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。

大部分人只拿 agent 当执行者用。投资场景里 agent 有四个角色——分析师、红队、导师、执行者——你提问的方式决定你激活哪一个。

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。

年报不用每一行都读。你要认的是模式。三张报表当三个镜头——业务结构、脆弱度、真假。

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。

风险是你承受不起的亏损的概率，不是标准差。LTCM 1998 年优化了错误的指标，被相关性崩溃杀死了。四种真正的风险，以及为什么只有你能决定自己亏得起多少。

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。

大多数人花 90% 时间优化 prompt，真正决定 AI 输出质量的，是 prompt 之前的上下文。pretext 工程——给 AI 的"前提设定"——才是第一性原理。