有三件事，无论 AI 多好用都别交给它

这一线写到这里，你手上应该已经有一套挺完整的东西了：怎么把一次研究拆成互相不服气的几个角色、怎么逼它读原文、怎么把论文写成能被证伪的样子、怎么在流程里嵌核验动作。用顺了之后会出现一个新的问题，而且它比之前所有问题都更危险——你开始信它了。

信任是慢慢滑过去的。第一周你逐条回查它给的数字；第三周你只抽查几个；第两个月，某天晚上它给了你一份结构漂亮、逻辑闭环、语气笃定的材料，你读完点了点头，第二天早上直接下了单。那一刻你没做错任何一个具体动作，你只是把一样东西悄悄交出去了。

这篇是这条线的收口。前面讲的都是「怎么让 AI 干得更好」，这篇只讲一件事：哪些活儿，它干得再好你也不能给。

先把结论摆在前面。三件事：最终决策、后果承担、信念形成。 下面一件件说清楚为什么。

先说一件跟投资无关的事

你去医院做体检，机器出了一沓报告：血常规、B 超、CT 影像，几十项指标，超标的标红。这套设备比任何一个医生的肉眼都准，它读片子的稳定性也比人强——人会累，机器不会。

但报告出来之后会发生什么？医生把你叫进办公室，看着你，问你最近累不累、家里有没有类似病史、这个结节你打算观察还是切。最后签字的是医生，承担的是你。

设备再准，它也不会为你做那个决定。原因不是技术不够，是那个决定里包含了设备根本拿不到的东西：你能承受多大的手术风险、你家里有没有人要你照顾、你是那种「宁可切掉图个安心」还是「能不动就不动」的人。这些东西没有一项在影像里。

再说一层。就算某天设备真的能替你决定了，出了事谁难受？躺在床上的是你。决策权和后果承受者必须是同一个人，这不是技术问题，是结构问题。谁疼谁做主。

投研里的 AI 就是这台设备。它读得比你快、比你全、比你稳定,它也确实能看出你看不出的东西。但报告出来之后要签字的那个人，只能是你。

放到你的账户上意味着什么

把上面那个类比换算过来，就是三条具体的边界。

第一条：最终决策不能外包，因为决策里有一半东西不在材料里。

一份研究材料能告诉你的，是这家公司的生意怎么样、账上的钱是真是假、可能怎么死、管理层说话算不算数。这些是关于公司的信息。但「买不买」这个决定，还需要另一半信息，是关于你的：你这笔钱多久要用、你现在这个组合里同类资产已经压了多少、你上次在类似的位置上是怎么处理的、你到底能不能睡着觉。

AI 拿不到这一半。你就算把持仓明细全喂给它，它也拿不到「三年后孩子要交学费」这种东西，更拿不到「我上次在这类公司上栽过一次，所以我对这类叙事天然警惕」这种带体温的判断。

所以严格讲，AI 输出的从来不是「决策」，是决策的输入项之一。把它当成决策，等于用一半的信息做了一个需要全部信息的判断。这个错误的可怕之处在于：它在事前完全看不出来，因为那一半缺失的信息不会举手抗议。

第二条：后果不能外包，因为它压根不承担。

这条听起来像废话，但它决定了一件很实际的事：AI 的输出没有代价。

想想为什么职业投资人的判断和网上随便一个观点不一样——不是因为他更聪明，是因为他说错了要亏自己的钱。有代价的判断和没代价的判断，在语气上可能完全一样，在质量上差着一个数量级。人在有代价的时候，会自动降低确定性、会主动找反面证据、会在没把握的地方说「我不知道」。

AI 说「我不知道」是要靠你在提示词里逼它说的，因为默认状态下说「我不知道」对它没有任何损失，说错了也没有任何损失。它的笃定是免费的，你的亏损是真金白银的。 这两样东西中间隔着的那道墙，就是边界。

由此推出一条很实用的判据：凡是输出方不承担后果的建议，一律降级为「材料」，不许升级为「结论」。 这条判据不只对 AI 成立。

第三条：信念不能外包，因为借来的信念扛不住下跌。

这条最反直觉，也最容易被忽略，但它在实战里杀伤力最大。

假设你照着一套完整流程研究了某制造业公司，材料很扎实，你买了。三个月后行业出了个坏消息，股价往下走了不少。这时候你面前有两条路：加仓、还是走人。

你会发现，决定你选哪条的不是那份材料，是你对那份材料的理解深度。如果那套逻辑是你自己一层层想明白的——你知道这家公司的成本优势来自哪个具体环节、你知道这个坏消息影响的是不是那个环节——你就有底气判断这是机会还是变质。如果那套逻辑是 AI 写好你读了一遍觉得有道理，那么在下跌面前它会瞬间蒸发，因为你从来没真正拥有过它。

这就是「借来的信念」的问题：它在顺境里和真信念长得一模一样，只在逆境里现原形，而逆境正是它唯一需要发挥作用的场合。

所以判断你有没有越过这条边界，有个特别简单的测试：合上所有材料，你能不能用自己的话，不看稿子，讲清楚你为什么持有它、以及什么情况下你会承认自己错了。 讲不出来，就说明你持有的是 AI 的观点，不是你的判断。这跟投资论文怎么写是同一件事的两面：论文要你自己写，不是因为形式好看，是因为写的过程就是长信念的过程。

边界不能靠自觉，要写进流程

知道边界在哪，和守住边界，是两回事。人在疲劳、在赶时间、在连续几次被 AI 说中之后，一定会越界。所以边界必须做成结构——让越界这件事在流程里就发生不了，而不是靠你每次提醒自己。

具体三个位置可以设闸门。

位置一，在提示词里禁止它做决策式表达。 这是最便宜的一道。

【贯穿全流程的输出边界，任何角色都适用，违反即本次输出作废】

你输出的是研究材料，不是决策。请严格遵守：

一、禁止出现的表达
- 禁止给出买入 / 卖出 / 持有 / 加仓 / 减仓 的建议或倾向
- 禁止给目标价、合理价、估值中枢的单点数字
- 禁止使用「值得买入」「建议关注」「可以考虑配置」这类导向性措辞
- 禁止预测未来股价走势与涨跌幅

二、必须出现的表达
- 每个关键判断后面标注置信度：高 / 中 / 低，并写清「低」的原因
  是资料不足、口径不清、还是逻辑本身有跳跃
- 每个结论后面附一句「这个结论在什么情况下会被推翻」
- 数据不足的地方直接写「数据不足」，禁止用合理推测把表格填满

三、结尾固定段落（原样输出，不要改写）
本材料为研究输入，不构成任何投资建议。
其中标注为「低置信度」的部分未经充分验证，使用前须自行核实。
最终决策与全部后果由使用者本人承担。

四、我如果追问「那到底该不该买」，请拒绝回答，
   并把问题改写成「要回答这个问题，你还需要自己确认哪三件事」。

最后那一条是我实际用下来觉得最有价值的。人在信息过载又拿不定主意的时候，一定会忍不住去问那句「所以到底买不买」。让它拒绝，并且把问题掉头指回你自己，这个动作本身就是一次纠偏。

位置二，在留痕上把「它说的」和「我判断的」物理分开。

这一条来自我自己流程里一个不起眼但很关键的要求：报告开头必须先给「信息丰富度评级」，结尾必须区分「AI 分析置信度」和「投资确定性」——前者取决于能拿到多少资料，后者取决于生意本身。资料多不等于生意好，资料少也不等于生意差。这两样东西一旦混在一起，你会把「看得清」误当成「值得买」。

把这个思路落到单次决策上，就是一张固定的留痕表。每做一个决定填一张，不填不许动手。

决策留痕 · 单笔

标的：某消费公司（研究编号 ___）
日期：____

【A 区 · AI 给出的材料】只抄结论，不写我的加工
  A1 生意本质：
  A2 财务质量：
  A3 主要风险路径：
  A4 材料里标为「低置信度 / 数据不足」的条目：

【B 区 · 我自己核过的】必须是我亲手打开原始文件确认过的
  B1 我回查过的数字（列出来源与页码）：
  B2 我回查后发现与 A 区不一致的地方：
  B3 我没能核实、因而不采信的部分：

【C 区 · 只有我能填，AI 不得代填】
  C1 这笔钱多久用不到：
  C2 这个方向我已经有多少敞口：
  C3 我买它的理由，用三句自己的话（不许复制 A 区任何句子）：
  C4 出现什么，我承认自己看错了：
  C5 最坏情况我认不认：认 / 不认

【闸门】C3 写不出来、或 C5 填「不认」→ 本次不做，材料归档。

C 区那五行是整张表的重点。如果 C3 你只能靠复制粘贴 A 区来填，这笔就不该做——不是因为公司不好，是因为你还没有自己的判断，你只有一份读起来很像判断的东西。

位置三，把「AI 参与度」当成一个风险指标来记。

这个做法有点笨但很管用：每笔决策记一个标记——这次研究里，有多少比例是我自己动手查的。半年后回看，你会发现一件事，AI 参与度高的那些决策，未必亏得更多，但你在持有过程中动作明显更多：更容易被短期波动晃动、更容易临时改主意、更容易在没有新事实的时候调仓。这正是信念不牢的表现，而它在收益上的代价往往通过换手悄悄扣掉，具体怎么复盘这类行为，在组合复盘那篇里展开。

一个工程界的对标：它们把边界画在哪

我一开始也怀疑，这些边界是不是我自己太保守。后来去翻开源的 AI 交易项目，发现认真做的那批人，边界画得比我还狠。

以 HKUDS 的 Vibe-Trading 为例（以下基于我读到的仓库公开说明，不是我跑通的程序）。它的定位很明确：面向研究、回测与留痕，而不是面向「替你交易」。几条设计我印象很深：

• 券商连接器默认只读。 拿到账户和持仓这类读接口是默认能力，下单不是。
• 实盘下单是选择性开启的，而且要先提交一份授权。 授权里写死品种白名单、单笔规模、敞口与杠杆上限、每日次数上限，超出即拒。
• 有一个文件级的急停开关，还有完整的审计账本，每一步都留痕可查。
• 它不托管资金——钱在券商那儿，成交也由券商执行，程序这一侧只传递意图。
• 下单类工具不对外暴露，只在本地入口可用；研究和回测的代码路径在结构上就够不着实盘端点。
• 对于那些接口上区分不出模拟盘和实盘的券商，它干脆把权限限死在模拟盘加只读。
• 项目自己给这块功能标的是「实验性质、风险自负」，并且明确声明不构成投资建议。

看出共同点了吗？这些设计全都不是在加强 AI 的能力，全都是在限制它能造成的后果。默认只读、越界要人显式授权、授权还得有上限、任何时候能一键停、每一步留痕——这几乎就是把「决策权和后果承受者必须是同一个人」翻译成了代码。

一个正经做工程的团队，在技术能力足够让 AI 自动下单的前提下，主动把它按在只读位置上，这件事比任何说教都更能说明边界的必要性。能做和该做，是两个问题。

顺带说三个常见的自欺

守边界的时候，有几种自我说服特别常见，都值得警惕。

「我只是参考它一下。」 检验方法很简单：如果它给出相反的结论，你会不会改变行动？会，那就不是参考，是依赖。真正的参考是它对你的行动没有决定权。

「我加了免责声明就没问题了。」 免责声明保护的是写的人，不保护做决定的人。你在自己的材料末尾贴一段声明，不会让你少亏一分钱。声明是给流程的提醒，不是给风险的保险。

「我把它的输出全查过一遍，所以它等于我自己做的。」 核对事实和形成判断是两码事。你把每个数字都验对了，只说明材料是真的，不说明那套推理是你的。流程里哪几步最容易被带沟里讲的是前一件事，这篇讲的是后一件事，两者不能互相替代。

小结

• 三条不能越的线：最终决策（因为一半信息在你身上，不在材料里）、后果承担（因为它的笃定是免费的）、信念形成（因为借来的信念只在顺境里管用）。
• 边界要做成结构，不能靠自觉：提示词里禁止决策式表达并让它拒答「到底买不买」；留痕表把「它说的」和「我核过的」「只有我能填的」物理分开；把 AI 参与度当风险指标记录。
• 判断信念是不是自己的，就一个测试：合上材料，能不能用自己的话讲清为什么买、以及什么情况下承认看错。
• 认真做工程的开源项目把边界画在「限制后果」而不是「增强能力」上——默认只读、显式授权、有上限、能急停、全留痕、不碰钱。
• 三种常见自欺：「只是参考一下」（它反过来说你会不会改主意？）、「加了免责声明」（那保护的是写的人）、「全查过一遍」（核对事实不等于形成判断）。

最后用一句不带任何术语的话说完这篇：让它帮你查、帮你算、帮你挑毛病都行，但最后那一下必须你自己按，因为疼的是你。