个股 alpha 很难长期对抗 beta。TalkStock 把机构常用择时面板收进宏观仪表盘，并与个股多智能体研报对齐：先看叙事与资金，再决定今天风险预算，最后才挑股。登录后宏观面板日常浏览不扣 credits。
再完整的个股逻辑，也可能输给风格切换与流动性冲击。宏观仪表盘解决的是「今天组合该处在什么风险状态」， 而不是替代基本面。对 A股尤其如此：主题扩散快，情绪与资金脉冲强，若没有每日重复的宏观检查清单，多智能体研报也会被情绪改写成满仓叙事。
TalkStock 把叙事、资金、跨资产与仓位大脑放在同一入口，并与个股硬约束打通。公开样例里可以看到宏观门控如何改变措辞： 例如 英伟达样例 中，分布日与 Druckenmiller 等门控会下调更激进的措辞、抬高持有约束， 最终与估值安全边际并列。
茅台等样例以该页标注的分析日为准，不保证每次都触发同一组 Gate。
给出总建议（空仓 / 对冲 / 红利 / 科技 / 均衡），并并列美股 · A股 · 港股。你的输出应是风险预算与风格偏好，而不是股票清单。 三市场共振时可以更积极表达 beta；三市场背离时，A股「独奏主题」通常需要更克制的仓位。
行业净流入、攻守光谱、市场宽度、北向与龙虎榜解读。关注背离：进攻行业很热闹但宽度恶化、或散户接盘而主力流出—— 这些往往是个股叙事里最容易被忽略的活证伪线索。
用于观察风险偏好、利率敏感资产与汇率主轴。面板是观察层，不是下单终端。黄金/美元的突变，常比单一行业新闻更早提示风险预算该不该降。
制度/日历提醒你哪些窗口波动结构会变；Polymarket 等概率市场提供事件定价参考。把「事件临近」翻译成仓位收缩，而不是临时加倍博弈。
Exposure Coach 看总敞口；FTD Detector 识别 Follow-Through Day；Druckenmiller Allocator 提示股/债/金/现金结构。 三者一起回答：重仓、试探还是空仓。当仓位大脑偏防御时，即使共享池里全是「故事很美」的 Deep 报告，也应先降风险预算再决定读哪一份。
登录后宏观面板日常浏览不扣 credits。完整操作说明见 使用指南 · 宏观。
把宏观当作「上游硬约束」：它不一定改变公司质地判断，但会改变你能承受的仓位与表述强度。 对照 茅台、中国平安、NVDA 等样例， 练习找到「哪一条 Gate 来自宏观/市场结构」。更多样例：/samples。
宏观是五步链路的第一步。完整「宏观→选股→个股→仓位→复盘」见 A股 AI 选股流程；产品总览见 AI 股票分析指南。
建议用简单规则避免宏观「看了等于没看」：防守日——单票上限与总权益敞口同时下调一档；均衡日——维持计划仓位，但催化剂临近仍要收缩； 进攻日——允许提高 beta 暴露，但必须仍有止损金额与悲观情景上限。数字可以因人而异，关键是写下来并在复盘时对照。
当宏观与个股结论冲突时，默认服从更约束的一侧：例如个股评级积极但 Druckenmiller/分布日约束触发，先降仓再争论公司质地。 这正是样例里硬约束存在的原因——防止「正确的公司、错误的仓位」。
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。