让 AI 读原文，和让它凭记忆说，是两回事

你打开对话框，敲一句：「帮我看看某消费公司最新一期财报，毛利率是怎么变的。」

十几秒后，一段话出来了。毛利率从多少降到多少，原因说是原材料涨价叠加渠道让利，还补了一句管理层在业绩会上表示下半年会修复。数字带小数点，因果链讲得通，连管理层的口气都学得挺像。

你顺手把这段抄进了自己的研究笔记。

停一下——你刚才没有给它任何文件。 没有年报、没有业绩会纪要、没有一张截图。它凭什么知道这家公司最新一期的毛利率？

这篇讲的就是这件事：让 AI 读你给的原文，和让它凭「记忆」作答，是两种完全不同的操作，而它们的输出长得一模一样。这是整条 AI 投研流程里最容易塌方的一环——因为塌的时候没有声音。

先说边界：本文讲的是怎么让 AI 产出可信的研究材料，产出的一切都是待核实的素材，不是买卖依据。

先说一件跟投资没关系的事

你要在外地买一套二手房，自己去不了，托一个懂行的朋友帮你把产权材料看一遍。

两种托法。

第一种：你把材料的复印件全套寄给他，他一页一页翻完，然后告诉你哪儿有问题。

第二种：你只在电话里报了个小区名字和门牌号，说「你帮我看看这房子有啥问题」。

第二种他也能说出一大堆——这个片区的房子一般是多少年产权、这种年代的楼常见什么坑、他好像听人提过这个小区物业闹过一回事。每一句听着都在理，可没有一句是关于你这一套的。他说的是「这类房子通常怎样」，你要的是「这一套到底怎样」。

更麻烦的是第三种情况：他三年前替另一个朋友看过同一个小区的材料，现在凭那次的印象跟你说。他讲得极其具体——几号楼、什么权属、有没有抵押——具体到你完全不会怀疑。可那是三年前另一套房子的事，中间小区改过物业、政策调过一轮、这套房子还过户过一次。

他不是骗你。他是在做他最擅长的事：把一个符合印象的空缺补齐。而且他从来不说「我不记得了」。

一手资料纪律要解决的，就是把第二种、第三种托法，统统改回第一种。「一手资料」这个词不复杂：公司自己发出来的那份文件本身——年报季报原文、业绩说明会的完整纪要、致股东信、监管平台上的原始公告。二手就是别人读完这些之后写给你的东西：研报摘要、新闻稿、数据网站上那一格已经算好的数字。

放到投研里，这个差别值多少钱

站长那套投研工作流的财报精读环节，开头就把二手信息的毛病列成三条。这三条我照着讲，因为它们各自对应你决策链上的一个具体损失。

第一，被筛选过。 写摘要的人必然有立场，他挑出来给你看的，是支持他那个结论的部分。你读到的不是压缩后的全貌，是别人的取舍结果。一份年报里最要命的信息常常在附注（财务报表后面那些密密麻麻的说明条目）里——关联交易的条款、股权激励的稀释幅度、或有负债、会计政策改没改过。这些几乎不会进摘要，因为它们不好写、也不吸引人。

第二，有时滞。 等一份信息被消化成摘要再传到你手上，它已经不是新的了。这一条对做长期投资的人杀伤力其实小于前后两条，但它有个隐蔽后果：你形成判断的时点，永远比一手读者晚一拍，而你还以为自己反应挺快。

第三，缺语境。 这条最贵。「收入增长百分之十五」这句话本身没有任何意义——它是在管理层主动降价换份额的语境里增长的，还是在提价的语境里增长的？是靠新开门店堆出来的，还是同店卖得更多？摘要给你一个数，原文给你的是这个数周围的那一圈话。而你真正卡壳的时刻，从来不是不知道那个数，是不知道该怎么解读那个数。

然后还有第四条，是 AI 特有的，工作流的原文里没写，但它是这篇的核心：记忆没有版本号。

模型的知识来自训练数据，训练数据有截止时间。截止之后的事它一概不知，但它照样会答，而且用的是和查证过的答案完全相同的语气、相同的小数位、相同的笃定程度。你没法靠「读起来对不对」把它筛出来，因为它生成的目标就是「读起来对」。这套机制、它的四种典型形态和各自的识别信号，AI 幻觉与事实核验 那篇讲得更细，建议配着看。

这四条叠起来的后果很具体：你的判断链条上，越靠前的那一环被污染，后面越是白做。 你可以把估值算得很漂亮、把持有周期想得很清楚、把仓位控制得很纪律，但如果最底下那个毛利率数字是它编的，上面所有工序的价值都是零，而且是你看不出来的零。

动笔之前，先给资料打个等级

这是我从那套工作流里学到的最有用的一个动作，而且它一分钟就能做完。

财报精读流程的第一步不是分析，是资料可得性评级——在开始干活之前，先诚实地给手上的材料定个级：

• A 级：拿到了完整原文。年报或季报全文、业绩会完整纪要、致股东信。这时候全部分析步骤照常执行。
• B 级：只拿到部分原文，或者拿到的是第三方汇总。这时候必须在报告里标注「非原始来源」，并且主动降低附注分析的权重——因为附注就没在你手上。
• C 级：只有新闻报道和数据网站上的摘要。这时候把野心收窄，只做核心财务数据的变化对比，直接跳过附注挖掘，并在报告开头写明「一手资料不足」。

看懂这张表的关键，不在于分了几级，在于等级决定了哪些步骤有资格执行。C 级材料照着 A 级流程跑，跑出来的不是一份质量差一点的报告，是一份假报告——因为附注挖掘那一节里的每一句话，都只能是编的。

这一步的真正价值是把「我不知道」从一个尴尬的沉默，变成一个流程里的合法状态。你不需要每次都拿到 A 级材料才能动手，你只需要知道自己现在站在哪一级上，以及这一级能承多重的结论。

我建议你把等级直接写在笔记的第一行。三个月后回头翻，你会立刻知道那份判断当时是踩在什么地基上做出来的。

把 AI 锁死在你给的材料里

评完级，拿到了原件，下一步就是让 AI 只用这份原件。

注意「只」这个字。默认情况下它会把你给的材料和自己记忆里的东西混着用，而且不会告诉你哪句来自哪边。你必须在提示词里把这件事写成硬约束——从闭卷考试改成开卷考试，并且明确禁止它默写。

下面这份是我实际在用的封闭阅读指令，粘贴到对话框里，把原文附在后面就能用。

【封闭阅读模式】

下面我会附上一份原始材料。从现在起到本次任务结束，你必须遵守以下规则，
违反任何一条，本次输出作废：

1. 你的知识来源只有一个：我在下面附上的材料。
   你在训练中记住的关于这家公司、这个行业的任何信息，本次一律不得使用，
   哪怕你非常确定它是对的。
2. 每一个数字、每一个日期、每一句引述，后面必须用方括号标出它在材料中的位置
   （章节名 / 小标题 / 表格名 / 段落开头几个字，能定位即可）。
   标不出位置的内容，请直接删掉，不要写。
3. 材料里没有的信息，一律回答「材料中未提及」。
   这是一个合格答案，不是失败。禁止用「通常来说」「一般而言」「行业惯例是」
   来填补空缺；禁止用同行数据代替本公司数据。
4. 区分三类内容，用三种前缀标记，不许混写：
   [原文] —— 材料里白纸黑字写着的
   [推算] —— 你从材料里的数字算出来的，必须同时给出算式和输入值
   [存疑] —— 材料里前后对不上、或表述含糊的地方
5. 禁止给出买入、卖出、持有的建议，禁止给目标价，禁止对公司做整体好坏评价。

任务：【在这里写你要它干的具体事，例如：把本期收入按分部拆开，
       并列出材料中管理层对每个分部变化给出的解释原话】

材料正文：
【粘贴原文】

这份东西的重点全在第 3 条和第 4 条上。

第 3 条把「材料中未提及」提升成了一个被明确许可的答案。不写这一句，模型会默认「没答上来 = 任务失败」，于是它去记忆里找一个像样的东西填上。你给它一条体面的退路，它才不用去编。

第 4 条解决的是另一个更隐蔽的问题：查到的和算出来的混在一起写。 「毛利率百分之三十二」这个数，可能是财报里直接印着的，也可能是它拿毛利除以收入现算的。两者的可靠性差着一整个量级——现算的那个，只要它挑错了分母口径（含不含某项业务、含不含税），结果就全错，而你从字面上完全看不出区别。逼它把算式和输入摆出来，你花三秒钟就能验。

怎么验证它是真读了

约束写了，不等于它照做了。你得有办法验。三个探针，每个几十秒。

探针一：定位回指。 随手挑它输出里的两三个数字，让它把原文里的那一句原话贴出来。真读了的，能贴出上下文；没读的，会给你一段改写过的、意思对但措辞不同的话——因为它是在复述记忆，不是在复制文本。

探针二：不存在项。 这个最好用。问一个材料里肯定没有的东西——比如让它报一个你确定财报没披露的分部数据，或者问一个明显不在这份材料时间范围内的事件。老实的会说「材料中未提及」；不老实的会给你一个像模像样的答案。它在这个问题上编了，那它在别的问题上编的概率也一样高。

探针三：逐字引用。 凡是被打上引号的管理层原话，全部回原文搜一遍。这是幻觉最高发的地方——编一句符合语境、符合语气的管理层发言，对模型来说太容易了，而它编出来的那句往往比真话更顺、更像一句好引语。工作流里对这条的要求写得很死：所有引述必须是原话，不许转述后加引号，找不到原话就写「未找到原始表述」。

把三个探针做成习惯，就是下面这段，跟正文分析分开发。

【核查探针】针对你上一条输出，回答以下三个问题，每题单独作答，不要辩解：

1. 把你提到的以下三处内容，在材料中对应的原始句子逐字贴出来（不许改写、不许润色）：
   ① 【数字A】 ② 【引述B】 ③ 【结论C 所依据的那句话】
   贴不出逐字原文的，请明确写「无法逐字定位，该处为我的概括/推断」。

2. 材料中是否提到了【填一个你确定材料里没有的事项】？
   有，请贴出原文；没有，请直接回答「材料中未提及」。

3. 你上一条输出里，哪些内容其实不是来自这份材料，而是来自你的既有知识？
   请逐条列出。如果一条都没有，请回答「无」。

回答完这三问之前，不要补充任何新的分析。

第 3 问值得单独说一句：它给了模型一次无成本的自首机会。加了这一问之后，我经常能收到「有的，某某处是我根据行业常识补的」这种回复。它并不总是准，但它每承认一条，你就省下一次回查。

「材料里没有」为什么是好答案

大部分人的直觉是反的：AI 说「查不到」，感觉像是白花了时间；AI 给出一段完整的分析，感觉才叫有产出。

这个直觉在投研里会要命。

一份有窟窿的报告是诚实的——你一眼看见窟窿在哪，就知道下一步该去补哪份文件。一份被填满的报告是危险的——它的完整性会让你误以为自己看清了，而那些填料和真材料在版面上长得一模一样，三个月后你再翻这份笔记，根本分不出哪句是查的、哪句是猜的。

所以我给自己定了一条：报告里必须允许出现空格。 数据拿不到就写「不可得」，引述找不到就写「未找到原始表述」，材料没覆盖就写「材料中未提及」。这些字眼出现在报告里不是减分项，是这份报告仍然可信的证据。

反过来讲更直观：当一份 AI 生成的研究读起来「什么都齐了、一点毛病没有」的时候，那不是质量高的信号。 真实的一手材料永远带毛刺——某个口径对不上、某个分部没披露、某句话说得含混。毛刺被抹平了，说明中间有人（或者有个模型）替你做了平滑。

还有一个连带好处。当你允许它说「不知道」，你就能把它的「不知道」当成一个信号来用：它说材料里没有某项披露，你去核一下，如果确实没有——那这件事本身就值得琢磨一下，为什么这家公司不披露这个。

两个来源不够，最终仲裁的永远是原件

一手资料纪律不只管定性内容，也管数字。这里可以直接抄站长工作流里那套财务数据规范的骨架。

它把每类市场的数据源分成三层：主源、副源、以及原始一手源。主源和副源都是第三方汇总平台，方便、快、格式统一；原始一手源是各市场的官方披露渠道——美股的监管电子披露系统里的定期报告原文，港股的交易所披露平台上的年报 PDF，A 股的官方信息披露平台上的原始公告。

规则是这样的：日常取数从主源和副源各取一遍做交叉验证，误差大到一定程度就必须回原件。工作流里定的分档是误差在很小的范围内视为一致、中等差异标注并说明可能原因、超过某个阈值判定为重大差异必须查原始财报核实（具体阈值是站长自己定的，你可以按自己的容忍度调）。

而最关键的是最后那条兜底规则：如果两个第三方来源都跟原始财报对不上，以原始财报为准，并标记这两个来源有误。 不是少数服从多数——两个二手源一起错，是很常见的事，因为它们可能抄的是同一个上游。这跟「多问一个 AI 就算交叉验证」是同一个错误：交叉验证必须交叉到原始数据源，交叉到另一个二手渠道等于没交叉。

差异本身也未必是谁抄错了。工作流里列了几种常见成因，全是口径问题：会计准则口径不同（一套算法把某些费用剔了，另一套没剔）、汇率换算的时间点不同、财年定义不同（有的公司财年不在自然年底结束）、合并范围含不含少数股东权益、某个平台还没更新最新一期。这些都不算错，但它们意味着同一个指标名下可能站着好几个不同的数——而二手平台通常不告诉你它端上来的是哪一个。

股价这边同理，而且更容易翻车。历史价格有三种口径：不复权（实际成交价，除权除息那天会跳空）、前复权（以最新价为基准把历史价格回调）、后复权（以上市首日为基准往前推）。工作流里的规则很干脆：涉及历史价格的分析统一用前复权，同一份分析内不得混用；算历史总回报或年化收益用后复权，因为它把分红计进去了，只看价格涨幅会低估。混用的后果是历史股价位置、长期涨幅、历史估值分位全部失真，而失真出来的图看上去毫无异常。

所以，给 AI 的数据类指令必须把口径写死，不能让它自己挑：

【取数与核验指令】

对以下每一个指标，按此格式作答，格式不合规的条目请删除，不要凑数：

指标名：
  数值：
  口径：（报告期 / 币种 / 会计准则 / 是否含少数股东权益 / 复权方式，缺一不可）
  来源一：（具体到哪份文件、哪张表、哪一行）
  来源二：（同上，且必须与来源一相互独立）
  两源差异：（数值差 + 百分比差）
  判定：一致 / 存在差异（写明可能原因：准则口径、汇率时点、财年定义、合并范围、更新滞后）
       / 重大差异（此时不得直接使用，标注「须回原始公告核实」并停在这里）

硬性规则：
- 历史价格序列一律用前复权，同一次分析内不得混用复权与不复权来源；
  计算长期总回报时改用后复权（含分红），并在结果旁注明用的是哪一种。
- 当前市值用当前实际股价乘以最新总股本，与复权无关。
- 两个来源都与原始公告不符时，以原始公告为准，并把这两个来源标记为有误。
- 一切除法、增速、比值，请写出算式和输入值；不许只给结果。
- 拿不到的数据写「不可得」，禁止用同行数据或行业平均代替。

这份指令里没有一句是关于「怎么用 AI」的技巧，全是投研本身的规矩——只是把它翻译成了机器能照做的形式。核验动作该嵌在流程的哪一步、每一步分别验什么，可以接着看 核验动作该嵌在流程的哪一步；财报这一段具体怎么分工，见 财报精读：让 AI 干什么、你自己干什么。

一手资料纪律检查清单

每次让 AI 参与研究之前和之后，各过一遍。

开工前（三问）

1. 我手上这份材料是几级？A 级有原件，B 级只有部分或第三方汇总，C 级只有新闻和摘要。先写下来。
2. 这个等级允许我做哪些分析？附注挖掘、承诺追踪、语气分析这类活儿，没有原文就别做，做了也是编的。
3. 我的提示词里，有没有明确写「只准用我给的材料」和「材料里没有就说没有」这两句？

收工后（五查）

1. 随机抽两处逐字回指——能贴出原文原句吗？只能给改写版的，视为没读。
2. 不存在项探针——问一个材料里肯定没有的东西，它说没有还是编了一个？
3. 所有引号里的话，一律回原文搜。这是幻觉最高发的地方，一条都不能免。
4. 所有数字分三类：白纸黑字印着的、它算出来的、来路不明的。第三类直接删掉，不要留在笔记里想着以后再查——查不到出处的数字留在笔记里，迟早会被未来的你当成事实引用。
5. 所有时效性表述有没有日期。「管理层表示」是哪一场会上表示的？「目前」是哪一天的目前？没有时间戳的时效性陈述，是最强的危险信号。

这一条纪律在整套流程里的位置

前面讲 分角色做投研 的时候，重点是让几个互相不服气的视角去对撞。那篇解决的是视角单一的问题，这篇解决的是更底层的一件事：四个角色如果都在凭记忆说话，它们撞出来的火花也是假的。

顺序上，一手资料纪律排在分角色之前。先把每个角色的输入锁死在真实材料上，角色之间的分歧才有意义——那时候的分歧是「同一份原文被两把不同的尺子量出了不同读数」，值得你去追；否则那只是两段编造互相矛盾，追下去纯属浪费时间。

工作流里那句总纲我很喜欢，抄在这里当结尾：读原文，不读摘要；看变化，不看绝对值；听语气，不只听内容；查附注，不只看正文。 四句里的第一句是地基，塌了后面三句都不成立。

小结

• 不给材料就提问，得到的是「这类公司通常怎样」，不是「这一家到底怎样」——而两者读起来一模一样。
• 二手资料有三宗罪：被筛选过、有时滞、缺语境；AI 的记忆还多一条，没有版本号。
• 动笔前先给资料打级：A 级有原件全流程跑，B 级降低附注权重并标注非原始来源，C 级只做核心数据变化、跳过附注挖掘。等级决定哪些步骤有资格执行。
• 封闭阅读提示词的两条命门：给它一条说「材料中未提及」的体面退路；逼它把「原文 / 推算 / 存疑」分开标，推算必须出示算式。
• 三个探针验它是否真读了：逐字定位回指、问一个不存在的事项、所有引号回原文搜。
• 数字必须两源交叉，且交叉到原始披露而不是另一个二手渠道；口径（报告期、币种、准则、合并范围、复权方式）要写死，不许它自选。两个二手源都跟原件对不上时，以原件为准。
• 查不到出处的数字，不进笔记。报告里允许出现空格，那是它仍然可信的证据。

最后用一句不带任何术语的话说清这篇：别问他记得什么，把材料递到他手上，然后随机翻两页问他这句在哪。