把带血筹做成skill

AI，正在大规模替代工作流。

但是有一个问题也在涌现，大语言模型只能提供最中庸的答案。

它无法做创新，讨厌偏离，只能选取概率中最重叠的部分生成。

所以人类仍然有其用武之地，大家不需要过于悲观，曙光在于独立思考和极端创新。

我最近就在结合 AlphaEngine ，搞一些投资策略的尝试，第一个想到的就是拿手好戏——。

他们家最新上了个小龙虾，叫 AlphaClaw ，可以帮我们讲一个投资的简单想法，具像化成一套函数调用，自动生成结果，仿佛千军万马为我所用。

这套东西，还真只能他们家搞，千问等通用大模型拿不到金融可信数据等接口，也不理解投研人的逻辑。

说回带血筹，有不少A10以上的大佬欣赏这套逻辑，想用计算机将其量化成模型。

最近vibe coding的人不少，我想着不正是一个将其化为skill的好机会么？

于是我把有关的ppt扔进了 AlphaClaw ，结果它几分钟就总结出了判断带血筹的五个维度。

然后它像一个小心翼翼的研究员一样，问我老板想要的是什么样的结果呈现。

我告诉它是1，量化打分器，于是它又去忙活了几分钟后，告诉我skill已经生成好了。

第一个问题，找出场内评分最高的etf。

结果它先明确了一个这个体系，每个指标都有对应评分逻辑，上限是5分。

然后列出了分数比较高的etf备选，这里面只有芯片设计像是乱入的，估值分位数搞错了，其他的选项都蛮make sense。

比如它选出来的第一名是恒科，虽然它没读过我的公众号文章，但结果意外的一致。

咱们看看恒科的评估报告吧，也许会有启发：

舆论发酵度很少有etf得满分，恒科最近段子满天飞，让它在这一点上很占优势。

第二名是证券etf，主要是短期跌幅和估值都很低，这与笔者的感知类似——。

第三名食品饮料，让我比较吃惊的是，ai居然可以做出一些抽象的描述，比如筹码结构最健康。

看完它的推导，你会发现 AlphaEngine 和我对于板块的判断高度一致，恒科券商消费。

我没有给他喂自己的公众号语料，它完全是凭借我一年半前的体系分享ppt作出的判断。

这说明，我们凭借ai搭建的投资体系，是完全具备参考价值的。

ai投研助手，也注定会成为金融从业者的标配。

再过5年，大部分研究员应该就失业了；再过20年，连基金经理也会失业。

所以我们得赶紧，在5年内把钱赚到，从而在ai主导的社会中拥有一个重要的生态位。

AlphaClaw搭载于AlphaEngine产品桌面端，需要认证使用，仅对机构用户开放。

AlphaClaw下载地址：www.alphaengine.top

下载AlphaEngine桌面端应用，即可使用AlphaClaw功能