#工具表

核心原则：工具是辅助，不是核心。但合适的工具能显著提升效率，尤其在 AI 协作时代，工具栈的合理配置是个人投资者的竞争力之一。

建议频率：每季度审视 1 次工具栈

#一、数据源

#1.1 数据源推荐表

数据源（理杏仁/集思录/天天基金等）的详细使用方法，详见 ../04-终点段/01-基金标的研究/13-数据源使用手册.md。 宏观经济指标（GDP/PMI/社融/CPI/M2）的影响详见 /03-中间段/04-经济指标分析/01-宏观经济指标影响。

#1.2 数据源使用要点

#理杏仁

• 用途：行业指数 PE/PB 历史分位
• 使用要点：关注数据时点（每日更新）；使用 10 年分位（覆盖完整周期）；对比 5 年分位与 3 年分位（短期情绪）
• 费用：部分功能付费

#集思录

• 用途：可转债、封闭式基金、估值数据
• 使用要点：关注折溢价数据；关注到期收益率
• 费用：部分功能付费

#天天基金网

• 用途：基金筛选、费率、规模、跟踪误差
• 使用要点：使用"基金筛选器"按条件筛选；关注"基金经理"变动记录；关注"基金规模"变化趋势
• 费用：免费

#巨潮资讯网

• 用途：上市公司原始公告
• 使用要点：优先看"年报""半年报""季报"；关注"重大事项"公告；关注"业绩预告""业绩快报"
• 费用：免费

#二、AI 协作工具（2026 年新增）

#2.1 AI 协作工具推荐表

#2.2 AI 协作工具使用原则

• 公共 LLM 处理公共信息：政策原文、行业研报、海外财报等公共信息可用公共 LLM；不输入持仓详情、账户信息、身份证号、家庭成员信息
• 本地 LLM 处理隐私信息：持仓复盘、个人财务规划、家庭沟通演练用本地 LLM（推荐 Ollama + Llama 3.1/Qwen 2.5）；本地 LLM 不联网，数据不出本机
• 任何 LLM 给出的数字，必须回原始数据源二次核验：政策类回国务院政策文件库；估值类回理杏仁/集思录；财报类回巨潮资讯网；宏观类回国家统计局
• LLM 不接 API 直连交易账户：分析助手与交易权限物理隔离；LLM 可生成"建议"，但下单必须由人类在交易软件中手动完成；不配置任何"LLM 自动下单"的流程

#2.3 工具组合推荐

#入门组合（适合第一阶段）

• 公共 LLM：Kimi（中文好）或 DeepSeek（免费）
• 数据源：天天基金（免费）+ 集思录（部分免费）
• 笔记工具：飞书文档（免费）
• 表格工具：Excel/WPS

#进阶组合（适合第二-第四阶段）

• 公共 LLM：Claude（综合能力强）+ Perplexity（搜索）
• 本地 LLM：LM Studio + Qwen 2.5 7B
• 数据源：理杏仁（付费）+ 天天基金 + 巨潮资讯网
• 笔记工具：Obsidian + AI 插件
• 自动化：Make（基础版）

#高阶组合（适合第五阶段及以上）

• 公共 LLM：Claude + ChatGPT + Perplexity（交叉验证）
• 本地 LLM：Ollama + Llama 3.1 13B
• 数据源：理杏仁 + Wind（如有）+ 慧博投研
• 笔记工具：Obsidian + Notion AI
• 自动化：n8n 自部署 + Python 脚本

#三、笔记与复盘工具

#3.1 笔记与复盘工具推荐表

#3.2 Obsidian 配置建议

#基础结构

投资笔记/
├─ 00-索引/
│  ├─ README.md
│  ├─ 能力圈清单.md
│  └─ 信息源清单.md
├─ 01-政策解读/
│  ├─ 政策文件库/
│  ├─ 政策六问拆解/
│  └─ 幻觉识别案例集/
├─ 02-行业研究/
│  ├─ 行业分析报告/
│  ├─ 行业景气度跟踪表/
│  └─ 财报防雷清单/
├─ 03-产业趋势/
│  ├─ 产业趋势判断/
│  ├─ 主题基金池/
│  └─ 估值跟踪表/
├─ 04-决策日志/
│  ├─ 人机协作决策日志.md
│  └─ 月度复盘报告/
└─ 05-年度复盘/
  └─ 年度复盘报告.md

#推荐 AI 插件

• Obsidian Smart Connections：自动找到相关笔记
• Obsidian Copilot：基于笔记库的 AI 问答
• Obsidian Text Generator：自动生成初稿

#3.3 飞书文档配置建议

• 文档夹：投资笔记
  • 子文档夹：政策解读、行业研究、产业趋势、决策日志、年度复盘
  • 多维表格：估值跟踪表、信息源清单、决策日志
• 优势：AI 功能内置（飞书 AI）；协作方便（可与家人共享）；移动端体验好

#四、自动化方案

#4.1 定投扣款自动化

方案：基金 APP 设置每月发薪日次日自动扣款

配置要点：扣款日期发薪日次日（避免余额不足）；扣款金额根据个人收入与财务规划；失败重试 3 次间隔 1 天；开通短信/微信失败通知

#4.2 估值更新自动化

方案：用 LLM+脚本（Python/Make/n8n）自动抓取理杏仁估值数据

#Python 方案

# 伪代码示例
import requests
import pandas as pd
from datetime import datetime

def fetch_valuation(index_code):
    """从理杏仁抓取估值数据"""
    url = f"https://api.lixinger.com/valuations/{index_code}"
    response = requests.get(url, headers={"Authorization": "Bearer YOUR_TOKEN"})
    data = response.json()
    return data

def calculate_percentile(value, history):
    """计算历史分位"""
    return sum(1 for v in history if v < value) / len(history)

def send_alert(index_name, percentile):
    """异常告警推送"""
    if percentile < 0.2 or percentile > 0.8:
        # 推送到飞书/Telegram
        pass

# 每周执行一次
for index in ["000300", "000905", "000933", "000932", "399808"]:
    data = fetch_valuation(index)
    percentile = calculate_percentile(data["current_pe"], data["history"])
    send_alert(index, percentile)

#Make/n8n 方案

流程：触发器每周日晚上 8 点 → 抓取理杏仁数据（HTTP 请求）→ 计算历史分位（函数节点）→ 更新 Google Sheets/Notion（写入节点）→ 异常告警推送（条件节点 + 飞书/Telegram 节点）

#4.3 政策跟踪自动化

方案：国务院政策文件库 RSS 订阅+LLM 自动摘要

配置流程：RSS 工具（Inoreader 或 Feedly）→ 订阅中国政府网政策栏目/发改委官网/工信部官网 → Make/n8n 抓取新政策 → 调用 Claude/通义 API 生成摘要 → 写入 Obsidian/飞书

#4.4 复盘节奏自动化

• 每月 1 日：月度复盘提醒（日历提醒）
• 每季度末：季度自检提醒（日历提醒）
• 每年 1 月：年度复盘提醒（日历提醒）
• 配置要点：提前 3 天提醒；附上复盘模板链接；复盘完成后归档

#4.5 季度自检新增维度

LLM 判断命中率 vs 自己判断命中率：长期跟踪谁更准；调整人机协作方式；不同场景可能有不同结论（如 LLM 在政策解读更准，自己在中国行业判断更准）

#五、工具栈常见问题

#Q1：必须用 Obsidian 吗？飞书文档可以吗？

A：都可以。选择原则：

• Obsidian：本地存储、隐私好、AI 插件灵活；适合技术基础好的用户
• 飞书文档：协作方便、移动端好、AI 功能内置；适合与家人共享的用户
• Notion：跨平台、模板丰富；适合海外用户

关键：工具不重要，习惯最重要。选择你能坚持用的工具。

#Q2：理杏仁必须付费吗？

A：建议付费。估值分位是定投的核心决策依据；免费工具（如天天基金）只提供当前 PE，不提供历史分位；理杏仁付费版年费约 300-500 元，相对决策收益性价比高。替代方案：自己用 Python 抓取历史 PE 数据；使用集思录（部分免费）。

#Q3：本地 LLM 必须配置吗？

A：非必须，但推荐。处理隐私内容（持仓复盘、家庭财务）更安全；长期使用成本低于公共 LLM；配置门槛在降低（LM Studio 图形化安装）。最低配置：8GB 内存的电脑 + LM Studio + Qwen 2.5 7B（量化版）+ 无需独立显卡（CPU 推理即可）。

#Q4：自动化必须做吗？

A：非必须，但强烈推荐。跟踪 5+ 行业时，手工维护每周需 1-2 小时；自动化方案初期投入 4-8 小时，长期省时；自动化还能做异常告警，手工易漏。入门方案：不写代码用 Make/n8n 拖拽配置；写代码用 Python + 定时任务（cron）。

#Q5：LLM API 费用大概多少？

A：按典型使用量估算：政策解读每月 5-10 次约 5-10 元；行业分析每月 2-3 次约 5-10 元；估值汇总每周 1 次约 5-10 元；月度总费用约 20-50 元。省钱建议：用免费额度（Kimi、DeepSeek）；用开源模型本地部署；批量处理（一次处理多个政策）。

#六、信息源分级清单

背景：2026 年的核心问题从"信息匮乏"变为"信息污染"。雪球/视频号/X/小宇宙/即梦等载体兴起，但信息质量参差不齐。100 个看多理由不等于正确，建立信息源分级清单是应对污染的根本方法。

#6.1 信息源五级分级

#6.2 信息源使用原则

1. L1 不可绕过：任何重大决策必须回 L1 原始权威源核验，LLM 给的数字也回 L1/L2 核验
2. L3 需识别利益冲突：券商研报对自家承销标的易偏乐观，行业白皮书对赞助方易偏乐观
3. L4 借鉴方法不抄结论：专业博主的具体标的判断需独立验证
4. L5 主动屏蔽：不关注、不付费、不进群，从源头避免信息污染
5. LLM 作为信息处理工具，不作为信息源：LLM 是汇总器，其输出必须回溯到 L1-L4 原始来源

#6.3 信息源异常信号

出现以下信号时，需重新评估信息源级别：

• L4 博主开始频繁推荐"必涨股"→ 降级为 L5
• L3 研报出现明显利益输送（如承销标的给出夸张目标价）→ 降级为 L5
• L2 数据源数据延迟或错误频发→ 暂停使用，寻找替代
• L1 来源被篡改或误读→ 核实渠道真实性

#6.4 信息节制规则

• 每日财经信息摄入不超过 1 小时
• 优先用 LLM 汇总代替刷信息流
• 关闭所有"必涨/必跌"类推送通知
• 不进任何付费荐股群

#相关文档

• 路线分析——为什么这样设计路线
• 路线图——三阶段成长路径
• 模板表——估值跟踪表、决策日志等核心模板
• 术语表——术语定义