AI 选股工具怎么用
AI 选股工具不应只给股票名单。本文说明如何固定筛选范围，把自然语言改成字段、阈值与缺失策略，核对来源、截止时间与命中理由，并用缺数和冲突测试检查工具是否保留未知与错误。候选只用于后续研究，不是荐股或买入指令。
AI选股工具的合理用途，不是猜哪只股票会上涨，而是把一个宽泛问题变成可检查的筛选任务：先固定标的范围，再明确字段、运算符、阈值和时间口径，最后保留命中、未命中、缺数与错误。候选只是下一轮研究对象，不构成荐股，也不能替代用户对原始数据和风险的判断。
先把“选好股票”改成可执行任务
下面两种写法看似在问同一件事，实际可核验程度完全不同。
不可核验：
帮我选几只基本面好、趋势强、风险低的股票。
“好”“强”“低”都没有定义，模型只能自行补假设。即使给出名单，也无法判断它用了哪些数据、漏掉了什么。
可核验：
在已确认可用的沪深 A 股范围内，以 2026-08-13 为数据截止日，按我指定的字段 A、字段 B 和条件 C 筛选；最多返回 20 个候选。逐行显示原始值、来源、
asOf、命中/未命中理由。字段缺失或日期不一致时标记UNKNOWN，不把缺数当作 0，不输出买卖建议。不要写入标的池，等我确认后再保存。
这不是一条推荐规则，而是一份任务合同。字段是否可用、实际覆盖范围和数据许可仍需在运行时核对；产品事实不支持“全市场”“零延迟”或“完全实时”的承诺。1
一条可核验的筛选任务怎样流转
1. 固定 Universe（候选范围）
至少写明市场、标的类型、数据日期、排除项和候选上限。例如“沪深 A 股”仍需确认实际代码范围；ETF、指数和部分期货不能默认混入同一个股票池。
2. 把自然语言拆成条件
每项条件都应变成以下五个字段：
| 字段 | 要填写什么 | 常见失败 |
|---|---|---|
field | 实际数据字段 | 用“质量好”代替字段 |
operator | >、<、区间、包含或排除 | 把模糊程度词当运算符 |
value | 数值、类别或布尔值 | 没有单位或币种 |
period | 报告期、观察窗口 | 季度与年度口径混用 |
missing_policy | 缺数时排除、保留或停止 | 静默补零 |
Bastix 的自然语言结构化能力为 Beta。它可以帮助整理研究与策略骨架，但用户必须确认模型没有擅自增加指标、改变周期或补出阈值。2
3. 先确认工具实际支持什么
不要因为界面能接收自然语言，就假设所有条件都能计算。正式运行前，逐项确认实际可用的市场范围、字段名称、报告期、运算符、数据来源和更新时间；无法确认的条件应删除、替换或标为 UNKNOWN。如果工具把自然语言转成结构化条件，还要先比较原话与转换结果，再决定是否执行。
4. 保留四类结果
一份可复核结果不只有“命中名单”。至少应包含：
MATCH：所有必需条件有值且满足；NO_MATCH：字段存在，但明确不满足；UNKNOWN：关键字段缺失、过期或口径冲突；ERROR：标的解析、工具调用或计算失败。
如果软件只输出前 10 名，用户无法区分其余标的是未命中、缺数据，还是根本没被计算。
5. 确认后再保存候选
保存不是筛选的默认终点。先人工确认实际范围、条件版本和异常行，再选择保存位置。Bastix 已登记的标的池能力仅用于在沙箱内增删、去重和维护研究对象；它不是券商自选股同步，也不会产生订单。本文没有执行筛选结果写入测试，因此不对自动写入、写入字段或失败行为作承诺。3
6. 对每个候选使用同一复核表
逐项复核时，应对每个候选提出相同问题，例如“入选字段能否回到原始来源”“有哪些反对证据”“最新资料是否改变原条件”。可以人工逐项执行，也可以使用经过批准和测试的批处理工具；无论采用哪种方式，都要保留未完成项和错误项。表格看起来完整，不代表结论正确，原始来源仍需人工核查。
候选表至少要有这些列
| 列 | 作用 | 不应怎样处理 |
|---|---|---|
| 标的代码与名称 | 防止同名或代码解析错误 | 只显示简称 |
| Universe 版本 | 说明实际筛选了谁 | 写成“全市场” |
| 条件版本 | 复现字段、阈值和逻辑 | 只保留自然语言 |
| 原始值与单位 | 复算是否命中 | 只给综合分 |
| 数据来源 | 回到原数据 | 用“AI 数据”代替来源 |
asOf | 判断数据新旧 | 用页面打开时间冒充 |
| 结果状态 | 区分命中、未命中、未知和错误 | 隐藏失败行 |
| 入选/排除理由 | 解释条件判断 | 输出无来源理由 |
| 保存决定 | 记录是否保存、保存位置与人工确认人 | 把保存等同于推荐或下单 |
| 下一步问题 | 指向反证和深挖 | 直接写买入建议 |
AI 参与筛选时，多出来哪些风险
规则筛选和模型筛选不是一回事。规则筛选的主要问题是字段与阈值是否正确；模型还会引入额外风险：
- 语义补全：把“稳健”自行解释成低波动或低估值；
- 覆盖偏差：只对资料丰富、名称容易识别的标的形成解释；
- 排序黑箱：综合分无法拆回特征与权重；
- 版本漂移：相同问题在模型或提示词变化后得到不同条件；
- 解释幻觉：先给名单，再生成看似合理的入选理由；
- 事后过拟合：根据已知涨跌反复调整条件，直到历史结果好看。
处理方法不是追求一个“更聪明”的分数，而是保存原始请求、结构化条件、模型/提示词版本、运行时间、所有状态和人工修改。任何候选都应能回到实际字段；回不去就保持 UNKNOWN。
什么时候停止使用本次结果
出现以下任一情况，应停止把结果用于下一步判断：
- 实际筛选范围说不清；
- 关键字段没有来源或
asOf； - 不同标的使用了不同报告期，却没有标记；
- 缺数被当作零或自动排除；
- 综合分无法拆解；
- 结果被保存，但用户不知道保存对象或影响；
- 模型输出买卖指令或收益保证；
- 工具错误后仍生成完整名单。
适合的下一步
第一次使用时，只选一个小范围和两项你能人工复算的条件，并故意加入一个缺失字段。检查工具是否保留 UNKNOWN，再决定是否保存候选。需要判断产品是否适合自己的选股习惯，可继续阅读选股软件任务型选型指南；需要核对 AI 选股和收益宣传的风险，可阅读AI炒股靠谱吗。如果标的已经选定、需要对它逐项核对财务与公告，那属于分析任务，见AI 股票分析——选股负责"从多到少筛出候选标的"，分析负责"对已选定标的做可复核的诊断"。
查看 Bastix 数据范围 · 了解沙箱标的池边界 · 进入工作台试一次筛选