给AI安排工作我们很容易把 AI 当成一个全知全能的“智者”。但投资不是知识问答。现实里的投资者，他们都活在某种制度里：有的资金可以随时被赎回，有的资金锁定期很长；有的人看季度排名，有的人看长期收益；有的人怕踏空主线行情，有的人怕本金永久损失。想让 AI 懂规矩，要先给它安排一个岗位。你得先告诉它：你到底替谁工作？
03
同一个AI，两种制度这次实验，我给 AI 安排了两个完全不同的岗位。第一个角色，是一个管理短期资金的战术配置基金经理。这种资金有几个特点：-产品开放申赎-投资人会看月度净值来决定加仓减仓-经理按季度和年度排名被考核-连续两个季度明显跑输同类，资金就可能流走这种钱最怕的，不是错过十年后的好公司。而是错过主线，净值落后，排名掉队，最后被赎回。第二个角色，是一个管理长期锁定资金的商业研究员。这种钱刚好相反：-没有短期赎回压力-不按季度排名决定生死-可以容忍一两年的“落后”-更在乎五到十年的复利和本金安全这种人最怕的，是因为短期噪音，错过一个能长期复利的核心资产。而岗位一换，问题的重心也换了。
05
目标决定动作先看实验结果。短钱研究员最后给出的动作是：低配茅台，等景气、批价、需求的拐点再配，优先配置AI/科技方向。长期资金研究员最后给出的动作是：分批建仓茅台，接受短期波动。更有意思的是，这两个动作背后，还有一整套仓位安排。那个短线研究员，给茅台的权重很低，把更多仓位留给了 AI / 科技、沪深300 和现金。因为在他的世界里，未来 12 个月最重要的是：-短期赔率-主线资金-相对排名-回撤控制它的目标是：跑赢同行而那个长钱研究员，给茅台的权重明显更高。因为在他的世界里，最重要的是：-长期复利-安全边际-分红回报-长期价值它的目标是：长期回报目标不同，动作也就不同。我又一次追问。我问那个短钱选手：“如果你管的不是短期资金，而是长期锁定资金，你现在对茅台的动作会不会改变？”它说：“会。”我又问那个长线选手：“如果你管的不是长钱，而是按季度排名、随时可能被赎回的钱，你现在对茅台的动作会不会改变？”它也说：“会。”同一个 AI，放进不同制度里，就会做出出不同动作。
了解AI，要先了解自己还记得袋熊学估值·第9讲｜同一家公司，为什么有人看3000亿，有人看6万亿？的那句引言吗？"如果你不了解自己，股市会是一个代价高昂的地方。"— "Adam Smith" 《TheMoneyGame》 1967半个多世纪后，把这句话放在训练 AI 研究员的场景，竟然也很合适。你以为自己要的是十年复利。但市场可能发现：你真正想要的是三个月见效。你以为自己能忍受波动。但市场可能发现：你真正不能忍受的，是别人比你赚钱。你以为自己怕亏钱。但市场可能发现：你更怕的是错过。harness engineering 可能是个新词，但它处理的不是新问题。给AI工具、流程、边界、反馈，让AI不要顺着问题乱跑。说到底，是承认它会被环境带偏，于是提前替它安排一个环境。人也一样。投资纪律、风控制度、锁定期、复盘记录，本质上都是类似的东西。制度不保证你更聪明。但能尽量让你不要太失控。所以，在了解 AI 之前，你其实得先了解自己。你管的到底是什么钱？这笔钱能不能等五年？你能不能忍受两年跑输？你看到别人赚钱会不会受不了？你每天刷到市场热点，会不会忍不住让 AI 帮你找理由？说到底，真正做决定的不是 AI。而是你自己。嘴上说，希望 AI 帮你做长期研究。但你每天问它：“这波 AI 行情还能不能追？”“为什么我的组合又跑输了？”“现在不买是不是就错过了？”“有没有短期更强的方向？”问久了，它当然会开始像一个短期研究员。不是因为它背叛了长期主义。而是因为你给它的环境，本来就不是长期主义。
07
最好的AI研究员，不是像巴菲特，而是像更好的“自己”很多人一开始用 AI 做投资研究，脑子里都会有一个朴素的愿望：能不能让它像巴菲特？像巴菲特一样耐心。像巴菲特一样看现金流。像巴菲特一样不被市场情绪带着走。最好还能像芒格一样，偶尔说几句听起来很聪明的话。但是，巴菲特之所以是巴菲特，不只是因为他知道那些道理。而是因为他有自己的资金结构，自己的性格，自己的能力圈，自己的时代，自己的约束，和几十年里一点点形成的判断习惯。这些东西，不能靠一句“请你扮演巴菲特”复制出来。最终我们得到的，只是一个很会说巴菲特语录的聊天机器人。真正有用的 AI 研究员，也许不是替你扮演某个投资大师。而是帮你把自己的资金期限、风险偏好、情绪盲点和犯错方式看得更清楚。好的AI研究员不该复制别人，应该变成一个更好的“你自己”。
夜雨聆风
