实测WorkBuddy x DeepSeek V4.1 Flash：用它研究股票，别忽略这4件事

我们对 WorkBuddy × DeepSeek V4.1 Flash 做了一次金融投研实测，重点不在于给它打分，而是看它在研究过程中能帮普通投资者省下哪些工作，又有哪些关口仍然必须自己把住。

先说结论：WorkBuddy 可以把资料搜集、计算草稿和研究线索推进得很快。但只要答案涉及实际判断，时间窗、归因、单位和推理条件仍然需要人工复核。它更像一位能快速铺开材料的研究助手，而不是替你完成判断的最后一环。

看对数字，还要看对期间

投资研究里最常见的误导，未必来自一个离谱的数字，而是来自一个看上去完全合理、但时间范围不对的数字。

在一个行情案例中，输出把 chg_60d=-33.95% 放进了“年内”表现一栏；同一份数据里，真正的年初至今变化是 chg_ytd=+64.93%。两个数都可能有出处，但它们回答的是完全不同的问题。

这也是金融 AI 最容易让人放松警惕的地方：数字、表格和解释同时出现，很容易让人以为它们天然一致。实际上，只要表头、正文和数据字段没有对齐，后面的比较和结论就没有可靠基础。

当你用 AI 看股价、收益率或增长率时，先确认三件事：

1. 这个数字覆盖的是哪段时间；

2. 文中的“年内”“过去一年”“过去一个季度”是否与原始字段一致；

3. 用于比较的两组数字是否站在同一个时间起点上。

数字可以是真的，放在错误的时间框里，结论依然会失真。

提到一个对象，不等于已经完成归因

第二个常见问题，是把“在同一段文字里出现”误当成“存在明确因果关系”。

一个涉及腾讯财报脚注的案例里，脚注同时覆盖多个 AI 产品或相关事项。输出据此尝试解释一笔约 105 亿元的差额，但现有披露并不足以把这笔汇总数字单独归到其中某一个对象身上。

对于投资者来说，这个差别很重要。企业的收入、成本、投资和减值，往往都以分部、业务线或汇总口径呈现。一个产品名称出现在脚注中，只能说明它可能与这段披露有关，不能自动证明它就是某笔金额变化的唯一原因。

所以，看到 AI 给出“某项业务带来多少收入”“某个产品拖累了多少利润”这类判断时，最好追问四个问题：

• 这笔钱对应的是哪一个主体或分部；

• 它是收入、成本、投资还是减值；

• 披露写的是确认事实，还是管理层解释；

• 有没有足够细的拆分，排除其他可能的影响因素。

没有分项披露时，更稳妥的说法应当是“这是一个值得继续验证的线索”，而不是把线索直接写成结论。

一行换算，也可能差一个数量级

很多人会把计算题交给 AI，因为它看起来最客观。但金融计算的风险，往往不在公式本身，而在单位、汇率方向和倍率这些容易被一句话带过去的细节里。

一个汇率案例中，输出把 100 亿日元的汇兑计算写成约 1 亿美元的损失。按当时采用的换算关系复算，结果约为 1,025.64 万美元。问题不复杂，却足以让任何后续判断偏离一个数量级。

这类问题给投资者的提醒很直接：让 AI 做计算没有问题，但不要只看最终结果。保留原币金额、汇率方向、单位倍率、公式和时间点，才能知道它是“算出了一个数”，还是“完成了一次可复核的计算”。

特别是在涉及亿、百万、基点、百分比、外币换算和财年口径时，一次复算的价值往往高于一段流畅的解释。

主计算答对，研究也不一定已经收尾

实测中也有一些题目，主计算本身是成立的。但当答案进一步加入补充比例、表间桥接、期间衔接，或把一个方法示范延伸到真实公司时，新的核验点就出现了。

例如，营运资本的定义和示范计算可以讲清楚，不代表它已经是一家真实公司的完整营运资本模型。真实公司还要考虑披露科目、会计分类、报告期间和非经常项目。又例如，一个估值或财务计算的主要公式即使正确，也不代表由此导出的投资判断已经具备了足够条件。

这正是 AI 在投研中更合适的位置：它可以把研究推进到“值得继续看”的阶段，但不能替你宣布“研究已经完成”。

当 AI 开始给出看多、看空、高估、低估或“值得关注”这类判断时，至少还应补上：

• 判断适用的时间范围

• 使用的数据与估值口径

• 哪些事实会推翻当前结论

• 这项判断适合什么风险偏好，而不适合谁。

没有这些条件，结论更像是一条研究假设，而不是可执行的投资决定。

普通投资者该怎么用 WorkBuddy

如果把 WorkBuddy 放在正确的位置，它依然可以显著降低研究的起步门槛。

第一步，用它快速铺开材料。财报要点、行业背景、历史数据、计算草稿和需要追问的地方，都可以先让它整理出来。

第二步，挑最影响判断的部分复核。优先看时间窗、单位、主体范围、原始来源和中间计算，而不是逐字审阅每一句话。

第三步，把结论改写成“条件式判断”。与其接受“这家公司值得买入”，不如保留“如果收入增速、利润率和估值假设仍成立，这一逻辑才值得继续跟踪”。

这样使用，AI 给你的不是一份替代判断的答案，而是一张更快进入研究状态的起点。

结论：它能加快研究，不该跳过研究

WorkBuddy 在这次实测中展现出的价值，是把搜集、计算和解释这些繁琐环节更快地连接起来。对于自助投资者来说，这已经很有用。

但投资研究最关键的部分，通常不在“能不能写出答案”，而在“答案中的数字、归因和判断条件能不能经得起追问”。因此，更合适的期待不是让 AI 代替你做决定，而是让它把你的时间留给真正需要判断的地方。

nashnova：让研究不止停在一次回答

WorkBuddy 可以让研究更快开始：nashnova Agent 的价值，在于让研究不止停在一次回答。你可以把一个问题作为 Task 持续推进，将资料、计算、证据和待验证条件沉淀到 Workspace，等新财报、新数据或反例出现后继续更新。

对独立投资者来说，真正重要的不是得到更多结论，而是保留一条可追溯、可复核、会随着信息变化而修正的研究链。nashnova 不替你做投资决定，但帮助你把这条链真正跑下去。

测评说明

本次实测基于 nashnova 于 2026 年 9 月 22 日 WorkBuddy × DeepSeek V4.1 Flash 记录。样本为 386 道历史金融题，其中 385 道完成。本文仅供研究与教育用途，不构成投资建议。