 skill，给你 slash command，给你 MCP connector。
你问一个问题，它会走完整个流程，才告诉你答案。
先收集资料。
再整理表格。
再列假设。
再生成备忘。
再交给人复核。
这一下就不一样了。
以前我们聊垂直 AI，觉得可能需要很多垂直的数据，才能训练出来。
但现在看，事情可能不是这么走的。
真正进入一个领域，靠的可能不只是知识。
还要有工具。
有数据入口。
有固定流程。
有输出格式。
有边界。
模型还是模型。
但它开始被塞进真实工作方式里。
这才是我觉得这个 repo 很有意思的地方。
边界必须说清楚
当然，风险也必须放在明面上。
Anthropic 在 repo 里写得很清楚，这些东西不构成投资、法律、税务、会计建议。
它们不会替你做决策，不会替你承担风险，也不会替你按下任何现实世界里的确认按钮。
所有输出都要人复核。
这个边界很重要。
所以回到普通人身上，我不会把它理解成「发财按钮」。
真正做决定的还是你自己。
但我会先试试模拟盘。
普通人不需要每天让 AI 告诉你明天涨跌。
更有价值的是，让它帮你保留一份「当时为什么这么判断」的记录。
然后过一段时间，再回来问：
这个理由还成立吗？
如果不成立，是哪条假设先松了？
这才是我觉得 AI 在投资里比较健康的位置。
它不应该变成一个喊单的人。
它更像一个不太会被情绪影响的复盘搭子。
你兴奋的时候，它问你凭什么。
你恐慌的时候，它问你假设变了吗。
你想追高的时候，它问你，这个价格里到底已经塞进了多少好消息。
你想抄底的时候，它把风险项一条条拎出来。
所以这篇不是投资建议。
更不是让大家去追 Nvidia、Meta、Microsoft。
我自己也没这个能力。
投资有风险，个股尤其有风险，AI 生成的分析也一定要人工复核。
不是让 AI 替我们做决定。
而是让 AI 在我们做决定之前，先把那些含糊的理由摊开。
至于到底买不买，什么时候买，拿多少钱买。
还是你自己的事。
但至少下一次，我看到某只股票涨疯了，手开始痒的时候，可以先把它丢给这套工作流。
让它问一句。
看看有没有真的想清楚，再下手。
如果今天这篇对你有启发，帮我点个赞、在看、转发三连吧，你的每一次互动，都是我继续写下去的动力。
我们，下篇见。
