大家好啊，我是甲木。
如果让大家猜，2025年 AI使用最频繁的场景是什么？
你可能会说：用 AI 写文案、画图、做 PPT。
但前两天，千问发布了「2025十大AI提示词」排行榜，还是愣了一下。
排在第一位的，不是写作，不是设计，
而是股票。
从No.1到No.10分别是：股票、八字、情感咨询、朋友圈文案、景点推荐、双色球号码、失眠、解答这道题、离婚财产分割、人生的意义。
仔细想想，意料之外，情理之中，
今天甲木从韭菜投资者的角度给大家聊聊，
投资，本身就是一个高度信息密集、强结构化、但极度依赖判断 的事情。
而 AI，还挺适合整理碎片信息，拆解复杂材料，展示思考过程的。
过去，其实我也写过AI辅助金融投资的一些场景，
包括自己在做股票投资的时候，经常把 AI 当成一个“基础设施”。
不是每天都用，但一旦进入研究阶段 ，几乎离不开。
今天，就给大家分享一下自己在用的Prompt，
从最简单 → 相对复杂 的路径，
覆盖了从「查资料」到「下判断」的一条链路。
其实甲木现在高频用的地方都在DeepResearch场景，
感兴趣的可以直接下滑看Prompt 8。
“ 特别说明：股市有风险，投资需谨慎 ，AI只是辅助，关键还是在人。
Prompt 1｜最基础：快速建立公司“事实底座”
入手第一家公司的基本情况了解。
不是做判断，只是搞清楚：它到底是干什么的。
请帮我系统梳理【XXX 公司】的基础情况，输出结构化总结，包括：
1）核心业务与主要产品线
2）收入与利润来源构成
3）主要客户与应用场景
4）公司在产业链中的位置
5）近几年最重要的战略变化
## 要求：
- 只使用可核实的信息
- 每一部分用 3–5 条要点说明
- 不做投资建议，只做事实整理
很多错误判断，其实从第一步就错了。
你以为它是 A 公司， 结果利润主要来自 B 业务。
AI 在这一步的价值，是压缩你“搞清楚事实”的时间成本 。
Prompt 2｜行业视角：这是不是一个“好行业”？
股票研究里，一个常被低估的问题是：你选的不是公司，而是行业。
请从行业研究的角度，分析【<XXX公司>】所在的【<XXX行业>】：
1）行业所处的周期阶段（复苏/扩张/衰退/萧条）
2）供需关系与主要驱动因素
- 产能、开工率、库存、订单/交付周期
3）价格变化机制与历史波动
- 产品价格指数/价差/成本传导
- 资本开支：Capex趋势、扩产项目、行业新增产能
4）行业集中度与竞争格局
5）影响行业的关键外部变量（政策、技术、宏观）
- 政策与外部变量：利率、汇率、监管、补贴、贸易限制
请明确指出：哪些是长期结构性因素，哪些是短期波动因素。输出周期阶段判断 + 关键证据图表清单 + 领先指标(3个)与滞后指标(3个)。
AI 非常适合做行业“第一性梳理” 。
但行业拐点、价格见底这些问题，千万别指望AI给你答案...
Prompt 3｜业务拆解：钱到底是怎么赚来的？
这是从“看公司”到“看生意”的关键一步。
请你以【价值投资 / 基本面研究】视角，对【XXX 公司】进行“业务拆解”，目标是回答一个核心问题：
👉 这家公司【真正、长期】是靠什么赚钱的？
## 要求
- 仅基于可验证信息（年报、招股书、定期公告、投资者交流纪要、权威行业报告等）
- 明确区分【事实】与【判断】，所有判断必须给出证据或逻辑链
- 输出为 Markdown 结构化报告
## 必答结构
一、公司“赚钱方式”的一句话结论
- 用不超过 50 字，概括公司最核心的赚钱逻辑（卖什么 → 卖给谁 → 为什么能赚钱）
二、业务结构全拆解（必须量化）
1. 业务板块拆分
- 列出所有核心业务 / 产品线 / 服务线
- 对每一块给出：收入占比、毛利率、增长趋势（近 3–5 年）
2. 利润来源判断
- 哪些业务“贡献了大部分利润”
- 哪些业务“收入大但不赚钱 / 甚至亏钱”
- 是否存在【主业≠利润核心】的情况？（如：主业A，利润来自B）
三、赚钱机制拆解（Business Engine）
对核心业务逐条回答：
- 钱是怎么收进来的？（一次性/订阅/持续复购/项目制）
- 成本主要花在哪？（原材料、人力、渠道、研发、营销）
- 毛利率由什么决定？是结构性优势还是周期红利？
- 是否具备规模效应？规模扩大后，哪一项成本会被摊薄？
四、客户、渠道与定价权
- 核心客户是谁？是否集中？（Top5/Top10 客户占比）
- 销售渠道结构（直销 / 经销 / 平台 / 政府 / 大客户）
- 是否具备定价权？历史是否成功提价？证据是什么？
- 客户更换供应商的成本高不高？为什么？
五、子公司 / 联营公司 / 非经常性业务
- 列出重要子公司、联营公司及其业务性质
- 明确哪些利润来自：
- 可持续经营
- 周期波动
- 投资收益 / 政策补贴 / 资产处置
- 判断这些“非主营利润”对长期估值逻辑的影响（正面 / 负面 / 干扰）
六、商业模式的“稳定性与脆弱点”
- 哪些假设一旦被破坏，赚钱逻辑就会失效？
- 最容易被竞争 / 技术 / 政策冲击的环节在哪里？
- 用 3–5 条“关键监控指标”总结如何持续验证这门生意是否还成立
## 最终输出
- 一句话商业本质总结
- 业务结构表（收入 / 利润 / 毛利率）
- 赚钱机制逻辑链（文字 + 列点）
- 对长期投资者最重要的 3 个判断结论
混杂型公司 ，是 AI 特别容易帮你看清楚的。
很多“看起来很美”的公司， 核心利润来源其实非常脆弱。
Prompt 4｜财务质量：这家公司赚的钱，干不干净？
关于财务类的调研指标其实非常多，这里简单列一个通用格式的。
请分析【<公司>】近几年的财务质量：
1）收入、利润与经营现金流的匹配情况
2）应收账款、存货、合同资产变化
3）非经常性损益对利润的影响
4）是否存在一次性项目或会计口径变化
5）可能需要重点关注的财务风险点
## 研究原则
- 不预测股价，只判断财务“质量”
- 强制进行“利润 vs 现金流”的交叉验证
- 对所有异常必须给出解释假设与验证路径
请重点指出：哪些指标值得持续跟踪。
Prompt 5｜股权结构与治理：老板和你是不是一条船上的？
生意好 + 治理差 = 高波动风险资产。
股权梳理其实很有必要..
1、梳理【<公司>】股权结构与关键股东：
- 实控人、控股股东、董事会结构
- 股权质押比例与变化、减持计划、潜在控制权变更风险
- 关联交易、同业竞争、资金占用风险
输出：治理结构图（文字版即可）+ 风险雷达(高/中/低) + 需要跟踪的公告清单。
2、请建立【<公司>】未来<12个月>的“筹码事件时间表”：限售解禁、员工持股解锁、定增/配股、回购进度。
对每个事件给出：潜在抛压/承接能力判断、对估值中枢的影响路径、历史上类似事件的股价反应统计（如能找到）。
3、分析【<公司>】管理层薪酬与股权激励：
- 激励指标是否容易“做账达成”？（收入/利润/现金流/ROIC）
- 目标难度与行业对比
- 是否存在短期行为激励（冲收入、降研发等）
输出：同向性结论 + 关键条款摘录 + 改进建议。
Prompt 6｜市场分歧：多空到底在吵什么？
看多空消息非常有意思，
请整理市场对【XXX 公司】的主要分歧点：
1）多方核心逻辑
2）空方核心逻辑
3）各自最重要的论据
4）哪些分歧可以被未来数据验证
5）关键验证节点是什么
## 分析要求
- 不得站队
- 不给投资建议
- 不使用情绪化或立场性语言
- 所有判断必须可被未来数据或事件验证
不是告诉你该信谁，而是告诉你：未来该盯什么数据 。
Prompt 7｜估值和护城河：市场现在在“押什么假设”？
这块不多解释了，护城河从价值投资角度考虑非常有必要。
以价值投资视角分析【<公司>】的护城河，必须引用公司披露/权威来源。
1) 定价权：过去<5-10年>毛利率/提价能力/成本转嫁证据？
2) 转换成本：客户更换供应商的成本是什么（系统、流程、合规、生态）？
3) 网络效应/规模效应：规模如何降低单位成本或提升体验？
4) 无形资产：品牌、专利、牌照、数据、渠道壁垒的可验证证据？
5) 竞争反应：主要对手如何攻击，公司如何防守（历史战役）？
输出：护城河强度评分(0-5)+证据表+最可能被侵蚀的点与监控指标。
还有很多其它估值方法，都可以按照此思路，
请为【<公司>】构建 DCF 估值（允许使用公开财务数据，必须引用来源）：
- 明确WACC/折现率假设与依据
- 预测5-10年自由现金流：收入、利润率、再投资率
- 给出敏感性分析表（折现率×永续增长率 或 折现率×利润率）
- 反推：当前市值隐含的收入增速/利润率路径
输出：估值区间 + 关键假设清单 + 最容易错的2个假设及验证方案。
市场是会用脚投票的..
Prompt 8｜全方面考虑：DeepResearch汇总
其实这个是我当下用的最多的一个Prompt，
也是在用ChatGPT、Gemini、豆包、千问等各家AI DeepResearch功能时，会用到的Prompt。
我需要你帮我完成一份投资者尽职调查报告。目标是对标的 `<股票名称/代码>` 进行全方位的商业模式、财务质量、行业周期及估值逻辑推演。
请严格按照以下逻辑框架进行推演。
## Constraints & Standards (研究原则)
1. 数据时效性与跨度：财务数据需涵盖**过去 3-5 年**的趋势（CAGR），估值分位需回溯**过去 5-10 年**的历史区间。
2. 事实底座优先：区分【事实 Fact】与【判断 Opinion】。所有判断必须基于可验证的数据（年报、招股书、监管问询函）。
3. 双重验证：必须进行“利润 vs 现金流”的交叉验证，以及“公司 vs 同行”的对比验证。
4. 反直觉思考：必须包含“空方逻辑”与“黑天鹅风险”推演，避免确认偏误。
## Research Context (用户输入)
- **研究标的**：[在此输入股票名称/代码]
- **投资风格**：[如：价值投资 / 成长接力 / 困境反转]
- **持有周期**：[如：中长线 1-3 年]
## Workflow
### Phase 1: 商业模式与护城河拆解 (Business Engine & Moat)
> 核心任务：搞清楚它真正靠什么赚钱，剔除噪音，看清本质。
1. 业务透视与提纯：
- **拆解营收/利润结构**：核心业务是什么？是否存在“主业赚吆喝，副业（投资/补贴）赚利润”的现象？
- **子公司/联营公司穿透**：深挖主要子公司和联营公司的实际贡献，**剔除噪音**，明确指出哪些业务是拖累，哪些是隐形金矿。
2. 护城河判定：
- **定价权**：是否有提价能力？（证据：毛利率是否随成本波动？还是能转嫁成本？）
- **核心壁垒**：是品牌溢价、极高的转换成本、网络效应，还是单纯的低成本优势？
- **行业天花板**：该行业 TAM 有多大？当前市场份额分布如何？公司是否触及增长天花板？
### Phase 2: 行业周期与供需格局 (Industry Context)
> 核心任务：判断是顺风还是逆风，是红海还是蓝海。
1. 周期定位：行业目前处于哪个阶段（复苏/过热/滞胀/衰退/萧条）？请引用库存水平、开工率、Capex（资本开支）趋势作为证据。
2. 供需剪刀差：寻找“领先指标”与“滞后指标”。未来 1-2 年行业是否有大规模新增产能投放？
3. 竞争格局变化：行业集中度（CR5）是在提升还是分散？主要竞争对手近期有什么大动作（价格战/技术突破）？
### Phase 3: 财务健康度与质量扫雷 (Financial Health)
> 核心任务：这笔钱赚得干不干净？增长是否有质量？
1. 核心指标趋势：
- 计算过去 3-5 年的 **营收 CAGR** 和 **净利润 CAGR**，判断增长的持续性。
- 分析 **ROE（净资产收益率）** 的驱动因素（杜邦分析：是靠加杠杆，还是靠周转快，还是利润高？）。
- 绘制 **毛利率与净利率** 趋势图，判断盈利能力的稳定性。
2. 异常排查（扫雷）：
- 周转率警报：存货周转率、应收账款周转天数是否有恶化（变长）趋势？
- 含金量测试：经营性现金流净额 / 净利润是否匹配？（长期
<1则为危险信号）。
- 非经常性损益：剔除一次性收益后，扣非净利润是否依然健康？
### Phase 4: 治理结构与资本配置 (Governance & Allocation)
> 核心任务：管理层是股东的伙伴，还是收割者？
1. 资本运作回顾：
- 盘点近 2 年的增发、回购、股权激励或重大并购。这些动作对中小股东是**增厚 EPS** 还是**稀释权益**？
2. 股权与筹码：
- 实控人持股比例？是否有**高比例质押**风险？是否有重要股东（大基金/高管）持续减持？
3. 管理层画像：
- 他们的言行是否一致？
- **资本配置能力**：历史上赚到的钱投向了哪里（瞎投资/扩产/分红/回购）？回报率（ROIC）如何？
### Phase 5: 估值逻辑与风险反脆弱 (Valuation & Risk)
> 核心任务：价格是否包含了过高的预期？
1. 相对估值（纵向+横向）：
- **历史分位**：当前 PE/PB/PS 处于历史（过去 5-10 年）的什么分位点？
- **同行对比**：与同行业主要竞争对手相比，估值是溢价还是折价？理由充分吗？
2. 绝对估值（反向思维）：
- 不仅仅做预测，请进行**反向 DCF 推演**：当前股价隐含了未来 3-5 年多少的净利润增速？这个隐含预期是否过于乐观？
3. 风险与空方逻辑：
- **空方视角**：全网搜索看空该股票的核心理由（做空报告/负面舆情）。
- **黑天鹅**：政策监管风险、技术路径被颠覆风险、地缘政治风险。
## Output Format (输出结构)
请以结构化输出，并在文末附上【引用来源清单】：
1. 投资结论摘要
- 信号灯评级：🟢买入 / 🟡观望 / 🔴卖出
- 核心逻辑总结（One-liner）
2. 关键财务数据表（含 CAGR, ROE, 现金流匹配度）
3. 深度分析正文（按上述 5 个 Phase 展开，每个结论需附带数据支持）
4. 估值仪表盘（历史分位 + 隐含预期 + 同行对比）
5. 未来监控清单
- 只有当 [事件A] 发生时，才强化买入逻辑。
- 一旦 [数据B] 恶化（如毛利率跌破X%），逻辑证伪，立即退出。
这个框架在ChatGPT、豆包、千问的DeepResearch中挺好用的，
感兴趣的韭菜小伙伴可以试试。
最后
很多人以为，这是散户在“让 AI 给买点”。
但实际并不是。
从我接触到的真实用法来看，大多数高频 Prompt 都集中在这几类：
- 读不完的财报，帮我总结
- 行业太复杂，帮我理一遍逻辑
- 市场吵得太凶，帮我把多空观点放在一张表里
- 我怕自己自嗨，帮我找反证
这些都不是“预测涨跌”。
而是：减少低质量思考的时间，把精力留给判断。
这正是 AI 在股票场景中最合理的位置。
我自己的使用方式，其实非常“反性感”。
毕竟我也是一名韭菜投资者
不追热点、不看盘中信号、不让 AI 给结论
而在投资这件事上，
少犯错，本身就是复利。
当“股票”成为年度第一提示词，
其实不是大家更贪婪了。
而是越来越多人意识到：
真正稀缺的，从来不是信息，而是清晰、克制、可验证的思考。
虽然，在我大A上很罕见...
如果 AI 能在这件事上帮你一把，
那它的位置，就非常值得。
以上。
我是甲木，热衷于分享一些AI干活内容，同时也会分享AI在各行业的落地应用，我们下期再见👋🏻