什么是投资分身？

“投资分身 (investment avatar) ”是 nashnova 基于一个人的研究上下文或可核验的公开框架，制作的可对话、可持续跟踪市场的AI智能体。

对于普通用户来说，它是你自己的研究分身。而对于KOL/KOC，它是nashnova官方合作还原其投资框架的研究身份。

很多“分身”类产品的介绍，会从“像本人一样聊天”开始。

这很直观，却容易把注意力放错地方。语气、口头禅和表达习惯可以制造熟悉感，但它们不能证明一段回答符合一个人真实用过的研究方法，也不能说明结论背后用了什么证据。

对投资研究而言，真正值得保存的不是一个人的表面语气，而是他的判断结构——以及你自己的研究习惯。

一句话解释投资分身

投资分身是一类围绕"某个人的研究框架"建立的 AI 智能体。它可以就新的问题继续提问和推理，而不必在文章、访谈、播客、持仓记录和研究笔记之间反复搜索。

nashnova 上的投资分身有两类：

• 你自己的投资分身：基于你的持仓、关注主题、风险变量和研究习惯建立，帮你把分散的研究上下文变成可持续运行的智能体。

• KOL/KOC的投资分身：与相应专家合作，将其公开和半公开内容还原成最切合本人的投资框架，供你围绕自己的问题追问。

“分身”这个词容易让人误以为系统复制了某个人格、或代表本人继续发言。因此更准的说法是：投资分身保存的是判断结构，而不是人格。

两类投资分身：你自己的，和KOL/KOC 的

你自己的投资分身（个人研究上下文）

这是 nashnova 上用户可自主创建的形态。你可以定义它需要跟踪的资产、主题和风险变量，以及它分析和表达结果的方式。

它会学习你关注的变量、使用的框架和偏好的输出形式，并可以安排盘前复盘、周期扫描、事件跟踪等重复性研究任务。随着你持续使用，它也会形成可被他人关注、提问和共同完善的研究身份——但底层的上下文来自你提供和积累的研究习惯。

KOL/KOC的投资分身（合作形式）

这一类是与相应专家的合作形态。以付鹏官方 AI 分身为例：nashnova 把本人公开和半公开内容拆开、还原出最切合本人的投资框架；你问什么，它按本人的方法和最新观点给你解答。

正如付鹏相关宣传中所描述的，KOL/KOC 型投资分身解锁的不是“能聊天”，而是四个“终于可以”：

• 终于，问的是我正在看的那家公司。 把你正琢磨的那家公司放进去，让专家框架对准你自己的问题，而不是他挑的话题。

• 终于，问在我需要的那一刻。 专家不会刚好在财报夜发文，但你想把一件事反复掂量清楚的那一刻，分身在。

• 终于，可以追问到懂。 看不懂的地方往下问，没有社交成本，那句你不敢私信去问的“问题”，问它。

• 终于，一个问题能问一整桌人。 不同框架的智能体可以一起回答同一个问题，暴露不同侧面。

其背后是一套 Agent 中台：先判断问题该交给谁（分诊），每个智能体当场自主调用机构级数据源取数，再按本人框架推理，并记得你的持仓和上一次判断。

这类分身到底是怎么"长出来"的？以付鹏官方 AI 分身为例：nashnova 先把长期资料里的"事实、背景和阶段性判断"拆开，再去找他处理问题时反复使用的规则——习惯先看哪些变量、按什么顺序排除可能性、出现哪些证据时会修改结论。付鹏本人还会亲自测试系统：他既会正常提问，也会故意加入错误前提，观察 AI 能否发现问题、还是顺着错误继续回答。每一次纠错都会重新写入训练规则和评测题库，同类问题会在下一版产品上线前再次测试。用付鹏自己的概括，这一版分身是"数字人有了大脑"——脸和声音可以快速复制，真正难复制的是一个人看待问题的方式。

真正应该被保存的不是语气，而是判断结构

投资分身可以有两种完全不同的方向。

第一种是表面模仿：学习常用词、句式、语气和回答风格，让对话听起来像某个人。

第二种是研究结构化：识别一个人如何定义问题、采用哪些证据、如何处理反方信息，以及什么条件会使原有判断失效。

在娱乐或陪伴场景中，表面模仿可能已经足够。但投资研究会影响用户如何理解公司、风险和价格，因此仅仅“说得像”远远不够。

如果一个系统无法告诉你某项判断依据什么材料、哪些部分是推断、什么信息可能推翻结论，那么熟悉的语气反而会放大误导。

公开材料如何变成KOL/KOC 型投资分身

一套可核验的KOL/KOC 型投资分身，至少需要经过五个步骤。

1. 收集可核验的公开与半公开材料

材料不是越多越好，关键是能否确认来源、时间和上下文。不同专家的材料结构也不同：有人长期写文章和日记，有人通过年鉴和调研纪要解释市场，也有人更多通过监管披露、公开演讲或访谈留下研究线索。

2. 建立事实与来源表

先把材料中的事实、原话、数据和判断分开，并记录来源。这样可以避免系统把二手转述当成原话，或把历史语境中的观点直接搬到今天。

3. 提炼研究框架卡

框架卡不是名言合集，而是回答一组稳定问题：

• 他通常如何定义研究问题？

• 哪些变量被视为关键证据？

• 哪些反方信息必须检查？

• 这套方法适用于什么范围？

• 什么条件会使原有投资逻辑失效？

4. 区分事实、公开观点和框架推断

同一句回答里，至少可能混合三层内容：公开材料中的事实、专家曾公开表达的观点，以及系统将框架应用到新问题时产生的推断。

这三层必须分开。系统推断不能包装成本人原话，也不能因为“符合某种风格”就被称为本人当前观点。

5. 让用户围绕自己的研究对象继续追问

完成结构化之后，用户才可以把自己的公司、行业或市场问题放进这套框架中，并要求投资分身列出依据、反方证据、适用边界和下一步需要核验的变量。

这一步把单向内容变成研究工具，但不改变责任边界：用户仍需核对来源并独立作出判断。

6. 本人持续校准

可核验的分身不是一次性训练完就固定不变。关键的差异在于"校准"而非"抓取"：专家本人需要持续提问、纠错，并把自己的判断过程讲清楚；投入时间越长，系统积累的规则和测试案例越多，后来者越难仅靠收集公开内容完成复制。

对授权合作型投资分身，这意味着两件事：第一，一次错误带来的修正必须被保留，并继续影响系统之后的回答；第二，材料范围、训练时间和更新版本都要向用户说清。只收集公开内容，AI 可以模仿一个人"说过什么"，却往往不足以还原他"遇到新问题时先看什么"。这正是投资分身可信度的来源，也是它与普通聊天机器人的分界。

如何判断一个投资分身是否可信

使用投资分身时，可以先做以下检查：

1. 是否说明材料来自哪里。 只说“训练了大量内容”，无法帮助用户核验。

2. 是否区分原始事实与系统推断。 推断不应伪装成原话。

3. 是否声明与本人的关系。 未获授权时，不能暗示参与、背书或官方身份；获授权时，须说明授权边界与材料范围。

4. 是否展示反方证据。 只输出符合标签的单边观点，会把框架变成刻板印象。

5. 是否说明适用边界和失效条件。 没有边界的框架很容易被滥用。

6. 是否避免把历史观点冒充当前观点。 过去材料必须保留原始语境。

7. 是否允许用户核验来源。 重要判断应能回到原始材料或明确标记为系统分析。

8. 是否拒绝保证收益和替用户决策。 研究辅助不能被包装成交易指令。

投资分身能做什么，不能做什么

投资分身最适合承担的是“研究视角”而不是“人物替身”。它可以帮助用户系统地提出问题，但不能替本人发言，也不能替用户承担决策责任。

在 nashnova 中如何使用投资分身

在 nashnova 中，投资分身有两条使用路径。

你自己的投资分身：在官网或应用中创建，定义它要跟踪的资产、主题与风险变量，安排盘前复盘、周期扫描、事件跟踪等重复任务，让它随着你的使用越用越懂你在意什么。

KOL/KOC的投资分身：通过“分身广场”选择不同专家的研究视角，再围绕自己的标的或问题继续追问。一个更可靠的用法，是不要只问“他会不会买”，而是要求投资分身展开研究过程。例如：

• 用这套框架分析这家公司时，最关键的三个问题是什么？

• 哪些事实支持当前投资逻辑，哪些证据与它冲突？

• 这套框架在什么情况下不适用？

• 还有哪些数据需要回到财报、监管文件或公司公告核验？

• 如果关键假设变化，原有判断应如何调整？

这样的提问方式，会把专家标签转化为可检查的研究步骤。用户仍应核对原始材料，并将输出作为研究与教育用途的辅助信息，而不是本人观点或个性化投资建议。

结语

投资分身最容易展示的是“像不像”，最难建立的是“是否可信”。

对投资研究来说，后者更重要。一个投资分身不需要假装成为某个人；它需要把研究上下文或可核验的公开框架整理清楚，让用户看见判断依据、反方证据和适用边界，并能围绕自己的问题继续核验。

这不是把人变成永远在线的替身，而是把分散的研究方法变成更可追踪的研究工具。