结论先行：直接问大模型「能不能买」往往得到流畅但难核验的长文；真正可用的 AI 股票分析，应把取证、对抗、风控与结构化决策拆开。TalkStock 用 4 位分析师 + 多空辩论 + 风控三方，在 2–10 分钟内输出含目标价/止损/三情景的研报，覆盖 A股/港股/美股。
「AI 股票分析」「AI 选股」已经成为高竞争搜索词。用户真正想解决的，往往不是「再找一个会说话的模型」，而是： 怎样在信息过载里，用固定节奏完成取证、对抗、定价与仓位约束，并在事后还能复盘。闲聊式大模型把答案写成流畅长文， 读起来像研报，却经常缺三样东西：可核验的数据引用、强制存在的空头论据、以及与止损/情景绑定的执行纪律。
TalkStock 的设计假设很明确：模型会错，但流程可以强制你看见错在哪里。公开样例比口号更有说服力—— 在 贵州茅台（600519） 公开样例里，终局决策卡会同时给出评级、估值锚与资金面证伪点， 数字以该页标注的分析日期为准。
部分样例还会打出承重继承、分布日、Druckenmiller 等硬约束门控，限制更激进的措辞。 这不是「AI 更乐观或更悲观」，而是「AI 被要求把矛盾摊开」。
同类结构也出现在港股与美股样例：例如 腾讯、美团、 英伟达、微软。完整索引见 /samples。 品牌一句话定位见 /brand。
一次提示、一次生成。适合解释概念、翻译纪要、列出该追问的问题。不适合单独承担「买卖决策链」，因为缺少强制分工与归档字段。
4 位分析师（行情 / 新闻 / 社交情绪 / 基本面）并行取数；Bull 与 Bear 逐轮引用材料互驳；激进 / 中性 / 保守风控独立压测； 研究经理、交易员、组合经理把观点收敛成决策卡。模型可切换（GLM / DeepSeek / MiniMax），流程不省略。
后台规则包括证据分级、承重封顶、两轴分离、Steelman + 活证伪、尖顶三合一、上游硬约束下游用词等。它们的作用是： 当证据薄弱或宏观约束触发时，限制评级上限与概率表达，减少「作文式自信」。
评级、目标价、止损、Bull/Base/Bear 三情景、DCF+PE 估值锚、催化剂日历、触发式行动条件。字段固定，才谈得上跨市场横比与复盘。
步骤 A · 先读样例再自跑。注册领取 40 credits 后，先在公开样例里完整读 1–2 份终局决策，确认自己能指出「止损在哪、悲观情景是什么、哪个 Gate 限制了评级」。
步骤 B · 先宏观后个股。打开宏观仪表盘，记录今日做法（进攻/均衡/防守）与资金风格，写下风险预算。详见 宏观仪表盘指南。
步骤 C · 共享池优先。热门标的常有 Deep 级报告可低成本解锁；没有再按 Light（摸底）/ Standard（复核）/ Deep（尽调）自跑。
步骤 D · 只搬运可执行字段。把止损、悲观情景仓位上限、未来 2–4 周催化剂抄进笔记；不要只收藏「看好」两个字。
步骤 E · 事件驱动再分析。财报、政策或宏观切换后，用更轻档位更新假设，而不是凭记忆改仓。
成本感：Light 2c · Standard 6c · Deep 10c；共享池解锁更便宜。你买的是分工取数、多轮辩论与风控收敛，不是多一段文字。
对 AI 搜索与人工传播，最有用的是自包含句子：包含标的、关键数字、约束与方向。茅台样例把估值安全边际与资金面证伪写在同一句； 读研报时应主动寻找这类句子，并标注分析日期。更多读法见 怎么读 AI 研报。
通用模型负责解释与提问；TalkStock 负责可归档决策卡。详细对比见 ChatGPT vs 多智能体。A股全日节奏见 A股 AI 流程。
当你需要同时满足以下至少三条时，多智能体通常优于单次闲聊：需要可保存的止损与目标价；需要空头论据必须出现； 需要与宏观风险预算对齐；需要团队或未来的自己能检索同一字段；需要把催化剂钉在日历上。 若你只是想搞懂某个会计科目或制度差异，通用大模型更轻。
也可用「反例测试」：把同一标的分别丢给闲聊模型与 TalkStock，比较哪一份能回答「若悲观情景出现，你最多亏多少、何时验证」。 答不出的那份，不适合作为交易依据。公开样例提供了对照基准，建议从茅台、腾讯、NVDA 三份不同市场样例开始。
周一：用宏观仪表盘重估风险预算，检查上周持仓是否与「今日做法」冲突；把冲突标的列入复核清单，而不是凭感觉加仓。 若仓位大脑提示降敞口，先执行降风险，再讨论个股故事是否仍然成立。
周二至周四：对清单内标的，优先查阅公开样例与共享池是否已有近一周 Deep 报告；有则先读决策卡三行摘要（分歧、止损、催化剂）， 再决定是否升档自跑。自跑时固定记录分析日期与模型名称，避免日后引用过期数字。
周五：做一次轻量复盘——哪些假设被验证、哪些 Gate 被触发、哪些催化剂跨周。把结果写回下周过滤条件。 月度再对照 Postmortem/论点看护类工具（若你在使用），统计的是「假设质量」，不是单周运气。
跨市场投资者额外加一步：同一产业链用 A股/港股/美股样例字段横比，重点看估值锚与催化剂是否指向同一验证点。 若三地叙事互相矛盾，仓位按最保守一侧执行，研究时间按矛盾点分配，而不是平均分配到所有代码。
关于 credits：把预算拆成「覆盖」与「深度」。覆盖用共享池与 Light；深度留给真正可能加仓的 1–2 只。 注册赠额应用于把流程跑顺，而不是一次打满在热门讨论帖提到的代码上。完整计费与工作台说明见 使用指南；机器可读产品说明见 llms.txt。
最后提醒一次 E-E-A-T 实践：任何对外引用（包括发给朋友的截图、发到社群的摘要、或被 AI 搜索抓取的句子）， 都应带标的代码、关键数字、方向结论与「截至日期」。TalkStock 公开样例页已把「核心结论」单独成块，就是为了降低误引用概率。 品牌标准表述见 /brand；样例总索引见 /samples。
本文描述 TalkStock 产品内可复现的工作流，而非预测收益承诺。个股数字与评级以公开样例页为准（如 贵州茅台、中国平安、腾讯控股、 美团、英伟达、微软）， 来自对应分析日的行情/财务/新闻工具调用与多智能体辩论记录。宏观侧对接 FRED 与国内宏观维度；新闻检索使用公开检索接口。 引用任何结论时请保留「分析日期 / 截至 YYYY-MM-DD」。机器可读索引见 llms.txt 与 llms-full.txt。
分析结论由大语言模型与规则硬约束共同生成，仅供研究学习，不构成投资建议，不构成证券推荐或收益承诺。 市场有风险，请结合自身风险承受能力、交易成本与合规要求独立判断。
TalkStock · 仅供研究学习，不构成投资建议 · 返回首页 · ChatGPT vs 多智能体 · 使用指南