一个基于 AI 的个人投资研究系统，帮助投资者系统化地管理投资逻辑、追踪市场变化、生成深度研究报告。
传统的投资研究存在几个痛点：
- 投资逻辑碎片化：买入理由散落在笔记、聊天记录中，时间久了容易遗忘
- 信息过载：每天大量新闻，难以判断哪些真正重要
- 研究不系统：凭感觉做决策，缺乏结构化的分析框架
- 没有反馈闭环：不记录决策过程，无法复盘改进
本系统通过以下方式解决这些问题：
| 痛点 | 解决方案 |
|---|---|
| 投资逻辑碎片化 | Playbook 系统：结构化存储每只股票的投资论点、验证信号、失效条件 |
| 信息过载 | 三维度评估：自动判断信息是"信号"还是"噪音"，与投资逻辑关联分析 |
| 研究不系统 | 研究计划生成：AI 生成可执行的研究计划，包含假设验证、场景分析 |
| 没有反馈闭环 | 偏好学习系统：记录每次决策，学习用户偏好，持续优化建议 |
┌─────────────────────────────────────────────────────────────┐
│ 投资研究助手 │
├─────────────────────────────────────────────────────────────┤
│ 输入 处理 输出 │
│ ──── ──── ──── │
│ • 你的投资逻辑 ──► • 结构化存储 ──► • 研究报告 │
│ • 市场新闻 • 三维度评估 • 操作建议 │
│ • 研报/会议纪要 • 深度研究 • 跟踪事项 │
│ • 你的决策反馈 • 偏好学习 • 个性化洞察│
└─────────────────────────────────────────────────────────────┘
存储你的整体投资框架：
- 主线主题：当前看好的投资方向（如 AI 革命、利率见顶）
- 主攻标的：重点关注的股票及其所属主题
- 持仓策略：风险偏好、止损策略、持仓周期
- 交易规则：你的投资纪律和约束条件
为每只股票建立独立的投资逻辑档案：
| 模块 | 内容 | 作用 |
|---|---|---|
| 核心论点 | 一句话总结 + 关键要点 | 明确"为什么买" |
| 市场认知差 | 你看到了什么市场没看到的 | 识别 Alpha 来源 |
| 验证信号 | 什么情况说明论点正确 | 指导加仓时机 |
| 失效条件 | 什么情况说明论点错误 | 设定止损触发器 |
| 相关实体 | 竞争对手、供应商、客户 | 扩展搜索维度 |
| 操作计划 | 持仓周期、目标仓位 | 规范交易行为 |
创建 Playbook 时，系统通过对话式访谈引导你思考：
AI: 你为什么想买入这只股票？核心的投资逻辑是什么？
你: 我认为软银的 NAV 折价太大了，市场低估了 ARM 的价值...
AI: 很好。那么什么情况下，你会认为这个判断是错误的？
换句话说，如果发生什么事，你会考虑卖出？
你: 如果 ARM 股价跌超过 50%，或者愿景基金连续亏损...
AI: 明白了。你提到了 ARM，还有哪些公司或实体与软银的投资价值密切相关？
这种方式比填表单更自然，能引导出更完整的投资逻辑。
系统从 6 个维度自动搜索相关信息：
| 维度 | 搜索内容 | 示例 |
|---|---|---|
| 公司核心动态 | 财报、公告、人事变动 | "软银 Q3 财报" |
| 行业与竞争 | 竞争对手、市场格局 | "软银 vs 阿里 持股" |
| 产品与技术 | 新产品、研发进展 | "ARM 新芯片架构" |
| 宏观与政策 | 监管政策、行业扶持 | "日本科技政策" |
| 论点验证 | 与核心论点相关的信息 | 搜索 Playbook 中的关键词 |
| 风险监测 | 可能触发失效条件的信号 | 搜索失效条件关键词 |
支持上传以下类型的文件：
- PDF：研报、公告、会议纪要
- 图片：图表、截图
- 文本：笔记、摘要
AI 会提取文件中的关键信息，并纳入分析上下文。
你上传的所有文件会被保存为历史 Environment，后续研究时自动作为参考：
本次研究参考了您之前上传的资料：
• [2025-01-15] 软银Q3会议纪要.pdf
摘要: 管理层对 AI 业务保持乐观，计划增加投资...
• [2025-01-10] 愿景基金持仓分析.xlsx
摘要: 前十大持仓占比 65%，集中度有所下降...
当有新信息时，系统从三个维度评估其重要性：
┌─────────────────────────────────────────────────────────────┐
│ 三维度评估框架 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 维度 1 │ │ 维度 2 │ │ 维度 3 │ │
│ │ 历史研究 │ │ Playbook │ │ Environment │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ 上次结论是否 论点是强化还是 哪些是信号， │
│ 仍然有效？ 削弱/动摇？ 哪些是噪音？ │
│ │
│ │ │
│ ▼ │
│ ┌─────────────────────┐ │
│ │ 是否需要深度研究？ │ │
│ │ • 需要 / 不需要 │ │
│ │ • 信心：高/中/低 │ │
│ │ • 紧迫性：立即/本周 │ │
│ └─────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
{
"judgment": {
"needs_deep_research": true,
"confidence": "高",
"urgency": "本周内"
},
"conclusion": {
"summary": "ARM 宣布新架构对软银估值有重要影响，需要评估",
"key_risk": "新架构研发投入可能影响短期利润",
"key_opportunity": "强化 AI 芯片领域的领导地位"
}
}系统自动生成结构化的研究计划：
研究目标: 评估 ARM 新芯片架构对软银 NAV 的影响
假设验证:
- 假设: ARM 新架构将获得主要云厂商采用
如果为真: NAV 折价应收窄 10-15%
如果为假: 当前估值基本合理
验证方法: 搜索 AWS/Azure/GCP 对 ARM 服务器的采购计划
研究模块:
1. 技术竞争力分析
- ARM vs x86 在 AI 推理场景的性能对比
- 搜索: "ARM Neoverse AI inference benchmark"
2. 财务影响测算
- 新架构对 ARM 收入和利润率的影响
- 搜索: "ARM royalty revenue forecast 2025"
场景分析:
- 乐观: 主要云厂商大规模采用，ARM 估值上调 30%
- 基准: 渐进式采用，估值维持现状
- 悲观: 采用不及预期，估值下调 10%你可以在执行前调整研究计划：
你: 增加对 NVIDIA 的竞争分析，重点看 Grace CPU 的进展
AI: 好的，我已在研究计划中新增模块：
"NVIDIA 竞争分析"
- 关键问题：Grace CPU 与 ARM 的直接竞争程度如何？
- 搜索关键词：NVIDIA Grace Hopper vs ARM Neoverse
执行研究后生成机构级别的研究报告：
# 深度研究报告：软银集团
## 执行摘要
ARM 新芯片架构的发布强化了我们的核心论点...
## 一、变化分析
### 1.1 事件概述
2025年1月23日，ARM 发布新一代 Neoverse 架构...
### 1.2 一阶效应
- 技术领先优势扩大
- 云厂商采购意愿增强
### 1.3 二阶效应
- 加速 x86 到 ARM 的迁移
- 可能引发英特尔竞争反应
## 二、论点验证
| 核心论点 | 验证结果 | 影响程度 |
|----------|----------|----------|
| ARM 是 AI 芯片核心受益者 | 强化 | 高 |
| NAV 折价过大 | 待验证 | 中 |
## 三、风险评估
...
## 四、操作建议
建议：增持
信心：高
理由：新架构发布强化核心论点，NAV 折价收窄可期研究报告顶部提供快速摘要卡片：
┌─────────────────────────────────────────────────────────────┐
│ 30 秒摘要 信心 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 1. 核心变化 高 │
│ ARM 发布新架构，强化 AI 芯片领导地位 │
│ │
│ 2. 论点影响 │
│ [强化] │
│ │
│ 3. 建议操作 │
│ 增持 │
│ │
├─────────────────────────────────────────────────────────────┤
│ 本次分析考虑了您的偏好： │
│ • 当「技术突破」时 - 等待市场验证 │
│ • 当「估值偏高」时 - 分批建仓 │
└─────────────────────────────────────────────────────────────┘
研究完成后，系统收集你的反馈：
| 反馈项 | 说明 |
|---|---|
| 研究是否有价值 | 评价研究质量 |
| 方向是否正确 | AI 建议与你判断是否一致 |
| 你的最终决策 | 买入/增持/持有/减持/卖出 |
| 跟踪指标 | 后续需要关注的数据点 |
| 备注 | 你的想法和补充 |
这些反馈会：
- 保存到研究历史，供下次参考
- 用于偏好学习，优化未来建议
系统会学习你的决策模式：
观察到的模式：
• 当「业绩低于预期 10% 以内」时，您倾向于「继续持有观察」
• 当「管理层变动」时，您倾向于「立即深入研究」
• 您更关注「竞争格局」而非「短期股价波动」
这些偏好会：
- 显示在研究结果中（偏好透明化）
- 影响研究重点的优先级排序
- 调整建议的表达方式
你可以在「我的投资偏好」页面：
- 查看已学习的偏好规则
- 手动添加/编辑/删除偏好
- 启用/禁用特定规则
对于重要的研究记录，可以标记为「里程碑」：
- 点击研究历史旁边的星星图标
- 里程碑记录会用金色边框高亮显示
- 关键功能：里程碑记录会永久纳入研究上下文
普通逻辑：取最近 3 条研究记录作为上下文
里程碑逻辑：取最近 3 条 + 所有里程碑记录
适用场景：
• 首次建仓的研究（建立基准）
• 重大论点变化的研究
• 关键决策点的记录
一键扫描所有持仓：
- 自动计算时间间隔：根据上次研究日期确定搜索范围
- 并行扫描：同时检查多只股票
- 智能排序：按紧迫性排列结果
- 失效条件监控：自动检查是否触发失效条件
扫描结果：
股票 上次研究 间隔 是否需要研究 紧迫性
────────────────────────────────────────────────────────
软银集团 3 天前 3天 是 立即
阿里巴巴 7 天前 7天 是 本周
腾讯控股 2 天前 2天 否 —
警告：软银集团的失效条件可能已触发
"ARM 股价下跌超过 50%" - 请立即检查
系统支持基础密码保护：
# 启用认证
curl -X POST http://localhost:5000/api/auth/setup \
-H "Content-Type: application/json" \
-d '{"password": "your_password", "enable": true}'
# 访问时需要输入密码
# 或在 URL 中使用 Basic Auth┌─────────────────────────────────────────────────────────────┐
│ 用户界面 │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Web 前端 │ │ CLI 命令行 │ │ API 接口 │ │
│ │ (Flask) │ │ (终端) │ │ (REST) │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ └────────────────┼────────────────┘ │
│ ▼ │
├─────────────────────────────────────────────────────────────┤
│ 核心模块 │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Interview │ │ Environment │ │ Research │ │
│ │ 苏格拉底访谈 │ │ 环境采集 │ │ 深度研究 │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ ┌─────────────┐ ┌─────────────┐ │
│ │ Preference │ │ Storage │ │
│ │ 偏好学习 │ │ 数据存储 │ │
│ └─────────────┘ └─────────────┘ │
├─────────────────────────────────────────────────────────────┤
│ AI 层 │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ Gemini API │ │
│ │ • gemini-2.5-pro (深度分析) │ │
│ │ • gemini-2.5-flash (快速搜索) │ │
│ │ • Google Search 集成 │ │
│ └─────────────────────────────────────────────────────┘ │
├─────────────────────────────────────────────────────────────┤
│ 数据层 │
│ ┌─────────────────────────────────────────────────────┐ │
│ │ ~/.investment-assistant/ │ │
│ │ ├── config.json # 配置 │ │
│ │ ├── portfolio_playbook # 总体策略 │ │
│ │ ├── user_preferences # 用户偏好 │ │
│ │ └── stocks/ # 个股数据 │ │
│ │ └── {stock_id}/ │ │
│ │ ├── playbook.json # 投资逻辑 │ │
│ │ ├── history.json # 研究历史 │ │
│ │ └── uploads/ # 上传文件 │ │
│ └─────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────────┘
┌──────────────┐
│ 开始使用 │
└──────┬───────┘
│
▼
┌────────────────────────┐
│ 1. 创建总体 Playbook │
│ （苏格拉底访谈） │
└───────────┬────────────┘
│
▼
┌────────────────────────┐
│ 2. 添加股票 Playbook │◄──────┐
│ （苏格拉底访谈） │ │
└───────────┬────────────┘ │
│ │
▼ │
┌────────────────────────┐ │
│ 3. 日常监控 │ │
│ • 批量扫描 │ │
│ • 单股检查 │ │
└───────────┬────────────┘ │
│ │
┌───────────┴───────────┐ │
│ │ │
▼ ▼ │
需要研究 不需要研究 │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 4. 采集 Environment│ │ │
│ • 多维度搜索 │ │ │
│ • 上传文件 │ │ │
└─────────┬─────────┘ │ │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 5. 三维度评估 │ │ │
│ • 生成研究计划 │ │ │
└─────────┬─────────┘ │ │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 6. 调整计划（可选）│ │ │
└─────────┬─────────┘ │ │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 7. 执行深度研究 │ │ │
│ • 生成报告 │ │ │
│ • 操作建议 │ │ │
└─────────┬─────────┘ │ │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 8. 用户反馈 │ │ │
│ • 评价研究 │ │ │
│ • 记录决策 │ │ │
└─────────┬─────────┘ │ │
│ │ │
▼ │ │
┌───────────────────┐ │ │
│ 9. 偏好学习 │ │ │
│ • 提取模式 │ │ │
│ • 更新偏好 │ │ │
└─────────┬─────────┘ │ │
│ │ │
└─────────┬───────────────┘ │
│ │
▼ │
┌───────────────┐ │
│ 继续监控 │────────────────┘
└───────────────┘
用户输入 系统处理 输出
──────── ──────── ────
投资想法 ──► 苏格拉底访谈 ──► Playbook JSON
│
▼
市场新闻 ──► 多维度搜索 ──► 结构化新闻列表
上传文件 ──► AI 文件分析 ──► 文件摘要
│
▼
历史研究 ┐ 三维度评估 ──► 研究计划
Playbook ├──► │
Environment┘ ▼
深度研究引擎 ──► 研究报告 + 建议
│
▼
用户反馈 ──► 偏好学习 ──► 用户偏好档案
│
▼
┌──────────────────┐
│ 下次研究时参考 │
│ • 历史研究结论 │
│ • 用户偏好规则 │
│ • 里程碑记录 │
└──────────────────┘
-
启动系统
cd investment-assistant python web/app.py # 访问 http://localhost:5000
-
创建总体 Playbook
- 首次访问会引导你完成总体策略设置
- 回答 AI 的问题，描述你的投资风格
-
添加第一只股票
- 点击「+ 添加股票」
- 输入股票名称，开始苏格拉底访谈
- 完成后自动保存 Playbook
-
发起第一次研究
- 进入股票详情页
- 点击「发起深度研究」
- 选择时间范围，可选上传文件
- 查看评估结果和研究报告
- 访问首页仪表盘
- 点击「批量扫描」检查所有持仓
- 对标记为「需要研究」的股票执行深度研究
- 记录你的决策和反馈
- 进入相关股票详情页
- 上传研报/新闻等文件（可选）
- 执行深度研究
- 根据建议做出决策
- 查看「我的投资偏好」，删除过时规则
- 检查 Playbook，更新失效条件
- 标记重要研究为里程碑
| 建议 | 说明 |
|---|---|
| 失效条件要可量化 | "ARM 股价下跌 50%" 比 "股价大幅下跌" 更好 |
| 验证信号要具体 | "Q3 云收入增速 > 30%" 比 "业绩好" 更好 |
| 相关实体要全面 | 包括竞争对手、供应商、大客户 |
| 定期更新 | 每季度检查一次 Playbook 是否需要调整 |
| 建议 | 说明 |
|---|---|
| 主动上传资料 | 系统搜索有限，好的输入产生好的输出 |
| 调整研究计划 | 不满意默认计划时，告诉 AI 你的关注点 |
| 认真填写反馈 | 反馈质量决定偏好学习效果 |
| 善用里程碑 | 重要决策点要标记，建立长期上下文 |
| 建议 | 说明 |
|---|---|
| 定期清理 | 删除不再适用的偏好规则 |
| 手动添加 | 有明确规则时直接添加，不等系统学习 |
| 检查透明化 | 研究时查看应用了哪些偏好，确保合理 |
~/.investment-assistant/
├── config.json # 系统配置（API Key、认证）
├── portfolio_playbook.json # 总体投资策略
├── user_preferences.json # 用户偏好规则
├── stocks/
│ └── {stock_id}/ # 每只股票独立目录
│ ├── playbook.json # 个股投资逻辑
│ ├── history.json # 研究历史记录
│ └── uploads/ # 上传的文件
└── logs/
└── YYYY-MM-DD.log # 日志文件
{
"gemini_api_key": "your_api_key",
"auth_enabled": false,
"auth_password_hash": null
}存储总体投资策略，包括主线主题、主攻标的、持仓策略等。
{
"preferences": [
{
"id": "pref_xxx",
"trigger": "当业绩低于预期",
"my_response": "继续持有观察",
"active": true
}
],
"preference_summary": {
"decision_style": "偏稳健",
"risk_tolerance": "中等"
}
}个股投资逻辑，包括核心论点、验证信号、失效条件等。
研究历史记录，包括每次研究的输入、评估、结果和用户反馈。
- Python 3.9+
- Gemini API Key（需要支持 Google Search）
# 1. 进入项目目录
cd investment-assistant
# 2. 安装依赖
pip install -r requirements.txt
# 3. 配置 API Key（二选一）
# 方式一：环境变量
export GEMINI_API_KEY="your_api_key"
# 方式二：首次启动时在界面中输入
# 4. 启动 Web 服务
python web/app.py
# 5. 访问
open http://localhost:5000google-genai>=0.4.0
flask>=2.0.0
# 启用密码保护
curl -X POST http://localhost:5000/api/auth/setup \
-H "Content-Type: application/json" \
-d '{"password": "your_password", "enable": true}'除了 Web 界面，也支持命令行操作：
python assistant.py> 我的投资观点 # 查看总体 Playbook
> 更新投资观点 # 更新总体 Playbook
> 买入软银 # 添加新股票（苏格拉底访谈）
> 查看软银 # 查看 Playbook
> 更新软银逻辑 # 更新 Playbook
> 软银有新消息 # 检查 Environment 变化
> 查看软银历史 # 查看研究历史
> 列出持仓 # 显示所有股票
> 删除软银 # 删除某股票
> 帮助 # 显示帮助
> 退出 # 退出程序
A: 系统会显示黄色警告，提示哪些搜索维度失败。你可以：
- 检查 API Key 是否支持 Google Search
- 手动上传相关资料作为补充
A: 目前支持在页面中查看完整报告（Markdown 格式）。你可以复制内容到其他工具进行排版。
A: 所有数据保存在 ~/.investment-assistant/ 目录，是纯 JSON 文件，可以直接查看和备份。
A: 复制整个 ~/.investment-assistant/ 目录即可。
A: 系统会显示错误提示并记录日志。这通常是 AI 返回格式不规范导致的，可以重试或查看原始响应。
- 核心功能完成
- Playbook 系统（总体 + 个股）
- 苏格拉底访谈
- 六维度新闻搜索
- 三维度影响评估
- 深度研究引擎
- 30 秒摘要卡片
- 用户反馈系统
- 偏好学习与透明化
- 批量扫描
- 失效条件监控
- 里程碑标记
- 历史上传资料累积
- 基础认证
- 多行输入支持
MIT License