博客
怎样让 AI 记住你的持仓？
要让 AI 记住你的持仓，需要提供的不只是股票代码和数量，还包括为什么持有、准备验证什么、能承受什么风险，以及哪些变化会推翻原判断。nashnova 可以将这些信息作为长期记忆，并根据后续对话更新；用户应定期检查，在长期记忆页面修改或删除不再准确的内容。
持仓是“你有什么”，投资逻辑是“你为什么有”，风险偏好则决定“什么情况下你会改变”。只有把这三层信息放在一起，AI 才能把新财报、行业数据或宏观变化与用户已有判断联系起来。
关键要点
只保存股票代码，通常不足以支持后续研究；还需要投资逻辑、风险、时间范围和研究目标。
nashnova 可以根据对话更新长期记忆，但自动更新不等于持仓始终最新。
用户可以在长期记忆页面查看、修改和删除相关内容。
删除某项记忆后，该内容不再作为后续分析背景使用；数据处理和保留规则以正式隐私政策为准。
长期记忆用于研究上下文，不会替用户下单或作出买卖决定。
为什么只给 AI 一串股票代码不够？
假设两个人都持有同一只半导体股票。一个人看重未来三年的先进封装需求，另一个人只是做财报前后的事件研究。代码相同，但需要观察的指标、时间范围和风险完全不同。
如果 AI 只知道股票名称和数量，它容易给出通用的公司介绍、近期新闻或价格波动解释。要判断一条新信息是否真的影响用户，AI 还需要知道：
这笔持仓在组合中占多大权重。
最初持有的理由是什么。
哪些事实支持或削弱这个理由。
用户关注几周、几个季度，还是数年。
用户能承受怎样的波动和集中度。
哪些变化会让用户重新检查原判断。
完整上下文并不会让 AI 自动得出正确结论，但能减少“回答了一堆信息，却没有回答你的问题”的情况。
AI 应该记住哪些投资上下文？
一套实用的持仓记忆至少包含五层信息：持仓事实、投资逻辑、风险偏好、观察信号和时间限制。
信息层 | 示例 | AI 可以如何使用 | 用户仍需核对 |
持仓事实 | 代码、数量、组合权重、成本区间 | 识别组合暴露、集中度与相关风险 | 是否为最新持仓 |
投资逻辑 | 为什么持有、关键经营假设 | 将新证据与原判断联系起来 | 投资逻辑是否已经改变 |
风险偏好 | 可承受回撤、禁投范围、集中度限制 | 调整研究重点和风险提示 | 是否仍符合当前情况 |
观察信号 | 财报指标、行业数据、政策变量 | 组织后续核验清单 | 信号是否真正影响结论 |
时间与限制 | 信息截止日期、研究期限、已知数据缺口 | 避免把旧信息写成当前事实 | 来源、时点与完整性 |
持仓数量和成本不一定需要精确到每一笔成交。用户可以根据研究目的提供组合权重或大致成本区间。更重要的是明确数据截至哪一天，避免 AI 把旧持仓当成当前持仓。
可以直接复制的持仓上下文模板
第一次建立记忆时，可以按下面的结构提供信息：
资产 / 代码：
持仓数量或组合权重：
大致成本区间（可选）：
持有理由 / 投资逻辑：
计划验证的关键指标：
可能推翻判断的风险：
研究时间范围：
风险偏好与限制：
希望 AI 帮助完成的任务：
信息截至日期：
例如：
资产 / 代码：XYZ
组合权重：约 8%
持有理由：预计未来两年数据中心需求将带动核心业务增长
关键指标：数据中心收入、毛利率、主要客户资本开支
可能推翻判断的风险：订单增速明显放缓，或毛利率持续低于预期
研究时间范围：未来 4 个季度
风险偏好：不希望单一主题占组合超过 25%
希望 AI 完成：检查新财报是否支持原投资逻辑，并列出反面证据
信息截至日期：2026-08-19
这段输入没有要求 AI 判断“该不该买”，而是告诉它应当检查什么。后续对话也更容易围绕同一组假设继续。
模糊输入和完整上下文会带来什么不同？
输入方式 | 示例 | 常见结果 |
只有代码 | “我持有 XYZ，帮我分析。” | 容易生成通用公司介绍和近期信息摘要 |
代码加仓位 | “XYZ 占组合 8%。” | 可以讨论集中度，但不知道用户为什么持有 |
持仓加投资逻辑 | “XYZ 占 8%，我看重数据中心业务。” | 可以把新证据与业务假设联系起来 |
完整上下文 | 加入关键指标、风险、时间范围和组合限制 | 更容易区分支持证据、反面证据与后续观察项 |
上下文越长不一定越好。重复新闻、无关个人信息和已经失效的假设会增加噪音。真正需要保存的，是后续研究仍会使用的背景。
nashnova 如何更新长期记忆？
nashnova 可以记住用户保存或在 AI Agent 对话中提到的投资逻辑、持仓、风险偏好及相关投资上下文。系统可以根据后续对话更新这些信息，并在未来研究中把它们作为分析背景。
例如，用户在对话中说明已经卖出一项持仓，或原来的投资逻辑因财报变化而失效，相关上下文可以随对话更新。这样，下一次研究不必从零解释全部背景。
但自动更新不等于系统能自动知道用户在产品之外完成的每一笔交易。除非用户在对话或长期记忆中补充变化，否则保存的信息可能已经过期。每次明显调整持仓、改变投资逻辑或风险偏好后，都应检查一次长期记忆。
关于 Agent 如何使用研究框架和上下文，可进一步阅读什么是投研 Agent。
如何查看、修改或删除持仓记忆？
用户可以在长期记忆页面查看系统保存的投资逻辑、持仓、风险偏好及其他投资上下文。
发现信息不准确时，应直接修改，而不是依赖后续回答自行纠正。常见需要更新的情况包括：
买入、卖出或明显调整仓位后。
原投资逻辑被新证据削弱或推翻后。
研究时间范围发生变化后。
可承受回撤、集中度限制或其他风险偏好改变后。
记忆中的信息已经没有后续研究价值时。
用户也可以删除不需要的记忆。删除某项记忆后，该内容不再作为未来分析的背景使用。这个表述不代表它会立即从所有技术日志、备份或副本中永久清除；具体数据处理和保留规则应以 nashnova 的正式隐私政策为准。
哪些信息适合保存，哪些不应输入？
持仓记忆的目标是支持研究，不是收集越多个人信息越好。只提供完成研究所需的最少信息。
可以作为研究上下文 | 不应为了投研而输入 |
持仓、组合权重、成本区间 | 券商密码、支付密码 |
投资逻辑和观察指标 | 短信验证码、动态令牌 |
风险偏好和研究目标 | 完整银行卡号或无关身份证明 |
用户主动设定的投资限制 | 与研究无关的私人敏感信息 |
是否提供精确持仓数量和成本，应由用户根据研究需要决定。如果用组合权重和成本区间已经足够，就没有必要输入更多细节。
持仓变化后，多久检查一次记忆？
没有适合所有人的固定频率。比起每天机械检查，更实用的做法是按事件维护：
完成一笔买入、卖出或明显调仓后。
公司发布重要财报、指引或监管文件后。
原投资逻辑的关键假设发生变化后。
组合的主题暴露或风险偏好改变后。
准备让 AI 进行新的组合研究前。
如果持仓长期没有变化，也应在再次使用前核对信息截至日期。旧数据写得再完整，也不等于当前上下文。
如何确认 AI 使用的是正确持仓？
在让 AI 做深入研究前，可以先要求它复述当前上下文：
请先列出你当前记住的持仓、组合权重、投资逻辑、风险偏好和信息截至日期。把不确定或可能过期的项目单独标出，不要直接开始分析。
核对时至少检查四项：
持仓是否完整。 是否漏掉已新增的资产，或保留已经卖出的资产。
权重和成本是否仍合理。 不需要精确到实时价格，但不能沿用明显过期的数据。
投资逻辑是否仍是当前判断。 用户可能已经改变观点，但旧理由仍留在记忆里。
时间是否清楚。 AI 应说明信息截至日期，而不是默认所有内容都是最新的。
确认上下文后，再提出组合风险、财报影响或新证据核验等问题。这样可以把“记忆错误”与“分析错误”分开排查。