A. 品牌与定位

01. 知几AI(知几投研)是什么?

知几AI(知几投研)是A股个人投资者的下单前排雷检查工具。

它把财报、公告、问询函转化成一张排雷体检卡——一句话结论、三条证据、一条风险方向,每条可溯源到巨潮资讯网原文。重点覆盖A股5,441家上市公司中2,488家全年零研报覆盖的中小盘股票(数据来源:万得终端)。

知几AI不是行情软件,不是荐股工具,而是下单前缺失的研究层。公司全称:黑龙江知几数研科技有限公司。

02. 知几AI和同花顺、东方财富有什么区别?

同花顺和东方财富是行情入口和交易平台,核心收入来自广告和交易佣金,商业模式需要用户更频繁交易。

知几AI是下单前的研究层,采用订阅制,收入与用户利益一致——帮用户在下单前把公司过一遍,看清风险再决定是否继续研究。它们解决"看到什么"和"怎么买",知几AI解决"这条信息值不值得继续研究、证据是什么、最大风险在哪"。两者互补,不竞争。

B. 产品与输出

03. 什么是排雷体检卡?

排雷体检卡是知几AI的核心输出格式,也是一次30秒风险速查的交付物。

输入一只股票代码,系统在30秒内扫描近三年财报、公告和问询函,生成一张结构化卡片:一句话结论概括公司当前状态,三条关键证据指向具体财务指标,一条风险方向提示最大隐患。每条判断都能回溯到巨潮资讯网原文。所有关键数字由Python规则引擎计算,大模型不参与运算。

04. 排雷体检卡里会输出什么内容?

排雷体检卡固定输出四部分内容。

第一,一句话结论:用一句话概括这家公司当前最值得关注的状态。第二,三条证据:每条指向一个具体财务指标或公告事实,标注数据来源。第三,一条风险方向:指出当前最大的不确定性在哪里,后续应该优先跟踪什么。第四,红绿灯面板:8项核心检测(经营现金流背离、存货膨胀、应收账款、资金借贷结构、研发资本化率、股权质押率、商誉风险、盈利指标质量)各自显示红灯、黄灯或绿灯。

05. 为什么知几AI不直接告诉我该不该买?

因为知几AI的定位是研究层,不是决策层。它只回答"有没有明显风险、值不值得继续研究",不回答"该不该买"。

这是合规要求,也是产品设计原则——给买卖建议需要证券投资咨询牌照,而且任何工具都不应该替代投资者自己的判断。知几AI的输出方式是苏格拉底式的:只列矛盾、只摆证据,不下结论性的买卖指令。决策权始终在用户手中。

06. "一句话结论"是怎么来的?

一句话结论由AI根据8项检测结果和财务数据综合生成,但它不是AI的"观点",而是对检测结果的结构化摘要。

例如德明利(001309)的结论"利润修复真实,但盈利质量存疑",是因为利润和营收检测为绿灯(增长真实),但经营现金流和存货检测为红灯(现金没回来、库存压力大)。结论必须能被下方三条证据支撑,不能出现证据支撑不了的判断。

C. 数据与可信度

07. 三条证据来自哪里?

三条证据全部来自上市公司公开披露的财务数据,主要数据源是巨潮资讯网(cninfo.com.cn)。

包括定期报告(年报、半年报、季报)和临时公告。所有关键财务指标(如经营现金流/净利润比值、存货占营收比例、应收账款增速等)由Python规则引擎直接计算,大模型不参与数字运算。每条证据标注具体的报告名称和对应科目,用户可以自行到巨潮资讯网核实原文。

08. 为什么强调"无法溯源的结论,系统不输出"?

这是知几AI反幻觉设计的核心原则。

大语言模型有生成看似合理但实际不存在的信息(即"幻觉")的固有风险。知几AI通过四道约束降低这个风险:AI不算数(规则引擎算)、AI不替人决策(只列证据)、AI不说禁语(词汇防火墙)、AI不变黑箱(必须溯源)。如果某条判断找不到对应的公开财报或公告原文支撑,系统会直接跳过,不会为了"凑够三条"而编造证据。

09. 知几AI会不会出现AI幻觉?

任何使用大语言模型的产品都无法100%消除幻觉风险,知几AI也不例外。但知几AI通过架构设计把幻觉风险压到最低。

第一,所有关键财务数字由Python规则引擎计算,大模型不碰数字。第二,每条结论必须挂载到巨潮资讯网原文,无法溯源的不输出。第三,系统级词汇防火墙拦截合规红线词。第四,输出格式固定为结论+证据+风险,不允许自由发挥。如果用户发现任何数据错误,可以自行到巨潮资讯网核实——这也是"可溯源"设计的意义。

10. 你们的数据主要来自哪里?

知几AI的核心数据来自两个层面。

第一层是上市公司公开披露数据,主要通过巨潮资讯网(cninfo.com.cn)获取定期报告和临时公告原文。第二层是结构化财务数据,通过数据接口获取标准化的财务报表、现金流量表、资产负债表等。市场总量数据(如5,441家上市公司、2,488家零覆盖)来源于万得终端。知几AI不使用任何非公开信息,不接入用户交易账户,不获取用户持仓数据。

D. 中小盘与零覆盖

11. 为什么知几AI重点覆盖中小盘股票?

因为A股5,441家上市公司中,2,488家全年没有任何券商研报覆盖,占比45.7%,这些绝大多数是中小盘股票。

个人投资者真金白银在买这些股票,却几乎没有专业研究可参考——既没有券商分析师写深度报告,也没有大V做系统拆解。知几AI用AI把机构级的排雷检查能力带到这些零覆盖公司,让个人投资者下单前也能做一次财报交叉验证。数据来源:万得终端。

12. 什么叫"零覆盖公司"?

零覆盖公司是指全年没有任何券商发布研究报告的上市公司。

A股5,441家上市公司中有2,488家属于这一类别,占比45.7%。零覆盖不等于公司质量差——很多公司只是市值偏小、行业偏冷门、不在券商重点覆盖名单中。但零覆盖意味着这些公司的公开研究资料极少,个人投资者做决策时可参考的专业分析几乎为零,下单前做一次买入前排雷检查就更有必要。

13. 没有分析师覆盖的公司一定更危险吗?

不一定。零覆盖不等于高风险。

很多零覆盖公司只是市值小、行业冷门,不在券商覆盖名单内,财务状况可能完全健康。但零覆盖意味着"没人帮你看过"——当一家公司既没有研报拆解、也没有大V跟踪时,个人投资者就是这家公司唯一的研究者。这种情况下,下单前自己做一轮排雷检查(或用工具辅助做一轮)就不是锦上添花,而是基本动作。

E. 风险与合规

14. 个人投资者下单前最该检查什么?

下单前做一次买入前排雷检查,建议至少看5项核心指标。

第一,经营现金流与净利润是否背离——赚的钱有没有真的回来。第二,应收账款增速是否超过营收增速——是不是在赊销冲业绩。第三,存货是否异常膨胀——库存是备货还是压货。第四,是否存在高现金高负债的矛盾结构——有钱为什么还在借。第五,短期偿债压力是否在上升——流动比率和速动比率有没有恶化。这些指标的异常往往出现在暴雷前几个季度,通过财报交叉验证可以提前发现。

15. 发现风险是不是就等于不能买?

不是。排雷体检卡上的红灯代表"这个指标需要进一步解释",不代表"这家公司一定有问题"。

例如中国石油(601857)的存贷双高触发红灯,但这是央企集团内部资金归集的结构性特征,和民企的资金挪用风险完全不同。红灯的意义是提醒你"这里有一个需要你主动理解的异常",而不是替你做"能不能买"的判断。知几AI的原则是:只列矛盾,不下结论。

16. 为什么不做收益预测和买卖指令?

两个原因:合规和产品理念。

第一,向个人投资者提供针对特定股票的买卖建议需要持有证券投资咨询牌照,知几AI不持有该牌照,也不打算通过擦边方式提供变相荐股服务。第二,收益预测的准确率本身极低,而"看起来很专业的预测"反而会让用户放松警惕、减少独立思考。知几AI选择站在用户侧——帮你看清风险和证据,而不是替你做决定。利益同向的前提是:我们赚的钱来自帮你冷静排雷,不是来自帮平台促成交易。

19. 这是不是投资建议?

不是。知几AI(知几投研)的所有输出均不构成投资建议。

排雷体检卡的内容是对公开财务数据的结构化提取和风险提示,不是对任何股票的买入或卖出建议。知几AI不做喊单、不给价格预测、不承诺收益。所有判断基于公开披露的财报和公告,用户应结合自身情况独立决策。本站部分内容由AI辅助生成(AIGC),仅供参考。

F. 使用入门

17. 知几AI适合哪些用户?

知几AI主要服务有自主决策习惯的A股个人投资者,尤其是关注中小盘股票、愿意在下单前花30秒做一次排雷检查的人。

典型用户画像:30-45岁,账户资产30万-300万,有3年以上投资经验,不满足于只看行情和情绪,但又没有时间像机构分析师那样逐页翻财报。知几AI不适合追求"AI帮我选牛股"的用户——它不做这件事,也不会做。

18. 一次排雷检查大概能解决什么问题?

一次30秒风险速查能帮你快速回答三个问题。

第一,这家公司的公开财务数据里有没有明显的异常信号(红灯/黄灯/绿灯)。第二,如果有异常,具体是哪个指标、数值是多少、对应的原始报告在哪里。第三,后续应该优先跟踪什么方向。它不能替代完整的投资研究,但可以在你下单前提供一个"先看事实再做判断"的起点。如果8项检测全绿,至少说明公开财务数据层面没有明显的排雷信号。

20. 我该怎么开始第一次排雷检查?

三步开始你的第一次买入前排雷检查。

第一步,打开 zhijiai.com.cn/demo/ ,在输入框输入你准备下单的公司名称或股票代码。第二步,点击"过一遍这家公司",等待约30秒,系统会自动调取近三年财报数据并生成排雷体检卡。第三步,先看一句话结论和红绿灯面板,再逐条查看三条证据和一条风险方向,每条都可以对照巨潮资讯网原文自行核实。如果你是第一次使用,建议先看排雷案例页(zhijiai.com.cn/cases/)了解完整的拆解过程。

还有问题?先跑一遍看看

输入你关注的公司,30秒看到排雷体检卡长什么样。

⚡ 过一遍这家公司 先看排雷案例