一台电脑 + 三个AI工具:我是怎么做投资研究的

一个投研人的AI工作流：Obsidian知识库 + 三款工具的协作实践

在正式开始之前，我想先问你一个问题：

你做投资研究的时候，有没有遇到过这些情况？

读了一堆研报，关上电脑脑子里一团浆糊
记了满满一抽屉笔记，关键时刻却想不起来在哪
对一家公司信心满满，一跟专业人士聊就发现自己漏掉了关键变量
明明分析过类似的问题，下次遇到还是从头开始

如果有，那今天这篇文章可能对你有用。

我想分享的是：我怎么用Obsidian + AI 工具（claudian插件、claud code，千问输入法、Trae Solo）的组合，把投研效率提升了一个量级。

核心逻辑很简单——让AI成为你的「外脑」，帮你建立、维护、调用一个真正属于你自己的投资知识库。

01 痛点：为什么传统的笔记方法不够用了

做投资研究，本质上是在做两件事：信息整合和认知迭代。

传统的方法有什么问题？

分散——微信收藏、邮件、Excel、纸质笔记，一个公司能找到七八个地方存资料，但互相之间没有连接。

孤立——每篇笔记是孤岛，今天写的内容和三个月前写的同一行业的内容，无法自动关联。

断裂——输入（读研报）和输出（做决策）之间，需要人工做大量「连接」的工作，而且这个工作往往在压力下被省略了。

遗忘——好的洞察往往发生在阅读过程中的灵光一现，但大部分时候我们来不及记，记了也找不到。

这些问题在信息量小的时候还能凑合应对，但当你的能力圈扩展到10家、50家公司，当你要跟踪的行业从5个变成20个，传统的「文件夹 + 关键词搜索」模式就会崩溃。

所以，我需要一个新的基础设施。

02 核心思路：用「知识库」代替「文件夹」

我的解决方案是：把投资研究从「文件管理」变成「知识管理」。

具体来说，我用 Obsidian 构建了一个投资知识库（md格式，天然适合AI）。

Obsidian 最大的特点是：笔记之间的双向链接。

当你写「宁德时代的竞争优势」时，可以链接到「电池行业格局」，链接到「碳酸锂价格」，链接到「管理层分析框架」。这些链接不是简单的跳转，而是形成了一张网。

当我在研究「中国海油」的时候，可以一键查看：历史上我研究过哪些类似公司？我对石油行业的认知框架是什么？上一次做这类判断时的逻辑是什么？

这解决了传统笔记的核心问题——知识是活的，不是死的文件。

但光有这个还不够。我们还需要AI 的介入，让这个知识库真正「活」起来。

这是整个工作流：

03 三款AI工具：让知识库真正运转起来

我的工具链是这样的：Obsidian作为基础设施，搭配三款不同的AI工具，分别解决不同层面的问题。

工具一：Claudian —— 直接在笔记里对话

Claudian 是 Obsidian 的一个插件，它让你可以直接在 Obsidian 里和AI对话，而且对话的内容可以直接写入当前笔记。

我能用 Claudian 做三件事：

第一，认知补全

当我分析一家公司的时候，AI会帮我发现「你考虑了供应链风险吗？」「你对比过同行毛利率吗？」这类问题。这不是AI在告诉我答案，而是AI在帮我审视我的思考过程。

第二，内容修改

比如我想改一段分析，把原来偏乐观的表述调整得更审慎。我可以直接在Claudian里说「把这段改成更保守的表述」，它会生成几个选项，我选一个，直接替换原文。

第三，临时探索

看到一个新公司，不需要新建文件，先在Claudian里做一轮「快速扫描」，把初步想法存进 inbox，后续再整理归档。

工具二：语音输入 —— 把碎片思考快速入库

有时候，当我在阅读文章并发现细节需要修改时，只需按下 Ctrl 键（默认是右ALT，和秘塔回响冲突了），直接对着电脑说话即可：

「今天重新思考了福耀玻璃的竞争壁垒，主要逻辑是三条：第一，……第二，……」

这段语音会被转成文字（不是简单转写，试过就知道），然后帮我我粘贴到 Obsidian 的具体文章段落。如果我对一段话不满意，我可以双击 Ctrl 键，然后让他帮我直接修改，提出我的修改要求即可，他会直接修改原文。如果要查某个具体的数据，也是双击 Ctrl 键让他帮我查。

语音输入解决的是捕捉效率的问题。当你自己打字的时候，还要组织语言，效率太低了。现在只需要几秒，问题解决了。

工具三：Cloud Code —— 批量处理与深度对话

Claudian 擅长处理单点问题，但如果我需要对整个知识库做全局性的分析，比如：

「过去一年我研究的所有汽车零部件公司，有哪些共性的风险因素？」

「关于碳酸锂价格，我的认知经历了哪些变化？」

「对某公司做投前体检，把所有相关卡片里的信息汇总给我」

这时候我会用 Cloud Code，Cloud Code对国内用户不太友好，需要自己配大模型，也可以用TARE SOLO替代，只是后者稍微笨点。它可以进行跨文件、跨主题的批量对话，并且支持对多个文件做协同修改。

它解决的是知识库的「第二层」问题——不只是记住信息，还能帮我综合、归纳、发现关联。

04 工作流：工具如何配合

工具不是孤立的，关键是怎么串联起来。

我的一天大概是这样的：

探索时间

读研报、读公告、读新闻，这部分内容主要是 Alpha Engine里面提供的

有想法的时候，用语音输入快速记录，进 inbox

可以用 Agent 做一些定时的任务，帮你根据自选股的要求搜集整理相应的信息，形成你专有的新闻日报，现在用的是免费的 TRAE Solo。

用ALphae CLaw+技能生成报告

如果要对一家公司进行深度研究，就在 Alpha Claw 里面用自创的技能直接生成一篇深度报告。我现在的技能报告主要包括几部分：

商业模式分析（好不好）
影响公司的正面和负面因素拆解（可否理解）
短期内哪些变化（时机）
公司的估值（值不值）

Claudian 里做认知迭代：深度研究

把外部获得的报告以及自己生成的报告用技能进行拆解，形成模块化的笔记
对着当前研究的标的，和AI对话
AI会提出我没想到的问题
把答案补充到对应的笔记里（AI自动填回）
要对笔记做小修改，可以直接用语音输入法

定期用 Cloud Code 做全局盘点

比如每周末，汇总本周新增的信息

问AI：「这周的研究有没有发现新的认知盲点？」

追问：「这些盲点是否已经在现有卡片中覆盖？」

这个流程不需要每天做完全套，根据时间灵活选择。

05 关键原则：AI是工具，不是结论

最后，我想强调一点：AI是工具，不是结论的来源。

我用AI做的是这些事：

帮我梳理逻辑框架
帮我发现遗漏的信息点
帮我整合分散在不同笔记里的内容
帮我把模糊的想法表达成清晰的文字

但最终的投资判断，永远是我自己的。

AI可以帮我「知道自己不知道什么」，但它不能替我「做决定」。

这也是为什么知识库比AI对话更重要——你需要在笔记里积累真正属于你的认知框架，而不是把判断权交给一个随时会「失忆」的对话窗口。

06 写在最后

回到最开始的问题：你做投资研究的时候，有没有遇到那些痛点？

如果有，你可以试试这套方法。

不是说要一下子建立完美的系统，从一个最小的单位开始：选一家你最关注的公司，用 Obsidian 建一张「公司认知卡片」，把你目前对这家公司所有知道的信息都写进去。

然后，用 Claudian 和AI对话，问它：「你觉得这张卡片里缺少什么？」或者你先有一个分析公司的框架，问它「根据我的投资框架，这一篇报告缺少什么内容？」

你可能会发现，原来你以为很了解的公司，其实还有不少盲区。

这才是这套工具真正的价值——不是帮你记住更多，而是帮你发现自己不知道什么。

如果你对很多公司做了研究，要提取之间的共性逻辑，也可以让他帮你总结出来。下面是AI帮我总结的制造业的护城河体系（框架部分），下次分析制造业的时候，我可以让他直接用这套体系帮我分析某一家公司。

如果你也在用 Obsidian + AI 做投研，欢迎交流。