一个朋友半夜问我，要不要也做个工具去跟 X 上很火的 Serenity 买进卖出。我的第一反应是没意义：一个策略真能稳定赚钱，最理性的做法是闷声加仓，不会拿出来开直播。但聊到后面我改了主意。值得蒸馏的东西确实有，藏在他提问的顺序里，跟他的持仓没关系。我们把这套研究流程做成了一个开源工具。

你的优势是你的问题。二十五年真正会复利的不是信息量，是问出更好问题的能力。最后一个 workshop 是全课程唯一不用 agent 做的。

投资场景里 agent 有四个角色——分析师、红队、导师、执行者，你怎么问决定激活哪一个。「能不能买」这种问法只用到了其中一个。

股票是对未来现金流的权利——不是代码，不是图表。三种回报来源，五种优势类型，以及你在判断 agent 输出之前必须有的词汇。

年报不用一行一行读，你要认的是形状。三张报表各管一件事，对不上的地方才值得你花时间。

DCF 里每个数字都是一个故事选择。Agent 算得又快又准，但它默认讲共识。你的工作是带自己的故事进去——以及找到估值暗中依赖的那个假设。

LTCM 1998 年清盘的时候，波动率指标从头到尾都很漂亮——它量的东西和真正杀死它的东西压根不是一回事。这一章讲波动率骗人的三个地方、四种真正的风险，还有怎么用 agent 做事前验尸。

大部分投资者有的是信念，不是论点。把判断写下来、附上止损条件，是对自己记忆的问责——因为记忆会自我美化，信念会悄悄变形。

单个 agent 是工具。有明确角色、交叉验证和显式交接的一组 agent，才能产生质变。五个模式覆盖 90% 的投资研究流程。

前八章的全部内容压缩成一个端到端流程。三家公司，一个决定。这一章本身就是 workshop——预计 4 到 8 小时，分多次完成。

投资分析以前需要 Bloomberg 终端或者会写代码。AI agent 把两个前提都拆了。剩下的门槛是判断力——这改变了投资课程应该教什么。