大白君的奇思妙想：与 AI “辩经”，在质疑中探索 AI 能力的边界

在大白君的身上有很多标签，他是一名财经博主，也是一名 AI 重度实践者。在 0 编程基础的情况下，通过大量实践，大白君探索出一条特色的“人机协同”之路。他对 AI 的应用不只是单纯地作为效率工具，而是通过与 AI 的持续辩论，不断拓展自身能力的边界。

01

AI 除了是效率工具，

更重要的是探索能力边界

或许很多人会将 AI 视为提升效率的工具，但大白君从一开始就带着批判性的眼光审视 AI 工具。

通过大量阅读大模型相关论文并研究底层逻辑，他发现 AI 大模型更像一种新型数据库，在实际应用中常常出现所谓的“幻觉现象”。

这些通用大模型在海量的文字数据上训练后，回答问题时会搜索所有训练过的数据，寻找与问题在统计意义上相似的内容来作为回应。

他举了个简单的例子，连小学生都能轻易分辨的 9.8 和 9.11 的数值大小，通用大模型却无法正确判断，甚至会给出看似合理的错误解释。

图｜通用大模型出现的数学错误

为解决 AI 大模型不擅长处理数学问题这一痛点，大白君通过 Python 等代码语言，构建了一套人机协同工作流。具体来说就是，由 AI 负责海量信息处理、逻辑推理和定量分析等任务，由代码（如 Python ）负责数据校验、修正，确保数据准确性。这两种的结合能有效提升 AI 大模型的信息处理效率和可靠性。

在解决了 AI 关于真实性和准确性的基础痛点后，大白君认为其实关键不在于使用了什么 AI 工具，而在于人的自身认知和思考能力。

“因为 AI 的输出永远无法超越使用者的认知边界，所以你真正需要做的是不断拓展自己的知识范围。”大白君分享道。

为扩展认知边界，大白君不仅深入研究大模型的底层逻辑和相关论文，还通过广泛阅读来丰富自己的知识储备。

他认为，只有真正理解 AI 的思考方式和不同模型的底层设计，才能把握各种 AI 的能力边界，并有效利用不同大模型实现自己的目标。

在这里，大白君也推荐了几个他经常查阅的高质量信息源，这里有丰富的论文资料和相关报告，供大家学习参考，建议感兴趣的朋友可以从了解大模型的底层开始入手。

1. LINUX DO

https://linux.do/

这是一个以人工智能为主题的中文社区。能实时获取全球各地关于 AI 工具的最新动态、用户实测体验、创新用法以及行业趋势分析。

1. Reddit

www.reddit.com

实时获取全球各地关于 AI 工具的最新动态、用户实测体验、创新用法以及行业趋势分析。

1. github

github.com

这里有主流 AI 工具的开源项目，你可以直接查看源代码、查阅模型论文，深入了解 AI 工具的底层逻辑和实现原理。

02

相信大力出奇迹，

与 AI“辩经”能激发创造性

在专业的基金投研领域，如何确保 AI 大模型输出的专业度和准确度？如何让大模型更好地理解任务的真实需求？

大白君认为关键不在于研究复杂的提示词模板，而是要与 AI 进行“辩经”。通过高强度、一来一回的辩论过程，不仅能反思和审视自己的专业判断，还从 AI 身上得到不一样的视觉和洞察。

大白君用自己的批判性思维，经常就某一个问题与 AI 反复进行深入的逻辑辩论。这种“大力出奇迹”的实践方式，让大白君曾每天消耗 4-5 亿 token。如今，他通过经验积累将成本降至每周 1-2 亿 token，可见他与 AI 辩论的强度还是很大的。

以下为大白君 FOF 策略分析框架的分享。

通过与 Gemini 的多番辩论，大白君总结出一套独有的人机结合投资体系：

• 人类假设：明确人的投资哲学，将定性逻辑转化为文档的形式。

• 量化因子：将人类的定性文档作为脚本，转化为机器可理解的定量数据。

• 机器建模：通过 AI 进行因子组合与权重优化。

• 人机协同：人类决策👉结果反馈👉模型迭代。

这套人机结合的投资体系，其核心也是一种“辩经”：先由人类提出假设，再由 AI 进行验证和建模，人根据此作决策，将结果反馈给大模型，大模型再迭代······如此往复，从而最终实现人机协同决策，形成一个不断进化的闭环。

03

想要提升 AI 输出的报告审美，

可以从模仿开始

对于可视化报告的审美，大白君认为除了个人偏好外，找到合适的对标对象也很重要。

他以苹果公司的设计理念为例，通过阅读相关书籍并反复与 AI 交流，学习到提升前端美观度的方法。

他在参考苹果的审美对 CSS 布局进行优化，最终将清晰、美观、重点突出的视觉呈现融入到基金研究的报告中。

（视频｜经过设计的《基于且慢 MCP 的基金分析报告案例》，作者：大白君的奇思妙想，使用平台/模型：Cursor+ Claude 4-sonnet）注：视频所涉具体基金产品，仅为举例释义，不作为任何投资建议。

想要提升可视化报告的审美水平，大白君建议可以从阅读经典的设计书籍起步。他认为设计不仅仅是设计师的事情，掌握了设计原理和基本原则不仅能提升作品的呈现效果，同样也能提升自己生活中素材的运用和审美品味。

大白君推荐了一本经典的设计书——《写给大家看的设计书（第 4 版）》，作者 RobinWilliams 将优秀设计的秘诀归纳为“对比、重复、对齐和亲密性”四条基本原则，而这些原则我们同样也可以运用到与 AI 沟通设计的过程中。

（图｜大白君推荐的设计参考书《写给大家看的设计书（第 4 版）》）

对于希望通过 AI 制作研究报告的新手，他建议可以从模仿开始，特别是借鉴已经在网上公开的量化分析报告。通过学习他人的排版、维度和思路，在实操中形成自己的风格。

最关键的是，报告中必须有明确且突出的个人观点，大白君认为这是 AI 输出高质量报告的核心。

总结自己的 AI 应用经验，大白君认为一份高质量的 AI 分析报告必须建立在高质量、结构化、可信的数据源之上。没有可靠的“数据源”，再厉害的大模型也无法发挥自己的作用。

在财富管理领域，盈米且慢 MCP 可以提供稳定、准确、及时、结构化的“数据源”，为 AI 大模型做基金情况分析提供坚实可靠的数据支持，将过去耗时巨大的报告制作流程产品化、便捷化。

目前盈米且慢 MCP 已经上线 51 项专业金融工具，欢迎大家开通使用～