2026新年伊始，奥马哈价值投资训练营2026年线上年会圆满收官，过去数周的专场分享干货不断、精彩满格！本次年会围绕投资、AI、五福人生三大核心专题，特邀价值投资、多元投资及AI领域的资深专家轮番开讲，带来多场高价值的专业分享。
本文为本次年会的精华整理，分享者是前互联网大厂产品经理、AI创作者与创业者，公众号「AI产品熊猫君」主理人熊猫君，其分享核心围绕“如何借助AI底层逻辑构建投资外脑”展开，以下为详细内容。
核心切入点：AI的本质与提问的核心价值
在利用AI构建投资外脑前，核心思考问题为“如果查理·芒格在身边，会问他什么问题”，这一问题直指AI在投资领域的核心应用逻辑。
AI无法实现真正的预测，一方面从技术层面，文本大模型仅能通过前文token预测下一个token，是概率学的数据统计经验，训练数据也仅包含某一时间点之前的内容，无法预判未来；另一方面从理论层面，AI输出的结论存在“幻觉”，可能出现错误答案。但AI输出的逻辑可被证伪、可被反复验证与挑战，因此，在AI时代提问是核心原能力，问题的价值将高于答案。
AI本质上是芒格的外化，是一个永远有时间、永不嫌烦但可能迎合使用者的存在，其答案并非绝对正确，使用者需具备判断能力与解读能力。因此，需将通过AI“找答案”的思维，转变为用AI找视角、找盲区、找逻辑，这是AI赋能投资的核心前提。
投资学习的核心痛点是知识体量庞大，易陷入被动接收的困境，核心解决思路为主导学习而非被动接收，让AI带着学而非替学，具体可从三个维度落地：
（一）拆解经典投资资料：以《巴菲特股东信》为例
AI可从三个层面助力《巴菲特股东信》的学习，层层递进实现知识的深度吸收：
1.信息压缩：快速提炼股东信的章节结构、核心观点与关键结论，实现核心信息的高效抓取；
2.认知重构：以学习中的问题为主线，让AI围绕问题重新解构文本，将学习逻辑从“作者说了什么”转变为“和我有什么关系”；
3.思维提升：让AI对比巴菲特不同时期的观点变化、将其观点放到不同经济环境下测试、与其他投资框架进行冲突对比，实现知识的延展与深度分析。
在实际操作中，可向AI明确学习场景（如“正在阅读1957年巴菲特股东信”），并要求其搜索相关原文后解答具体问题，同时让AI标注信息来源，降低AI幻觉带来的信息失真风险。也可同时使用多个AI模型，选择输出效果最优的模型持续使用。
（二）多模态信息学习
针对音频、视频等长时长的投资学习资料，利用AI实现信息的高效筛选与提取：
1.音频学习：将长时音频转换为文字，并让AI提炼核心思想、经典表述与原文内容，过滤无效信息的同时保留内容原汁原味，便于快速阅读；
2.视频学习：借助相关工具让AI提取视频文字内容、生成视频总结，部分工具还支持围绕视频内容与AI交流，解决视频学习中难以定位关键内容的问题。
（三）苏格拉底式学习
利用AI实现苏格拉底式教学，让AI不直接给出答案，而是通过持续提问引导学习者自主思考，指出学习者的逻辑漏洞，让学习体验更具深度。
在提示词设置中，需明确三个核心要素：角色定义（如“你是一位资深的价值投资导师”）、方法要求（如“熟练运用苏格拉底教学法”）、学习目标（如“根据《巴菲特致股东信》核心观点提出挑战性问题，引导我理解巴菲特核心逻辑，指出我的回答漏洞”），让AI精准匹配学习需求。
投资过程中信息获取的痛点是信息爆炸，难以筛选有效信息，AI在该领域的应用核心在于提示词工程与知识库搭建，其中提示词工程并非单纯的技巧，而是对任务的建模能力。
（一）提示词工程的四大核心原则（参考吴恩达Prompt Engineering）
1.展示而非告诉：避免用抽象名词描述需求，直接给出案例让AI模仿，这是最有效的提示词技巧；
2. 用专业、机器可理解的语言：AI经专业书面语言训练，使用专业术语（如“苏格拉底教学法”）比自然语言描述更能让AI精准理解需求，减少沟通成本；
3.拆解步骤、固定格式：面对复杂任务，将其拆解为具体步骤，同时明确AI的输出格式，避免AI理解偏差与自由发挥导致的输出结果偏离预期；
4.持续迭代：初次提问若效果不佳，无需继续追问，而是修改提示词重新提问，或开启新对话，通过迭代优化提示词质量，提升AI输出效果。
以财报分析为例，低质量问法为“请帮我分析英伟达最近一季度的财报”，而专业的问法需明确自身定位、AI角色、任务要求，还可通过指定操作降低幻觉、固定输出格式，如“我是一位正在学习价值投资的投资者，请你以专业财报分析师的视角，先找到英伟达最近的财报并仔细阅读，再分析其财报亮点，按维度|关键结论|支持依据|是否发生变化的表格格式输出”。
（二）知识库的搭建与应用
直接向AI提问易因缺乏固定上下文导致结果随机，而知识库是为AI刻意构建的“专用记忆空间”，可解决这一问题。将一家公司的多年财报、股东信、访谈纪要，或某一行业（如AI、半导体、新能源）的相关资料导入知识库，让AI基于固定的上下文解答问题，能大幅提升输出内容的精准度，减少幻觉。
推荐工具为Google的NotebookLM与腾讯的ima，这类工具可让AI严格基于导入的知识库内容作答，如同拥有一位只懂目标公司/行业的专属秘书，适合投资中的精准资料查询。
无AI时，投资分析中80%的时间用于数据查找、录入、对比等基础工作，留给思考与价值判断的时间仅占20%；借助AI可搭建“自动化脚手架”，将重复劳动外包，让更多时间投入到思考与价值判断中，核心可从两个维度落地：
（一）解决流程化、规律性的重复操作
针对投资分析中大量重复的工作，可通过三种方式实现自动化：
1.Prompt复用：将高频使用的提示词保存，重复使用以提升效率；
2.构造Agent：利用GPTs、Gems等工具构建专属智能体，或在豆包等平台创建自定义智能体，针对特定分析任务进行对话；
3.编写爬虫/工程：通过web coding的方式编写简单爬虫或工程，实现数据的自动抓取与处理，无需具备专业的编程能力。
（二）信息展示与辅助分析（可视化分析）
让AI将投资信息可视化，并实现可交互的分析效果，提升分析的直观性与效率。例如，可让AI梳理2023年至2026年的重大AI事件，筛选AI产业链上下游的热门股票，开发可交互的网页，绘制股票价格走势图表，在图表中标注重大AI事件，并分析事件对股票价格的影响。
实际操作中，仅需向AI明确具体需求与功能要求，即可快速生成可视化分析成果，即使部分数据存在偏差，也能为投资分析提供核心的逻辑参考，大幅节省手动汇总、分析的时间。
投资决策的核心痛点是人性中的“过度自信”，易存在思维盲区，而AI可成为绝对理性的“反对者”，通过反向对抗让决策更理性、科学，具体有两种方法：
（一）让AI做投资“黑粉”
投资者明确自身的投资决策（如“决定买入公司A”）与投资逻辑后，让AI扮演浑水等凶狠的做空机构，要求AI阅读公司最新财报，针对每一条投资逻辑找出反驳证据、财务造假嫌疑或逻辑漏洞，且要求AI的分析尽可能尖锐。
AI无情感的特性使其能以中立态度提出反对观点，排除人为因素的干扰，投资者可基于这些观点判断自身决策是否存在疏漏，是否需要进一步调研。
（二）召开“数字私董会”：混合模型投票（MoE思维）
不同AI模型的“性格”与能力存在差异，将同一投资问题发给多个模型，结合各模型的输出结果进行判断，若多个模型给出一致的风险提示，则说明该风险大概率真实存在。各主流模型的核心能力特点为：
1.GPT：通用能力强，平衡性好，无明显知识短板；
2.Claude：文笔好、灵性高，善于发散，编码能力强；
3.Gemini：逻辑严密，适合逻辑推演，是长文分析专家，可容纳更长的文本且输出质量无明显下降；
4.Perplexity/秘塔：搜索能力强，依托RAG技术与知识库能力，适合背景调查与信息源查找。
AI从学习效率、信息获取、分析提效、决策纠偏四个维度为投资赋能，这四个维度形成完整的闭环，构成投资外脑的全景图。
AI并非芒格的替代者，而是触手可及的“芒格式”外脑，能否发挥其价值，关键在于使用者能否提出高质量的问题，借助AI提升自身的投资逻辑与能力。
