企业官网建设流程全解析

先别急着让AI帮你分析股票。我把同一套话问过上百次：把一只标的丢给对话窗口，问一句“你怎么看”，然后收到一份四平八稳、看起来专业到不行的分析——商业模式说了、财务数据说了、行业前景说了、风险也说了，最后结论永远是“需结合自身情况谨慎决策”。报告挑不出毛病，但也没帮助。这不是AI没用，是你的问法有问题。

我后来换了个思路：不再让AI告诉我“买不买”，而是强制它切换成四个投资大师的视角分别审视，并且每给出一个看多理由，必须同步给出这个理由在什么条件下会崩。这套流程我封装成了一个skill，日常决策前直接调用。这篇文章就把这个skill的设计思路、完整指令和我在实际使用中踩过的坑全部拆开讲。

1. 为什么AI选股建议总像“正确的废话”：问题出在提问方式上

1.1 三种典型提问姿势与它们的通病

我观察过身边朋友用AI聊投资的方式，基本是三种：

第一种，“分析一下XX公司”。AI会给你输出一篇两千字左右的报告，从行业空间聊到管理层履历，结构完整得像招股书摘要。但你读完说不出自己该干嘛。

第二种，“XX现在能买吗”。这种最危险。AI会本能地列出七八条利好、七八条利空，然后给你一个“长期来看……但短期存在不确定性”的经典话术，等于什么都没说。

第三种，“帮我预测下周涨跌”。这是幻觉重灾区。AI大概率会一本正经地给你编一个“技术面支撑位在XX元”的数字，实际连昨天收盘价都没查准。

这三种姿势的共同毛病是什么？它们都在“求一个观点”，而不是“求一个决策过程”。观点是结论，过程是方法。你把提问框架交给AI之后，它唯一能做的就是顺着你的框架往里填内容——你说“分析一下”，它就填全景式信息；你说“能买吗”，它就填风险对冲词句。最后得到的东西再漂亮，也只是“结构化的正确废话”。

1.2 对话式AI的“顺竿爬”倾向，正在放大你的确认偏误

这里有个容易被忽略的机制性问题：大模型在训练时被优化得更连贯、更让你满意——你抛出“我觉得这家公司很好，你怎么看”，它接住的不是你这句话本身，而是你话语里的“倾向”。它大概率会给你列出“确实很好”的论据，再补几条不痛不痒的风险。你得到了认同，感到舒服，但这恰恰是认知心理学里确认偏误（confirmation bias）的标准配方：人天然倾向于寻找支持自己判断的证据，而对话式AI会完美配合这个过程。

我之前复盘过自己用AI讨论投资标的的对话记录，发现一个规律：当我在提问里带了预设倾向（哪怕是隐性的，比如“它的新产品好像挺能打”），AI输出的乐观内容占比会明显上升；当我用负面语气问“这公司是不是不行”，AI也能给我一套完整的看空逻辑。同一个标的，AI的态度会跟着我的语气摇摆。

这说明AI并不是真的“有观点”，它更像一面镜子，反射的是提问者的立场。问题在于很多人不知道这一点，把镜子里的话当成独立分析。

1.3 从“问答案”到“问决策过程”，skill解决的正是这个问题

要在投资中真正用AI，需要想清楚：AI不适合当裁判，但很适合当“多视角分析员”。它的长项是同时掌握价值投资、成长股、宏观周期等不同框架的思维语言，并且能在几秒钟内完成视角切换——这是人脑很难做到的。普通人看一只股票，通常会陷入自己熟悉的那套逻辑里出不来回：喜欢看技术面的只会看K线，信奉基本面的只会盯财报。

所以问题不是“AI能不能给我答案”，而是“我不能让AI自由发挥地给答案”。只要把它的工作流程固定死，让它在四个视角之间切换，并且强制做反面论证，它就能成为一个极其高效的思维辅助工具。这个固定的流程，就是skill的价值。

2. “四大师视角”到底在看什么：四种框架的交叉验证逻辑

为什么是四个视角而不是一个？因为市场是复杂系统，任何单一模型都必然漏掉关键信息。格雷厄姆看的是“资产值多少钱”，巴菲特和芒格看的是“生意好不好”，彼得·林奇看的是“增长和估值匹不匹配”，达利欧看的是“现在处于什么周期位置”。四个视角分别回答四个不同的问题，一个标的只有在四个问题面前都过关，才算真正进入了“值得认真研究”的名单，而不是“可以买了”。

2.1 格雷厄姆视角：安全边际与硬资产底线

格雷厄姆是价值投资的奠基人，他关心的核心问题是：假设市场明天关门、三年不开张，这家公司按现在的价格买下来，资产够不够抵？这就是安全边际的意义——买得足够便宜，亏损的可能就被压到最低。

这个视角下，AI需要重点算的账包括：价格相对每股净资产（PB）是否高估、账上净现金占总市值比例、流动比率是否健康、应收账款和存货有没有水分、股息率能否提供底线回报。格雷厄姆式投资者不追求惊艳，买的是“跌也跌不到哪去”的确定性，有点像打折买资产——资产是真金白银摆在那里的，价格低于资产，你就有了缓冲垫。

不过要注意，这个视角单独用会漏掉很多好公司。轻资产公司、高成长公司、靠无形资产赚钱的公司，账面净资产根本不代表真实价值。这就是为什么需要第二个视角。

2.2 巴菲特与芒格视角：生意质量与护城河

巴菲特和芒格看重的不是资产，而是“生意本身赚不赚钱”。核心问题是：这家公司是不是一门别人抢不走的生意？护城河是品牌、是网络效应、是转换成本、是特许经营权——AI在这个视角下要回答的是：企业长期净资产收益率（ROE）能否稳定在15%以上，自由现金流是否充沛且可持续，毛利率相对同行是否有明显优势，管理层是不是在用股东的钱做傻事。

芒格在这个框架里做的事恰恰对应了标题里的“看反面”三个字。他有一句广为流传的方法论：反过来想，总是反过来想。巴菲特会先找“这家公司为什么值得买”，芒格则专门盯着“什么会让这家公司完蛋”。一正一反，才算完整。

2.3 彼得·林奇视角：成长性与估值的匹配

彼得·林奇是成长股投资大师，他的核心公式是PEG——市盈率除以盈利增速。PEG小于1，说明增长还没被价格充分反映，可能是被低估的机会；PEG远大于2，说明市场已经把未来几年的增长都提前定价了，容错空间很小。

这个视角更关注：收入增长是来自提价、提量还是并购（并购驱动通常质量更低），新产品/新市场空间有多大，公司在所处品类里是第一名还是小玩家。林奇还会把公司分成六类——缓慢增长型、稳定增长型、快速增长型、周期型、困境反转型、隐蔽资产型——不同类型对应完全不同的持有逻辑。AI在这个视角下要做的，就是判断标的属于哪一类，再用对应的估值锚来判断贵不贵。

2.4 达利欧的周期视角与反身性补充

第四个视角从个股转向系统。达利欧把市场理解为各种经济周期（债务周期、利率周期、流动性周期）的叠加产物。即使你选的是一家绝佳的生意，如果整体环境正在收缩流动性，估值也会被杀。这个视角关心的核心问题是：当前处于周期的哪个位置？市场整体估值处于什么分位？这个赛道的交易拥挤度如何？

这里还需要补充一个概念——反身性：市场参与者的认知会影响市场行为，市场行为又反过来改变基本面。一个典型场景是：一家公司因为故事被追捧，股价上涨反过来让它的融资成本降低、业绩变好，于是更多人买入，故事自我强化；但当某个临界点来临，预期逆转，自我强化变成自我崩塌。周期视角能帮你定位自己站在“强化的中途”还是“逆转的门口”。

2.5 四个视角的盲区互补关系

四个视角单独用都有明显漏洞，合起来才能互相兜底：

最典型的情况是：某家公司格雷厄姆看了说便宜，林奇看了说增速够，巴菲特看了说商业模式优秀——三个视角全绿灯。但这恰恰是需要第四个视角亮红灯的时候：当所有人都觉得它“又便宜又好又有成长”时，交易可能已经极度拥挤，反身性已经到了后半段。这就是“多视角交叉验证”的意义：最大的危险从来不是某个视角看错，而是所有视角朝同一个方向喊单。

3. 把“看反面”变成强制流程：四轮证伪的设计思路

3.1 反面视角不是唱反调，而是寻找“失效条件”

很多人一听“看反面”就以为是让AI悲观、找碴儿、讲风险。不是的。风险提示是泛泛而谈，反面证伪是给每个“看多理由”找到一个具体的、可观测的失效条件。

比如“这家公司护城河深”是看多理由，失效条件可能是“核心产品的专利保护期在两年后集中到期，且新进入者已经拿到了同类资质”；“PE估值低于同行”是看多理由，失效条件可能是“估值低是因为市值里包含一大块资产处置的不确定性，市场给了折价而非低估”；“增速高达30%”是看多理由，失效条件可能是“这30%来自关联交易或一次性订单，应收账款增速远高于收入增速”。

这才是“看反面”和普通风险提示的本质区别。普通风险提示是“注意政策变化风险”，反面证伪是“在收入增速低于15%的那个季度，你就必须承认当初的逻辑错了，并且要有明确的退出预案”。

3.2 每个视角都输出“支持因素”与“失效条件”两栏

在这个skill里，四个视角不是各写各的，而是每一个视角都必须输出两个强制性模块。第一个模块是“支持因素”——用该视角的逻辑分析当前为什么值得关注；第二个模块是“失效条件”——同一个视角下，什么样的财务信号、经营信号或市场信号出现时，这个判断不再成立。

我为什么要求“同一个视角”写失效条件？因为不同视角之间的失效条件是不能互相替代的。格雷厄姆视角的失效条件（比如净资产开始大额减值）无法被林奇视角的失效条件（比如增速掉到10%以下）替代你既要对付资产端的风险，也要对付成长端的风险，还要对付整个市场情绪的风险。三个层面的风险性质完全不同，必须分别检验。

实际操作中，我会要求AI在每个视角后面明确列出三个以上“可观测失效指标”，并且每一个指标都要有一个大概的量化阈值。比如“单季度营收同比增速连续两个季度低于10%”“经营现金流占净利润比例跌破60%”“标志性大单品在下一轮核心数据发布中没有继续放量”。这些阈值不一定精确，但它逼着AI把一个模糊担忧变成可以被验证的命题——这也是普通对话和结构化分析之间最关键的分水岭。

3.3 综合裁决：区分致命伤与可接受瑕疵

经过四轮正反分析，最后一步是裁决。裁决的关键原则是：不要试图把所有问题都拉平成一碗水。有些瑕疵是致命伤，出现就必须放弃；有些瑕疵只是噪音，可以接受。

我通常让skill做三件事：

1. 列出“致命伤清单”——任一条件触及时，所有看多理由失效。典型的致命伤包括：核心业务模式被证伪、管理层被证实造假嫌疑、资产负债表的流动性枯竭。
2. 列出“观察清单”——这些是需要持续跟踪的变量，一旦恶化到阈值就自动升级为致命伤。
3. 输出一张“决策检查清单”——把四个视角的支持因素、失效条件、致命伤、观察项汇总成一个表格，最后留一个“我打算在什么时间、什么条件下复查这个判断”的空位。

这套三层的结构最大的好处是：它不是给你一个“买/不买”的结论，而是给你一个“在什么条件下我要认错”的框架。投资最怕的不是判断错，而是判断错了不认，一直扛着。

4. 落地实操：把整套方法封装成可复用的skill

4.1 什么是agent skill，为什么值得封装

近两年，主流的AI编程工具陆续推出了“skill”机制，Claude Code、Codex、Cursor这些都有类似功能。简单说，skill就是一段结构化的指令文件，放在特定目录里，AI会在特定场景下自动加载它。比如你在代码项目里写了一个“代码审查”skill，当AI接到的任务与代码审查相关时，它就会自动按照skill里定义的流程执行多轮检查，而不是自由发挥。

投资分析是skill特别适合的场景，因为它有两个特点：流程固定、且容易偷懒。没有skill时，我每次都要把“请用四个大师视角分析”这种话从头敲一遍，而且每次敲完之后AI的发挥都不稳定——有时候它认真执行了四视角，有时候看心情只给了两段。封装成skill之后，整个流程被固化成了“工作标准”：AI一旦识别到这是投资分析任务，就自动执行四视角+反面证伪+综合裁决的完整链路，输出格式也统一。

4.2 完整SKILL.md模板（可直接复制）

下面是一份可以直接使用的SKILL.md内容。把它保存成 markdown 文件，命名为 SKILL.md 即可。我用的是通用写法，不绑定具体平台——无论是Claude Code、Codex还是Cursor的skill机制，核心逻辑都兼容。

--- name: investment-red-team description: 多视角投资分析与反面证伪。用于对任何投资标的、行业或策略进行“四大师视角+反向检验”的结构化分析，输出决策检查清单。当用户请求涉及投资标的分析、买卖判断、持仓评估时自动触发。 --- # 四大师视角投资分析与反面证伪 收到用户请求后，严格按以下流程执行。本流程的核心原则：每个正面判断必须同步给出失效条件；四个视角缺一不可；最终输出不是结论而是检查清单。 ## 第一步：锁定分析对象并补齐信息 先向用户索取以下信息，缺失时提示补充，不得自行编造数据： - 标的名称或代码 - 当前价格与市值 - 最近年报和季报的核心数据（营收、净利润、ROE、负债率、经营现金流） - 用户当前倾向是什么（持有/观望/想买入）以及原因 ## 第二步：四视角正反分析 对以下四个视角逐一执行分析，每个视角必须同时输出【支持因素】和【失效条件】两部分。支持因素至少3条，失效条件至少3条，每条失效条件必须包含可观测信号和大致阈值。 ### 视角一：格雷厄姆安全边际视角 核心问题：如果市场长期不交易，这笔买入是否还有资产兜底？ 关注指标：PB、净现金占市值比、流动比率、应收账款与存货质量、股息率。 失效条件示例：净利率下滑伴随资产减值、存货周转天数持续恶化、应收账款增速连续两个季度高于收入增速。 ### 视角二：巴菲特与芒格生意质量视角 核心问题：这是不是一门别人抢不走的生意？ 关注指标：ROE长期水平、自由现金流、毛利率与同行差异、护城河来源（品牌/网络效应/转换成本/特许经营）。 失效条件示例：ROE连续三年下滑、核心产品市场份额被新进入者明显侵蚀、自由现金流与净利润长期背离、管理层资本配置行为恶化（跨界收购/回购高估自家股票）。 ### 视角三：彼得·林奇成长估值视角 核心问题：增长能否跑赢估值？ 关注指标：PEG、收入增速来源拆解（提价/提量/并购）、公司分类（快速增长/稳定增长/周期/困境反转等）、品类空间。 失效条件示例：盈利增速掉到PEG失真区间、收入增长主要依赖并购而非内生、管理层下季度指引明显下调。 ### 视角四：达利欧周期视角与反身性 核心问题：市场当前在周期的哪个位置？这个位置的预期强到什么程度？ 关注指标：行业整体估值分位、政策与流动性方向、赛道交易拥挤度、市场叙事的自我强化阶段。 失效条件示例：行业指数换手率处于历史极端高位、融资余额加速流入但基本面未同步兑现、主流叙事开始用“这次不一样”替代具体数据论证。 ## 第三步：综合裁决 输出以下四个部分： 1. 【致命伤清单】任一条件满足即视为整个判断失效，列出至少3条。 2. 【观察清单】列出需要持续跟踪的变量，以及什么阈值会使其升级为致命伤。 3. 【决策检查清单】用表格汇总四个视角的支持因素与失效条件。 4. 【复查计划】建议一个具体时间点或事件节点，到时必须重新执行本流程。 ## 强制性要求 - 不得只给结论，必须输出可验证的信号和条件。 - 不得回避反面论证，即使观点很乐观也必须强制写出三个失效条件。 - 数据不确定时，明确标注“数据待核实”，不得编造财务数字。 - 最后必须附加一句话：本分析仅为思考框架演示，不构成投资建议，决策与结果由用户自行承担。

4.3 安装步骤与一次性指令的平替方案

如果你在用支持agent skill的工具，安装流程一般是这样的：

1. 找到平台规定的skills目录。Claude Code通常在项目的.claude/skills/下，Cursor是.cursor/skills/或通过插件管理，Codex则是放在.codex/skills/，具体以你使用的工具文档为准。
2. 在skills目录下新建一个文件夹，名字建议用英文，比如investment-red-team，把上面那段内容以SKILL.md为文件名保存进去。
3. 第一行的name和description是关键。AI靠description来判断何时调用这个skill，所以描述一定要写清楚触发场景，最好包含“投资分析”“买卖判断”“标的评估”这类词。
4. 保存后重启会话或重新加载项目，一般就能生效。之后你把标的名称丢给AI，它应该会自动套用这套流程。
5. 如果AI没有自动触发，可以直接说一句“加载 investment-red-team skill”，让它按流程执行。

如果你用的AI工具还不支持skill机制，或者你只是想先在对话框里试一次，也有平替方案：把上面第二步、第三步的核心指令复制一份，开头加上一句“你现在担任投资分析红队成员，必须使用四大师视角做正反分析”，然后把标的信息粘贴进去提交。效果上会损失一些稳定性——AI有时会漏掉某条流程——但作为试验已经足够。

5. 实测心得与翻车现场：skill不是圣杯

5.1 同一只标的，普通提问和skill输出的差异

我拿一家消费类公司做过对比测试。普通提问时，AI给了一份标准分析：行业空间、品牌优势、渠道改革、当前估值处于历史中位数、未来需关注需求恢复节奏。五千字，四平八稳。

同一家公司，走skill流程之后，输出变成了这样：

格雷厄姆视角首先亮了一个黄灯：该公司账上商誉和无形资产占净资产比例偏高，如果按剔除商誉后的口径计算，当前PB并不像表面看起来那么低。巴菲特视角对渠道改革持保留态度：ROE过去五年没有明显改善，说明改革还没在财务端兑现。林奇视角给出的PEG=1.3，勉强合理但谈不上便宜。达利欧视角指出该赛道过去半年交易拥挤度快速上升，情绪端已经先行。

最有用的是反面证伪部分的输出：AI列出了“渠道改革导致费用率失控”“单店营收连续两个季度下滑”“经销商库存周转天数飙升”三个具体的失效条件。这些不是通用话术，而是把这家公司的商业模式和当前处境翻译成了可观察的财务与经营指标。我拿到这个结果之后，知道该盯哪些数据，也知道什么情况出现时必须清仓走人。这是普通提问模式从来给不了我的东西。

5.2 我用这个skill踩过的三个坑

第一个坑是AI承担不了“数据库”的职责。它在分析中引用了一组营收数据和市盈率，我核对后发现有近10%的偏差。所以我在skill模板里加了“数据待核实”的强制标注，并且在实践中形成了习惯：把AI当成分析师而不是数据库，所有关键财务数字一定要拿到手再核一遍。这不能省。

第二个坑是“表演式批判”。初期版本的skill虽然要求写反面观点，但AI经常写一些万金油式的风险，比如“行业竞争加剧”“宏观经济不确定”——这些句子放到任何标的上都成立，等于没有信息量。我调整了指令：失效条件必须包含可观测信号和时间尺度。加了这条之后，“竞争加剧”变成了“毛利率连续两个季度下滑超过2个百分点”，质量立刻不一样了。

第三个坑是输出过长导致失焦。四视角加反面分析全部展开，一篇输出能有六七千字，看完只想放弃。后来我加上了“综合裁决”阶段必须用表格汇总的要求，把核心判断压缩到一页以内。这才是能拿来用的信息密度。

5.3 记住：skill替你找角度，不替你下结论

最后说句实在话。我在实际使用这个skill半年之后，最大的体会是：它没有帮我少做功课，反而让我的功课变多了。以前我看完AI的分析就转手买入，现在每次都会因为某个视角的失效条件去做额外核查；以前我只会盯着自己擅长的技术面，现在被迫把资产质量、增长来源、市场周期都过一遍。

但这正是我想要的。投资决策中，信息量和反方意见从来都是不够用的，而不是过剩的。这个skill的价值不是你得到一个“可以买”的绿灯，而是你被迫在买入前把最不想面对的那几个问题正面回答了：如果我看错了，什么信号会先出现？到时候我该怎么办？

我现在的用法，是在每次真正下单之前，把skill的输出当作一张强制体检表，逐项打勾，逐条确认失效条件是否被触发。如果某一天所有看多理由都站得住、所有失效条件都未出现，我反而会提醒自己：这种看似完美的状态，本身就可能是反身性走到后半段的信号。然后回到第三个视角，再看一遍市场的位置。