內容大網
我現在設計 AI 投資研究提示詞,主要透過六個步驟:請 AI 起草、用語音補強、實際測試、整理問題、修訂及存檔。
我沒有提示詞工程的專業背景。這套方法不是一開始就規劃好的,而是在實際研究企業、不斷發現問題的過程中,逐漸整理出來的。

第一步:決定自己想研究什麼
一開始不需要建立完整的投資研究系統,只要先決定想解決什麼問題。
例如,我想研究一家企業的護城河,了解它的競爭優勢,以及這些優勢未來能否持續。
這時不必自己想出所有分析項目,有明確的研究目的就可以開始。
第二步:直接請 AI 設計提示詞
接著,我會請 AI 根據研究目的,寫出一份可以重複使用的提示詞。
例如:
「我想深入研究一家企業的護城河,請幫我設計一份完整的研究提示詞,包含分析項目、資料來源,以及最後應該提供的研究結論。」
我最初建立投資研究系統時,也是先請 AI 產生一整套 Excel 提示詞資料庫。只是當時內容相當簡略,後來才改成逐項建立更完整的研究指令。
所以,我把 AI 產生的第一版視為討論起點,而不是完成品。
第三步:邊閱讀、邊用語音討論與補強
這是我現在相當常用的方法。
以前我主要靠打字,後來發現直接使用 ChatGPT 輸入框旁的麥克風,反而更符合我的閱讀習慣。
我的做法是邊閱讀、邊把疑問用語音記錄下來,等整份內容看完再一次送出。
例如,看到護城河研究缺少波特五力分析,我就打開麥克風說:
「這邊沒有討論波特五力,請補上波特五力分析。」
講完按下停止錄音,先不送出訊息,繼續往下閱讀。
如果看到後面,又覺得缺少讓一般人容易理解的企業介紹,我就再次開啟麥克風:
「最後請加入一段簡短的公司故事,讓國中生也能理解這家企業在做什麼。」
如果對競爭優勢的分析有疑問,也可以繼續補充:
「這項優勢未來不會被其他公司取代嗎?請加入國外競爭者比較,並考慮未來可能的變化。」
就這樣,看到哪裡有問題,就直接說出來。講完先停止錄音,繼續閱讀,再補充下一個疑問。
等整份內容看完,輸入框裡已經累積了一段修改意見。最後再補上一句:
「以上是我目前的想法,請幫我整理並修改提示詞,保留原本重要的研究要求。」
接著才把訊息送出,讓 AI 統整。

再請 AI 檢查我沒想到的地方
AI 整理完後,我通常還會問:
「請再幫我檢查,有沒有我沒有注意到的重要問題或缺漏?先提出建議讓我判斷。」
AI 往往會提出一些我原本沒有想到的分析角度。
如果覺得有價值,我就請它加入;如果認為沒有必要,也不一定採納。實際上,它提出的不少建議,確實能補足我原本的思考。
最後,我會再請 AI 檢查是否仍有重要缺漏。如果沒有發現值得繼續修改的問題,就先進入實際測試。
對我來說,最重要的不是自己寫出漂亮的提示詞,而是能把問題說清楚,再由 AI 協助整理。
第四步:找一家企業測試,而且不只用一次
提示詞寫好後,我會拿來實際研究企業。
例如,把護城河研究提示詞用在實威(8416),請 AI 分析它的商業模式、競爭優勢與長期風險。
實威代理 SOLIDWORKS 等工業軟體,客戶更換軟體可能有相當高的轉換成本。
但這不代表客戶也很難更換代理商。
因此,研究時還需要追問:實威本身的競爭優勢是什麼?客戶為什麼選擇它?如果原廠改變代理政策,又會有什麼影響?
這類問題,往往是看到實際研究報告後才會發現。
不過,我不會每發現一個小問題,就立刻修改提示詞。
有些不足可以先接受,繼續使用。
等同一份提示詞使用四、五、六次後,可能會發現某些問題反覆出現。
這時再把問題整理起來,判斷究竟是個別企業的特殊情況,還是提示詞本身缺少重要要求。
反覆測試,比只看第一份研究報告,更容易知道哪些規則真正需要補強。
第五步:把反覆發生的問題交給 AI 修訂
我的企業財報追蹤提示詞 INV-06,就是實際使用後逐漸修改的例子。
它主要用來分析企業最新財報、法說會及重大資訊,檢查原本的投資假設是否需要改變。
在使用過程中,我陸續提出三項需求。
第一,不必每次都重新研究所有資料。
有時我只想分析最新財報,有時只想研究法說會。如果每次都把所有資料重新找一遍,容易造成重複工作。
因此,我要求 AI 依照當次指定的主題研究,再視需要整合結果。
第二,財報比較要更清楚。
我希望 AI 不只是整理本季數據,還要比較上一季與去年同期,分析營收、毛利率、營業費用及獲利變化的原因。
因此,我要求它強化財務三表的比較,並以表格呈現重要數據。
第三,加入自己過去的預測與實績比較。
後來我想到,既然估值 Excel 保留了過去的預測,為什麼不把財報公布前的估計,與實際結果比較?
這樣就能檢查自己原本是否高估營收、低估費用,或對企業獲利能力的判斷出現偏差。
我與 AI 討論應該比較哪些數據,以及如何確認 Excel 裡的數字確實是事前預測。這項需求先列為待審修訂,後來才正式納入 INV-06 V1.5。
這些修改都不是一開始就想到的,而是在研究過程中逐漸發現。
現在遇到問題時,我會先請 AI 檢查原有提示詞是否已經包含相關要求,再決定要新增、修改、合併還是刪除。
修改後也要比對新舊版本,避免重要規則被意外刪除。
提示詞不是越長越好,而是要能解決實際遇到的問題。
第六步:核定版本,保存成 TXT 檔案
提示詞修改完成後,我會要求 AI 正式核定版本。
目前,我將相關提示詞集中在同一個 ChatGPT 專案中管理,並利用專案指示,預先設定版本核定與存檔規則。
例如,可以在專案指示中要求:
「當我確認核定提示詞時,請提供完整正式版內容供我核對,標明版本,建立對應的 TXT 檔案,並確認檔案可供日後重新使用。」
這樣每次修改完成,就不需要重新交代存檔流程。
我會檢查正式版全文是否正確、重要要求是否保留,以及 TXT 檔案是否確實建立並能再次取得。
為了避免版本太多造成管理混亂,我只保留整合後的核定正式版,不另外保存每次修訂的歷史紀錄。
等到真正要研究企業時,就直接從 ChatGPT 檔案庫附上需要的正式 TXT,請 AI 先完整閱讀,再依照該版本執行。
不必每次都複製一整段很長的提示詞,也能減少使用錯誤版本的機會。
如果之後又發現新的問題,就回到前面的步驟繼續改善。
結語
這六個步驟,就是我目前設計、測試、修改及管理 AI 投資研究提示詞的方法。
我認為,不一定需要懂提示詞工程才能開始。先提出研究問題,再把自己的疑問與觀察告訴 AI,就能逐漸建立適合自己的研究工具。
AI 也可以主動提出我沒有想到的建議,但是否採納,仍然需要自己判斷。
至於提示詞修改得更完整,是否真的能提升投資研究與預測品質,還需要透過後續的實際結果驗證。
對我而言,這套方法最大的價值,是讓自己的投資思考逐漸變成一套可以反覆使用、檢查與修正的研究流程。
AI 投資研究系列|延伸閱讀
以上內容純屬個人投資研究與思考,並非買賣建議。每個人的資產配置與風險承受能力不同,投資決策應經過獨立思考與判斷,切勿人云亦云。
