2026-09-21 · AI
AI 不会替你做判断，它只会放大你已有的判断
过去一段时间我用 coding agent 做了三个分析 skill：可比公司估值、单页 DCF、宏观周更面板。 动手之前我以为收获是省时间。做完之后发现不是——真正的变化是，我的分析流程被逼着写成了文字， 一处含糊都藏不住。
它算不对一道除法，但这不是它的问题
最开始我让 agent 直接出 Comps 表。数据拉得挺像样，中位数算出来总有偏差。原因不神秘： 它是在"生成一段合理的回答"，不是在算术。让它算四个倍数的中位数，它会给你一个看着没错、其实也没对的数。
后来分工改成：agent 负责找数据、对齐口径、写结论；算术全部交给一个 Python 脚本，跑完再让 agent 读结果。 脚本里写死了红线——WACC 小于等于永续增长率直接报错，缺失数据标 N/A，不许拿估值去填空。 这个分工听着像常识，但它改变的是信任结构：我现在能说清每一列数字是怎么来的。
流程含糊的时候，它会把含糊放大成一堆看起来很专业的东西
这是我做完三个 skill 之后最强烈的感受。如果你的流程本身是"凭感觉挑几家同行、倍数大概对齐一下"， agent 会非常勤快地执行这套含糊流程，然后输出一份排版精美、术语齐全、结论可疑的东西。 它不会纠正你的方法，它只会让你的方法跑得更快。
反过来，流程清楚的时候它极其好用。挑同行这件事我原来靠经验，现在写成三条硬标准： 业务模式重合度、规模量级、地域与监管环境。写成文字之后我才发现，自己以前经常偷偷放宽第二条—— 因为真正可比的公司的确不多，多放一家进来，数字就好看了。这个毛病被写出来之后，就不太好意思再犯了。
写 SKILL.md 的过程，本身就是一次复盘
要把一件事交给 agent，你得说清每一步的输入是什么、输出长什么样、什么情况下必须停下来。 说不清的地方，通常就是你没想清楚的地方。
比如"下行地板"这个概念，我脑子里一直有个模糊版本：行情差的时候这公司大概值多少。 真要落成步骤才发现它站不住——行情差是指增长下修，还是折现率上行？两者同时算不算？压多少？ 最后拆成三个参数：增长率打折、WACC 上浮、利润率压缩，每一项都要给理由。 写完之后，那个模糊版本才第一次变成一个能反复跑的东西。
判断还是我自己的事
工具能替我做的，是取数、算术、格式、重复劳动。它替不了的是看到某个数字时心里那一下"不对劲"。 这个直觉的来源很朴素：我在这类数字上真金白银亏过钱。
所以我对 AI 的态度既不是拥抱也不是警惕，是分工——能写清楚的都交出去，写不清楚的留给自己， 然后诚实地承认：后面那一部分才是真正值钱的。