一、四条铁律
这四句话是知几AI（知几投研）整个系统的最高原则。所有风险判断、证据引用、输出措辞，都不允许违反其中任何一条。
AI 只提取，不定性
大模型负责从财报和公告里找到相关段落，但"这条信息意味着什么风险"的判断，由规则引擎完成，不交给模型自由发挥。
规则可以降级，不可以脑补
如果证据质量不够，系统会把结论强度往下降；但绝不允许在证据缺失时凭推理补出一个"看起来合理"的结论。
孤证不立
只有一个来源支持的说法，不能直接成为强结论。必须有至少两类不同来源的交叉验证，才允许给出高置信度判断。
证据不足，必须弃答
系统不确定，不是系统丢脸；系统假装确定，才是致命风险。证据不够时，体检卡会明确告诉你"当前无法下结论"，而不是硬给一个模棱两可的判断。
二、信源权重：不是所有信息都一样可信
系统内部会给每一条证据标注来源类型，并分配不同的可信度权重。权重越高，这条证据在最终判断中的分量越大。
简单说：财报和交易所公告的分量最重，互动平台和社区的说法只能当线索，不能当证据。
三、证据分级：什么组合才算"说得准"
不是找到了相关内容就算数。系统会按以下门槛判断这条证据够不够硬：
| 等级 | 准入条件 |
|---|---|
| 强证据 | 至少满足以下之一：财报主营构成 + 重大合同公告交叉验证；财报数据 + 问询函回复互相印证；连续两期定期报告趋势一致。 |
| 中证据 | 财报前瞻性投入 + 业绩说明会记录的组合；或问询函回复 + 后续一期财报局部验证。 |
| 弱证据 | 仅互动平台命中；仅说明会口径表态；仅历史财报命中但最新一期无踪迹；概念命中但业务主体不一致；有业务存在但营收占比极低。 |
| 弃答 | 最新一手披露完全缺失；关键原文无法获取；PDF解析质量过低无法确认内容；无法确认业务主体归属。 |
弃答时，体检卡会直接告诉你"当前缺乏足够一手披露，建议等待下一次定期报告或问询回复后再评估"。
四、八道拦截：AI最容易犯的错，我们怎么防
大模型最大的问题不是"笨"，而是"太擅长建立联想"和"太喜欢给出看起来合理的答案"。以下八道拦截机制，专门防止这些高频错误：
一手披露缺失 → 直接弃答
触发条件：最新财报没到、公告原文抓不到、PDF解析质量不达标。
互动平台口径污染 → 判定为口径性叙事
触发条件：某个概念的所有命中证据都来自互动易或投资者问答，财报和公告里完全找不到对应数据。
主体错位 → 降级
触发条件：命中的业务主体是参股公司、孙公司或非并表主体，而不是上市公司母体或并表子公司。
语义误匹配 → 写入矛盾日志并否定
触发条件：概念词语义相近，但业务实体类别不一致。比如用户问"智能电网"，AI找到了"智能家居"相关内容。
时态错判 → 降级为规划性表述
触发条件：命中内容主要是"拟""计划""预计""推进""布局""探索"，没有已签约、已交付、已确认收入等落地证据。
营收占比极低 → 降级
触发条件：能确认业务存在，但相关营收占公司总营收不足 5%，或无法从财报中量化具体占比。
过期叙事 → 判定失效
触发条件：最新一期财报中该业务被剔除，或较历史高点收入下滑超过 80%，或连续两期未再披露。
用户问题过于模糊 → 转入自动发现模式
触发条件：用户只问"能买吗""怎么看""有什么核心科技"，没有给出明确的业务逻辑或概念。
五、为什么要把规则全部公开？
因为知几AI（知几投研）认为，金融研究工具最大的信任危机不是"不准"，而是"你不知道它是怎么得出结论的"。
市面上很多工具会给你一个分数、一个信号、一个建议，但你永远不知道这个结论背后用了什么数据、跑了什么规则、有没有检查过反面证据。
我们选择把方法论完全透明化：你可以不认同某条规则的阈值设定，但你至少能看清楚——
中间经过了哪些检查，有哪些证据被采纳、哪些被降级、哪些导致了弃答。
这不是"更聪明的 AI"，而是"有证据纪律的 AI"。
了解完方法论，可以回首页看看体检卡长什么样。
回到首页