让 AI 从 300 家公司里分出两队

蛙兄把上一张实验约定放在键盘旁边，又打开了 AI 研究助手。

“假设写了，规则也定了。现在总能开始算了吧？”

蛙博士点点头。

“可以。不过先别让它直接开跑。”

“又要等？”

“不是等。是先确认 AI 眼里的比赛，和我们想的是不是同一场。”

蛙兄看了一眼实验约定。

同样一句“把代码带 8 的公司分出来”，AI 可能有很多种理解：把数字 8 当成字符还是数值？使用原始收盘价还是复权收盘价？缺少起止日数据的公司要不要硬算？2023 年要不要一起打开？

如果这些地方理解错了，程序照样可能顺利运行，甚至还能画出一张挺漂亮的图。

问题是，那张图回答的已经不是我们的问题了。

换一个新对话，从一张干净的桌子开始

打开上一课使用的本地实验室文件夹，然后新建一段 Codex 对话。

如果你无法使用 Codex，也可以在 WorkBuddy 中打开同一个文件夹。工具入口可以不同，我们要完成的研究不变。

为什么这次建议新建对话？

因为旧对话里混着环境安装、小游戏、数据读取和 K 线图。那些内容已经完成了自己的任务。现在换一张干净的桌子，更容易看清 AI 是不是只在处理眼前这项研究。

新对话不会自动知道我们前面讲过什么。

它不认识“上一课的约定”，也不知道那封装着 2023 年数据的信。所以，接下来交给 AI 的内容必须自己说得通，不能只写一句：

按我们刚才说的算一下。

第一次先不算，只让 AI 复述

我们把任务分成两段。

第一段只让 AI 查看真实文件，确认字段，并用大白话复述它准备怎样完成实验。

交给 AI 研究助手｜先查看和复述

复制

当前项目根目录下应该有一个 hoppy-teaching-dataset 文件夹。请先阅读其中的 README.md、data_dictionary.json 和 manifest.json，再查看 companies.parquet 与 stock_daily.parquet 的实际字段和日期范围。

现在先不要计算两组收益，也不要生成图表。请只确认数据能否支持下面这项研究，并用大白话复述你准备怎样做：

1. 研究对象是教学数据中的虚构公司。
2. 如果 asset_id 中出现字符 8，公司进入“带 8 组”；否则进入“不带 8 组”。
3. 第一次只研究 2021-01-04 至 2022-12-30。
4. 公司只有在 2021-01-04、2022-12-30、2023-01-03 和 2023-12-29 四个端点都有可用的 adjusted_close，才能进入比较。检查 2023 年端点只用于确认数据是否存在，不计算、不比较、也不汇报 2023 年收益。
5. 研究期收益使用 2022-12-30 的 adjusted_close 除以 2021-01-04 的 adjusted_close，再减去 1。
6. 最后需要汇报两组的公司数量、平均收益、中位数、正收益比例、最大值和最小值。其中“正收益”指研究期收益严格大于 0。
7. 这次不测试其他数字，不加入行业、市值、PE、沪深300或任何买卖规则。

请说明你实际找到的文件、字段和日期能否满足这些要求。如果存在歧义或数据缺失，先告诉我。复述完成后停下来，等我确认，不要提前计算结果。

这段话看起来比“帮我算一下”长，但它不是让你学习怎样写一份技术需求文档。

它只是在说清四件普通的事：研究谁、怎样分队、看哪段时间、最后留下什么。

以后换成别的市场问题，这四件事依然值得先说清楚。

AI 复述以后，重点听什么

AI 可能会换一种说法，也可能采用不同的程序结构。我们不要求它逐字重复任务。

真正需要确认的是下面几件事：

• 它是不是按照代码中有没有字符 8 分组；
• 第一次是不是只计算 2021-01-04 至 2022-12-30；
• 它是不是使用复权收盘价的起止变化计算收益；
• 它有没有保证前后两次验证使用同一批公司；
• 它有没有把 2023 年只当作“端点数据是否存在”的检查，而不是提前计算收益；
• 它有没有偷偷加入其他数字、行业、市值、PE 或沪深300。

这里有一个地方容易听起来矛盾。

我们说“暂时不看 2023 年”，为什么 AI 又可以检查 2023 年的两个端点？

因为它现在只是在确认一家公司到时有没有资格参加第二次比较，相当于查看入场券是否存在。它不能计算这家公司 2023 年涨了多少，也不能把两组的 2023 年表现告诉我们。

规则已经在数据出现以前固定。现在检查的是数据能不能执行规则，不是在偷看答案。

如果 AI 的复述与实验约定一致，我们只需要明确确认：

你的复述与我的研究约定一致。请继续按这套规则执行，不要增加或修改条件。

如果它说得含糊，不要替它脑补。指出具体是哪一句没说清楚，让它重新复述那一部分。

确认以后，再让 AI 真正计算

接下来才轮到 AI 读取数据、实现计算并实际运行。

交给 AI 研究助手｜开始计算

复制

现在请按照刚刚确认的规则实际执行研究。

请先筛选满足四个端点数据要求的公司，再根据 asset_id 中是否包含字符 8 分成两组。只计算和汇报 2021-01-04 至 2022-12-30 的研究期收益，不计算、不比较、也不要在任何输出中透露 2023 年收益。

请汇报：初始公司数、实际入选公司数、被排除公司数和排除原因；两组各自的公司数、平均收益、中位数、正收益比例、最大收益和最小收益。百分比请使用统一单位，并保留两位小数。

请在当前项目的输出目录中保存两份研究证据：

1. 一份 Markdown 格式的大白话研究摘要，写清问题、固定规则、数据时间、实际样本数、两组结果和当前边界；
2. 一张 PNG 结果图，在同一张图中比较两组的平均收益、中位数和正收益比例，并清楚标出两组样本数。

最大值和最小值写进研究摘要即可，不必塞进结果图。图表只负责展示实际数字，不要添加“数字 8 有效”“应该买入”等结论，也不要添加沪深300、行业、市值、PE、买卖标记或 2023 年数据。

你可以自行决定程序结构和文件名，但必须实际运行程序，确认摘要和图表使用的是同一份计算结果。完成后告诉我保存位置，并用大白话说明你做了什么。不要要求我阅读或解释程序代码。

这段任务没有规定 AI 必须使用哪个 Python 文件，也没有要求你的项目和课程示例长得一模一样。

程序是 AI 用来完成工作的工具。我们真正要留下的是问题、规则和证据。

300 家公司，不一定全部能上场

教学数据里有 300 家虚构公司。

但“数据里有这家公司”和“它能参加这次比较”不是一回事。

如果一家公司在规定的四个端点中缺少任何一个复权收盘价，我们就无法按同一套规则完成前后两次比较。它仍然留在原始数据里，只是这次暂时不能上场。

所以，更准确的过程是：

300 家公司报名
→ 检查四张入场券
→ 符合条件的公司进入共同样本
→ 再分成带 8 组和不带 8 组

不要为了凑满 300 家，让 AI 猜测、填补或制造缺失价格。

样本少了几家不一定说明程序错了。真正需要知道的是：少了谁，为什么少。

我们这次实际跑出了什么

使用当前版本的 Hoppy 教学数据，按照上面完全相同的规则运行后，300 家虚构公司中有 294 家满足四个端点的数据要求。

其中：

• 代码带 8 的有 91 家；
• 代码不带 8 的有 203 家；
• 其余 6 家因为缺少 2023-12-29 这个资格检查端点的数据，没有进入这次比较。

研究期结果如下：

这些数字是课程使用当前教学数据得到的示例结果，不是让 AI 迎合的标准答案。

如果你使用的是同一个数据包和同一套规则，基础数字理应能够对上；如果对不上，先调查数据版本、字段、日期、分组和收益单位，不要让 AI 直接把结果改成课程里的数字。

这轮完整教学会继续使用 Hoppy 虚构教学数据，因为后面几课要一起解读上面的数字。如果你想用自己的数据重复这套方法，当然可以，但请把它当作一条平行练习：后面的示例数字、图表和结论将不能再逐项照搬。

无论使用哪份数据，我们真正检查的都是研究规则有没有被正确执行，不是每个人的图表必须长得一模一样。

如果结果对不上，不要让 AI 猜答案

实战里最有价值的时刻，往往不是一次成功，而是你发现结果有点奇怪的时候。

找不到数据文件

先确认压缩包已经解压到实验室根目录，不要让 AI 又去网上寻找一套同名数据。

可以继续问：

请先查看当前项目的目录结构，告诉我实际找到的数据文件夹和缺少的文件。不要下载或制造替代数据，先说明我需要把文件放在哪里。

样本数和课程示例不同

不要先报出 294 要求它改到一样。

可以问：

不要修改原规则，也不要迎合课程数字。请列出你实际使用的四个端点、入选条件、被排除的公司及具体原因，并检查 asset_id 是否按字符串处理。

AI 提前打开了 2023 年

不要假装没看见，也不要继续讨论那部分结果。

可以说：

这一步不应该计算或汇报 2023 年收益。请保留原来的分组和入选规则，删除摘要与图表中的 2023 年结果，只重新整理 2021-01-04 至 2022-12-30 的研究期输出。

图表和摘要里的数字不同

先不要调整配色和布局。

可以说：

请检查摘要和图表是否来自同一份计算结果，逐项核对两组样本数、平均收益、中位数和正收益比例。先修正数字不一致，再处理图表样式。

这几个追问没有替你解决所有报错，但它们守住了同一条原则：先找到哪一步和原约定不一致，再处理那个问题。

AI 说完成了，我们还要打开看看

先打开大白话研究摘要。

看看里面是否真的记录了：

• 研究问题和分组规则；
• 研究期与暂时保留的验证期；
• 实际入选公司数和排除原因；
• 两组的完整结果；
• 没有买卖建议，也没有把历史差异写成未来保证。

再打开结果图。

确认两组名称、样本数和三个主要结果都能读清，图里的数字也与摘要一致。

如果你想让 AI 再帮你核对一次，可以这样说：

和 Codex 一起验收

复制

请不要重新计算，也不要修改文件。请读取刚刚生成的研究摘要和结果图所使用的数据，逐项核对：研究期是否正确、2023 年收益是否没有出现在输出中、两组样本数能否加总为实际入选公司数，以及图表中的平均收益、中位数和正收益比例是否与摘要完全一致。

如果有任何一项不一致，请只说明不一致的位置和建议的修复步骤，先不要擅自修改。

AI 的自检不能代替你亲眼打开文件，但它可以帮助我们把验收问题说得更具体。

有数字了，还没有结论

蛙兄打开结果图，第一眼就看到了两组平均收益。

“带 8 组是 19.88%，不带 8 组是 14.90%。”

他转过头，眼睛亮了起来。

“所以 8 赢了？”

蛙博士没有点头。

“先看看中位数。”

蛙兄又看了一眼。

“两个都是负的。”

“再看看正收益比例。”

“好像又只差一点。”

同一张结果表里，几个数字并没有讲出完全一样的故事。

这不是计算失败。恰恰相反，我们终于得到了一份值得认真读的结果。