資料、準確性與負責任使用

本站最重要的一頁。InvestSkill 讓 AI 像分析師一樣推理——但它的好壞，取決於你餵入的資料，以及你施加的檢驗。本頁說明數字從何而來、如何辨識錯誤，以及你必須遵守的限制。

各技能如何取得資料

InvestSkill 本身不抓取資料。 外掛中沒有執行環境、沒有 API、沒有即時行情——每個技能都是一段提示詞，告訴 AI 如何推理。資料來自兩處之一：

你貼進去的內容——10-K 摘錄、法說逐字稿、你的持股、一張財務數據表。這是最可靠的路徑，因為你掌控了來源。
宿主 AI 能存取的內容——若你的助理具備網路／搜尋／工具能力（例如具網路搜尋的 Claude、已連接的資料工具），它可能自行檢索數字。這很方便，但必須驗證——模型可能引用過時、近似或張冠李戴的數字。

後果： 若你在沒有資料、也沒有工具存取的情況下問「評估 AAPL」，模型只能憑訓練記憶作答——那是過時且可能錯誤的。請務必以最新、第一手的資料來錨定分析。

資料與來源標頭（Data & Sources）

由於產出品質完全取決於數字的來源，每一份分析都應在最前面申報其出處。請要求——並預期——任何報告開頭都帶有這樣的 Data & Sources 區塊：

Data & Sources
  As of:      2026-07-02
  Source:     SEC EDGAR 10-K（FY2025）· 公司 IR · FRED
  Retrieval:  使用者貼上   （或：網路／工具檢索 · 模型記憶）
  Confidence: HIGH — 第一手、最新

欄位	告訴你什麼
As of	數字所代表的日期——任何過時者都應被標示
Source	數字背後的第一手文件
Retrieval	數字如何到達模型：貼上（最可靠）→ 網路／工具（需驗證）→ 模型記憶（最不可靠，視為近似值）
Confidence	HIGH（第一手、最新）· MEDIUM（混合／次級）· LOW（記憶或資料缺漏）

經驗法則： 若 Retrieval 一行寫著「模型記憶」，在你以第一手來源確認之前，請把每個數字都當成佔位符。綜合報告（full-report、research-bundle）應始終帶有此標頭，並以一次 result-validator 驗證作結。

建議的資料來源

需求	第一手來源
財務報表、10-K／10-Q／8-K	SEC EDGAR（免費、權威）
法說會逐字稿	公司 IR 網站、逐字稿服務商
內部人交易（Form 4）	SEC EDGAR
機構持股（13F）	SEC EDGAR
價格／成交量／技術面	你的券商、看盤平台
股利歷史	公司 IR、股利追蹤工具
總經指標	央行／統計機構發布（例如 FRED）

最佳做法： 把實際數字複製進提示詞中（或讓具工具能力的助理直接讀取該份文件），而非倚賴模型的記憶。針對申報文件，financial-report-analyst 即是設計來直接吃下你貼上的 10-K／10-Q 段落。

辨識幻覺數字

AI 可能信心十足地說出錯誤數字。留意這些徵兆：

可疑地過於整齊的數字（剛好 15.0% 利潤率、$100.0B 營收）。
兜不攏的數字——例如 EPS 與所述的淨利 ÷ 股數對不起來。
與今日報價不符的過時股價或市值。
你未提供底層資料，卻冒出帶來源的指標。
與資料不相稱的信心水準——對一檔你零資料的股票給出 HIGH 信心，本身就是警訊。

你可以手動做的對帳檢查：

檢查	是否成立？
EPS × 股數 ≈ 淨利	不成立，則必有一數有誤
股利 ÷ 股價 ≈ 所述殖利率	揪出殖利率錯誤
營運現金流 − 資本支出 ≈ FCF	揪出現金流杜撰
本益比 × EPS ≈ 股價	揪出估值漂移

若某個數字連自身算術都通不過，就丟棄整段，並以明確資料重跑。

驗證 AI 產出

result-validator 是第一線步驟，而非可有可無。請把它從「小技巧」升格為「習慣」：

何時執行： 任何高風險分析之後；綜合結果（research-bundle、full-report）後務必執行；以及任何時候訊號好得令人起疑時。

它評什麼： 資料品質、方法論的嚴謹度、訊號一致性——回傳一個信心分數與一份缺口清單。

/result-validator      ← 貼上分析產出（或綜合訊號區塊）

手動複核檢查表（即使無法執行驗證器，也照做）：

[ ] 數字對得攏嗎？（用上表）
[ ] 資料是最新的嗎？ 對照今日的股價／日期。
[ ] 訊號與敘事相符嗎？ 一段滿是風險的文字上頂著 BULLISH 方塊，是矛盾的。
[ ] 信心與證據相稱嗎？ 資料薄弱就該對應較低的信心。
[ ] 子訊號彼此一致嗎？ 綜合結果中，分歧應降低信心並被標示——而非被平均掉。
[ ] 資料是我提供的，還是模型自己編的？

限制與負責任使用

這是教育性工具，並非投資建議。 用它來建構你自己的思考，而非外包你的決策。

並非投資建議。 沒有任何技能知道你的目標、稅務、風險承受度或時間框架。產出是框架，不是推薦。
取決於模型。 同一段提示詞在不同模型與版本下會產出不同結果。請用你手上最強的模型並交叉複核。
不保證即時。 除非你的助理具備即時工具存取，數字可能過時。請對照第一手來源驗證。
訊號區塊是決策輔助。 它把大量判斷壓縮成一個方塊——並不能取代閱讀分析、申報文件與風險本身。
第一手來源為準。 當 AI 與申報文件衝突時，以申報文件為準。
決策由你負責。 個人投資決策請考慮諮詢有牌照的財務專業人士。

唯一鐵則： 絕不要對一個你尚未以真實資料對帳、也尚未針對空頭情境壓力測試過的訊號區塊採取行動。這些框架讓你更快；它們不會讓你正確。

延伸閱讀： 概念 → 訊號區塊解剖 · 使用情境 → 反模式 · 術語表。

僅供教育用途。並非投資建議。