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，欢迎大家免费开通使用～