财智猫

先解决工具散落，而不是再造一个“AI 给答案”的入口

研究黄金、基金、股票和加密资产时，行情在一个工具里，指标在另一个里，策略验证和交易记录又各自一处。信息越多，越容易跳过验证、直接追逐某个结论——工具的碎片化，最终变成研究纪律上的漏洞。

WealthWhisker 的起点因此不是预测模型，而是一条更短的路径：先观察，再立规则，最后用模拟资金检验。

支撑观察的数据层也要经得住真实环境：行情通过多来源连接器进入服务端，并在数据库中缓存。这个选择让原型在接口限流或短时波动时仍可使用，也意味着界面需要诚实地呈现更新时间，避免把不同来源的数据误读成完全同步的实时流。

让研究卡片解释，而不是替用户拍板

指标算得出来，却不容易读；新闻读得懂，却真假混杂、情绪先于事实。想让语言模型来帮忙，又不能让它顺手把判断也接管了。

研究卡片要解决的就是这个矛盾：让内容可读，同时不让模型碰任何会影响判断的数字。做法是把「算」和「说」拆开——卡片上的数字没有一个是模型生成的，星级、趋势信号、决策建议和置信度全部由规则算出。模型只被安排做两件事：把聚合到的财经新闻逐条判读成结构化的情感结论（方向、分数、关键事件），再把这些信号连同技术面写成一段两百字以内的摘要。新闻判读的输出要经过字段校验才能进入卡片，摘要生成失败时则整段回退到规则文案。

给摘要的提示词写死了边界：不使用绝对化措辞，只做概率性表述，必须附带风险提示。这个安排背后的取舍是，让语言模型把数字翻译成人话，而不是生产新的数字——模型可以被整个摘掉，卡片上剩下的判断依然成立。

从历史数据走到模拟执行

卡片把信号讲清楚了，但看懂信号是一回事，把它变成订单是另一回事：犹豫、仓位占用、连续操作的失误，只有真的按下去才会暴露。

这一步要做的是把操作现场搬进产品，而不是接入真实资金——补齐模拟账户、订单、持仓和资金变化。

下单面板沿用当前资产和账户信息，用户仍需明确方向、数量与订单参数。这个步骤故意保留摩擦，因为沙盒的价值不是让交易更快，而是让决定更容易被检查。

把策略变成可以重复的实验

在模拟盘里按过几单之后，新的问题跟着浮出来：这个判断基于什么规则？换一组参数还成立吗？计入手续费和滑点后还剩什么？回答不了这些问题，判断就仍然只是“感觉”。

与其在界面上强调“推荐”，我更想把回答这些问题的能力交给用户。回测模块因此提供四种规则策略，把参数、收益曲线、回撤和逐笔交易放在同一页——每次运行都形成一份可比较的实验记录，而不是一张脱离条件的收益数字。

这里最重要的产品决定，是让验证优先于预测。轻量趋势信息可以作为观察线索，但不会替代回测条件，也不会越过用户直接变成操作。

让偏好筛选信号，让边界先于使用

同一套界面要面对保守型、平衡型、激进型三种研究者，而金融产品还有一个绕不开的前提：无论信号多准，都不能构成投资建议。使用者不同，看到的内容就该不同；开始研究之前，责任边界要先落成文字。

个人中心要做的，是让账户记住“这是谁”。风险偏好存在账户里（保守、平衡、激进，默认平衡），可随时在基本设置中修改，决策看板按它筛选资产信号，模拟下单面板也会提醒“请确保该笔交易符合您的风险偏好”；免责声明的确认连同时间戳一起写入账户，提示文案常驻每个页面底部；会员升级卡片以“解锁高级回测因子”为主文案放在同一页——原型只验证入口的位置与文案，不接支付链路。

偏好决定看到什么，免责确认决定能否开始，会员决定还能走多远——三者都挂在账户上，产品回应的因此是“正在使用它的那个人”，而不是一个抽象的平均用户。

这次做成了什么

当前原型已经连通登录、决策看板、资产详情、规则回测、模拟交易和研究卡片。它验证的是从“看到机会”到“用规则和模拟资金检查机会”的完整路径。

下一轮会优先统一不同数据源的口径，补齐自动化测试，并在更长时间跨度的行情压力下验证缓存和任务链路。比增加更多预测能力更重要的，是让每次实验都更可复现、更容易解释。