缘起：我为什么要做这件事

我是一个个人投资者，平时关注 A 股、港股和新三板。长期被两个问题折磨：

我需要一个系统——把「我看过的股票」「我的判断」「我的逻辑」固化下来，形成可迭代、可追溯的个人投研知识库。

刚好新安装了 Marvis，一个能直接对话、调度工具执行任务的桌面 AI 助手。我想试试：能不能完全靠和它聊天，把这套系统搭出来？

第一阶段：从零建库，一句话搞定

第一步是把全市场股票装进数据库。我对 Marvis 说：帮我把所有股票导入一个 SQLite 数据库，按代码、名称、行业、市场分类存好。

Marvis 自己完成了数据源获取、表结构设计、批量导入。几分钟后，`stocks.db` 就出现在了桌面上，12318 条记录整整齐齐。

它甚至自动建了 `change_log` 变更日志表——后来证明，这是整个系统中最有价值的底层设计之一。每一次评级修改都有迹可循，追溯起来像 Git 的 commit 历史一样清晰。

有了数据，我需要一个评级体系。但我不想抄券商那套"买入/增持/中性"——千篇一律，缺乏个人印记。

我和 Marvis 反复讨论了十几轮，最终打磨出一套自制四级评级：

S级：信仰级深度理解（极稀缺）

A级：壁垒明确，精选池

B级：有亮点但不够确信

C级：低优先级，明显短板

关键原则：一句话定性（one-liner）必须突出“龙头地位、低成本制造、高分红、全球竞争力”这些硬核维度。信息不足的股票，宁可不评或标「信息不足暂定」，绝不臆造判断。

现在回看，这个框架的打磨过程本身就是一次价值梳理——它逼着我想清楚：我到底看重什么？我的投资哲学是什么？

框架有了，下一步是执行。

我让 Marvis 按行业分批给股票做初评。它自动搜索整理信息，结合我的评级标准逐只产出评级 + 一句话定性 + 核心逻辑 + 风险提示。

目前数据库里：S 级 76 只，A 级 789 只，B 级 4272 只，C 级 1192 只，变更日志近 3000 条。

特别让我满意的是「增量不删」原则——每次更新只在现有数据上修改，不搞全量删除重建。这样我的每一次判断迭代都被保留，可以回溯自己在某只股票上的认知进化。

系统建成后，Marvis 帮我挂了定时任务，自动执行：

新股入库检测

已评级股票基本面重大变化监控

定期抽查评级准确性

不需要我手动触发，每天早上它会自己跑一遍巡检，把异常推送给我。

附加功能：大类资产配置监控、资产历史收益分析

复盘整个过程，Marvis 给我的不是一段代码或一个 Excel，而是：

整个过程我没有写一行代码。我做的就是不断和 Marvis 对话、提需求、给反馈、调方向。它负责执行、纠错、优化。

这样的系统，如果普通人类程序员在没有AI帮助下，按正常排期（不加班、不被其他事打断），一个人大约需要 5~7 周才能完成。