我用 WorkBuddy 搭了一套 A 股投研流水线：从信息轰炸到决策留痕

我研究 A 股电子元器件和 AI 基建产业链，最大的痛不是不懂基本面，是信息太多、决策太散：今天看这个研报、明天追那个热点，操作完过两周就忘了当初为什么买。直到我把投研流程搬到 WorkBuddy 上，做成了固定流水线，才治好了"乱"这个病。

第一步：建产业链跟踪清单，不追热点 只跟踪自己研究过的产业链（光模块、存储、AI 算力配套等），每一条链建立"标的池 核心逻辑 关键跟踪指标"，AI 帮我维护，每周自动提醒该更新的数据。

第二步：每日定时收资讯，定量不全凭感觉 每天 07:00 自动拉取自选池的公告、研报摘要和板块异动，AI 先做一遍去重和摘要，我只读结论。研报 30 篇变成 3 条要点。

第三步：缠论复盘，每一笔操作都留痕 每次交易后按固定模板记录：进场结构位置、止损位、当时依据的逻辑。AI 帮我按月统计胜率、盈亏比，看哪类结构、哪个逻辑真正赚钱。

第四步：观点必须验证，不照单全收 印象最深的一次：某知名策略号喊"AI 高低位轮动"，我让它把三个核心判断逐一拉数据验证，结果两个不成立、一个勉强支撑，资金实际去了煤炭电力。从那时起，我给自己定了条铁律：任何观点进系统前，先过数据验证这一关。

踩过的坑：

坑 1：一开始跟踪了 60 只票，信息量爆炸 → 砍到每个链条只留 3-5 只核心，先做深再做宽。坑 2：复盘只记赚亏、不记逻辑 → 固定模板强制写"依据什么信号进场"，否则不算完整复盘。坑 3：自动化任务里塞了太多"每天必做" → 改成"每日只做 2 件事：看摘要、记持仓状态"，其余每周做。

效果： 决策从"拍脑袋"变成"有痕迹、可回溯"，复盘的胜率统计终于有数据支撑了。

心得：投研拼的不是信息量，是信息处理系统。把收集、筛选、决策、复盘做成流水线，AI 是流水线上的工人，我是质检员。

#WorkBuddy #CodeBuddy