庙算：69 万星的 AI 分析项目，真正教你的不是选股

2026-11-10silcano

庙算：69 万星的 AI 分析项目，真正教你的不是选股

江楠AI · 2026-11-10 · 约 1895 字

01 ／ 它们卖的不是结论，是流程

先说清楚：这类项目不构成任何投资建议，我也不是在推荐你用 AI 决定买什么。

但它们的工程结构值得学。

`daily_stock_analysis` 干的事：定时抓多源行情 → 抓实时新闻 → 让模型做摘要和打分 → 汇总成看板 → 推送。

`ai-berkshire` 干的事：把四位投资人的方法拆成可执行的追问清单 → 多个 Agent 并行研究同一家公司 → 汇总分歧。

一个解决“信息太多”，一个解决“框架太散”。

这两件事，跟你做任何一个决策时的困境，是同构的。

02 ／ 孙子说，赢在开打之前

《孙子·计》里有一段，被历代兵家当成总纲：

“夫未战而庙算胜者，得算多也；未战而庙算不胜者，得算少也。多算胜，少算不胜，而况于无算乎！”

庙算，是开战前在庙堂里推演。孙子的意思很直接：胜负在开打之前就定了，定在你算了多少。

注意他用的是“算”这个字，不是“谋”。算，是量化的、可以逐条列的、能拿出来对的。

AI 最擅长的正是这个：把一件模糊的事，拆成几十条可以逐条核对的问题，然后一条条填。

而人最容易犯的错，是“无算”——凭感觉、凭消息、凭情绪，直接跳到结论。

AI 帮不了你“看准”，但它能逼你“算全”。而算全了，看准的概率自然上去。

03 ／ 一个能抄的“庙算”结构

我把 `ai-berkshire` 的思路抽出来，发现它能用在任何重大决策上。

第一步：先列“不知道”。 把所有你不确定的事写下来。这一步最痛，也最关键。多数决策失败，不是因为算错，是因为漏算。

第二步：给每条“不知道”配一个可查的证据。 不是“我觉得”，是“去哪看什么”。查不到的，标注“无法验证”，别猜。

第三步：让多个角色分别算。 一个乐观的、一个悲观的、一个只挑毛病的。三方结论不一致的地方，就是风险所在。

第四步：写下“什么情况下我会改主意”。 这一条是止损线。事前列好，事后才守得住。

四步里，第三步是 AI 真正能帮上忙的地方——它不累，可以同时扮三个角色，还不会因为怕得罪你而顺着说。

▲ 双松平远图（AI 配图）

04 ／ 三个必须防的坑

工具越好用，坑越深。三条我自己踩过的。

① 别把“信息多”当“判断准”：接了十个数据源，看起来全面，实际上十个源可能引用同一个原始出处。多源要先查“源是否独立”，否则只是同一条消息被复读十遍。

② 别让它替你下结论：可以让它列证据、算概率、找反例，但“买不买、做不做”这一句，必须你自己说。因为亏了没人替你还。

③ 别忽略“它读的是旧闻”：所有自动抓取都有延迟，所有模型都有知识截止。凡是“刚刚发生”的事，先自己核一遍时间戳，再看它的分析。

这三条有个共同点：都在提醒你，工具的输出是原料，不是成品。

05 ／ 会算的人，才配谈运气

孙子那套“庙算”，说到底是在降低运气的权重。

你不能消灭运气，但你可以让“算”的部分足够大，大到运气影响不了大局。

AI 让“算”变便宜了。以前请人做一份行业研究要几万块，现在几块钱能出一个初稿。

但便宜的东西有个副作用：人会不珍惜。

所以真正稀缺的，不是算力，是愿意认真算的那个态度。

多算胜，少算不胜。这句话两千五百年没变，也不会因为有了 AI 就变。

AI 能替你算，替不了你担。所以“算”的过程，你还得亲自走一遍。

最后想问问你：

你最近一个重要决定，列过“我不知道什么”这张单子吗？

江楠AI

向内看，向前走。

文中配图为 AI 生成，仅作意境示意。文中数据与仓库信息截至 2026 年 11 月 10 日。

数据来源：GitHub `ZhuLinsen/daily_stock_analysis`（约 69.4 万星，LLM 驱动多市场分析、多源行情、实时新闻、决策看板、定时运行）、`xbtlin/ai-berkshire`（约 1.7 万星，四大师方法论 + 多 Agent 并行研究），截至 2026-11-10。本文仅讨论工具与决策方法，不构成任何投资建议。经典出处：《孙子兵法·计》。