AI 扩大观察范围
快速采集信息、识别注意力迁移、归并叙事、比较证据、测试信号，并如实保留不确定性。
研究与方法论
市场不是静态数据，
而是持续变化的
决策环境。
我们把 AI 的扫描、比较与验证能力，与人对市场环境切换、框架失效和当下重点的判断能力结合起来。
保留真实时点证据记录人工判断隔离未来信息持续接受真实市场验证
人机分工
优势不只来自自动化，更来自两种不同智能之间的持续纠偏。
人决定什么值得相信
识别市场环境是否切换、原有框架是否失效、被忽略的信号是否重要，以及决策级别和时间周期是否需要改变。
市场决策闭环
从信息到可审计的决策
- 01
采集
冻结决策时点真正能够获得的信息。
- 02
识别
测量注意力加速度、市场分歧与异常异动。
- 03
归并
把碎片事实组织成少数具有决策价值的核心叙事。
- 04
验证
用相对强弱、市场宽度、成交量与跨资产证据检验叙事。
- 05
人工介入
记录人对系统结论的确认、否定、召回或升级。
- 06
最终决策
锁定开盘侧判断、机会等级、触发条件与风险说明。
- 07
市场验证
追加收盘、T+1、T+2证据，不重写原始判断。
证据架构
不同信息源回答不同问题
注意力
公开讨论与叙事加速度告诉我们，市场开始关注什么。
事实
新闻和官方披露确认发生了什么，以及哪些内容仍未证实。
资金相信什么
价格、成交量、宽度与相对强弱检验资金是否接受这个故事。
环境是否支持
利率、商品、股指期货与行业结构判断交易环境是否配合。
三个严格区分
这套方法首先要抵抗事后合理化
关注不等于相信
讨论热度不是市场主线，必须得到价格和市场宽度确认。
催化不等于逻辑
事件只有在改变了某项预期、并明确影响周期后，才具有决策意义。
验证不等于改写
后续结果用于检验原始判断，不能反过来改写当时已经知道什么。
盘前时间胶囊
在答案出现之前，保存真实决策环境
每个公开决策保留真实采集时间、当时可见证据、市场语境、系统建议、人工介入和最终决定。缺失证据继续保持缺失；盘前快照不会被包装成实时数据，也不会按照后续价格路径重新构造。
动态题库
市场变化，评测案例也必须持续更新
新的市场环境会产生新的失败模式。持续更新的真实案例有助于降低固定题型的过拟合风险，并检验智能体能否理解当前市场，而不是复述旧规律。
持续进化
方法本身也必须允许被证明是错的
AI通过反复测试改进内循环；人持续检查系统是不是在优化错误的问题。被证实的错误、错过的机会和有效的人工纠偏，都会进入下一版本。
查看方法如何作用于真实决策
决策日志保存每天的人机决策路径；案例库保存最具学习价值的代表性案例。