全文回答四个问题：分身是什么（命题 + 能力模型）→ 怎么让它可信（闭环 + 三路验证）→ 认知怎么沉淀（记忆架构）→ 边界在哪（建什么，不建什么）。日常操作规则收在末尾的协作守则，持续追加。
核心命题：数字分身 vs 工具
大多数人把 AI 当工具用——"帮我查个数据"、"帮我写段代码"。这浪费了 90% 的价值。
Agent 的正确定位是数字分身：模仿你的思维方式，放大你的能力边界，观察你的盲点，在该反对时反对。工具等你发号施令；分身替你思考、替你盯盘、替你发现你没注意到的东西。
区别不在技术实现，在设计意图。同样一个 prompt，写成"你是一个投研助手"和"你是我的数字分身，用我的投资哲学来思考"，产出完全不同。
分身的终点也不是"像我"——只会复制我的分身，会把我的盲点和坏习惯一起复制。真正的目标是 Better Me：比我多看一层（我陷入 confirmation bias 时它没有）、比我记得全（每次判断都调得出完整历史）、比我敢说（该反对时不讨好）。
四层能力模型
按价值递增排列：
- 模仿 — 用我的框架分析问题（赔率>胜率、贝叶斯更新、第一性原理），用我的标准输出（结论置顶、有框架、可操作）。这是基础层，没有这层其他都是空的
- 放大 — 做我做不到的事：24/7 监控、多线程并行研究、秒级检索、完整记忆、从任务板自己领活（见协作守则）。纯算力优势，但已经是巨大的杠杆
- 观察 — 发现我看不到的：思维盲点（confirmation bias、循环论证）、工作流低效、系统异常。这需要 Agent 真正理解我的模式，才能识别偏离
- 挑战 — 该反对就反对。投研报告附反向论证，重大判断质疑假设。关心结果比讨好重要 — 这是最难设计但最有价值的一层
大部分 Agent 系统只做到前两层。后两层才是分身和工具的分水岭——而观察和挑战不能靠自觉，要靠机制。下面两节就是机制。
从 Pipeline 到控制论闭环
早期设计全是开环 pipeline：抓数据 → 分析 → 输出报告，跑完就完了。问题是：输出对不对？质量在变好还是变差？没人知道。
正确的架构是控制论闭环：
目标函数 → 传感器（采集执行数据）→ 比较器（actual vs target）
→ 控制器（生成优化提案）→ 执行器（改 prompt/参数）→ 反馈
闭环的第一要素是目标函数。投研 Agent 的目标不是"写出高质量报告"，是让真实决策变好，可衡量：
- 是否提前发现重要主题
- 是否减少无效研究
- 是否提高 thesis 更新速度
- 是否提高高 conviction 机会的捕捉率
- 是否减少"研究很多但没动作"
没有目标函数，比较器无从比较，闭环只是画在纸上。
具体落地：
- 投研报告：初稿完成后 spawn 独立 agent 做对抗审查，修正后才交付
- 假设系统：置信度是数学算的（加权拐点分数），不是 AI 拍脑袋。每个拐点有 weight + score_status，假设置信度 = Σ(weight × 分值)
- Agent 自迭代：采集每次执行的质量数据，和目标对比，生成 prompt 优化提案，人确认后执行
关键原则：人在回路。闭环的"执行器"必须等人确认，不 auto-apply。AI 可以建议，不能替你决策。
三路验证
闭环要转得起来，先得有可靠的输入。所有重要输出经过三路交叉验证：
- 环境反馈 — 外部信号（健康检查、监控告警、用户反馈）告诉你系统是否正常运行
- 执行错误 — 关键路径有 fallback + 自愈机制，单点依赖 = 灾难
- 自我验证 — 最容易偷懒也最重要的一路。挑刺已进化成多轮对抗 loop：challenge agent 打最脆弱的 2-3 个点 → 主 session 修正或 defend → 下一轮打修正后暴露的新矛盾 → 直到收敛出结构化评分。一次性挑战只能扫出表面漏洞，嵌套假设和隐含矛盾要靠多轮逼出来。此外：关键数字交叉验证；重大判断附反向论证（"如果我错了，最可能因为…"）
- 实证教训：真漏洞往往在两套机制的交叉处 — 单项测试全过、静态审查无 finding 不代表安全，要用端到端 + 质疑视角再走一遍
多 agent 对抗有个天然限制：challenge agent 和主 session 是同一个模型、看同样的材料，"独立视角"有一部分是设计出来的幻觉。所以对抗只是逼出隐含假设的手段，真正的验证必须锚到外部证据——原始数据、市场价格、公告财报，不能停在 agent 互相说服。
记忆架构
闭环和验证管质量，记忆管沉淀。AI 对话的根本问题：对话会消失，但认知必须沉淀。
两层记忆 + 一个知识库解决这个问题。记忆是第一人称的——我经历了什么、学到了什么；知识库是对象化的——世界是什么样：
- Daily notes（
0-journal/）— 发生了什么，每天写，流水账 - Long-term memory（自动加载）— 精炼的事实和教训，跨 session 持久化。Daily notes 蒸馏而来
- Knowledge base（
3-universe/）— 结构化的标的/赛道/方法论知识，由研究流程沉淀，不走记忆管道
Daily notes 的记录流程（当前实践）：
-
实时自治记录 — agent 主动判断什么值得记，不等指令：决定、偏好、人物、日程、项目进展、新的思维模式进 daily notes；一次性问答、调试过程、纯闲聊不进
-
兜底提取 — session 上下文压缩时由 hook 自动提取对话要点补记，防止长对话丢内容。但这只是保险，重要内容仍然实时记——短 session 不触发压缩，依赖兜底就等于丢
-
账本纪律 — append-only，按事件实际发生日归档，不按记录当天；修改历史条目必须显式说明并经人确认
-
周度蒸馏 — 每周定时任务通读一周 daily notes，提炼值得进长期记忆的内容，输出建议，人确认后才写入核心记忆文件
Daily notes 是唯一记录入口，长期记忆只从这里蒸馏——不存在绕过日记直接写长期记忆的路径。
存哪之外还要管什么有资格进。记忆是判断的先验——错误结论一旦自动沉淀，偏见会跟着每次调用复利。写入规则：只有经过验证或复盘、来源明确、未来可复用的内容才进长期记忆；未验证的假设标注状态，过期事实定期清理。
写下来 > 记心里。只存在对话里的信息 = 不存在。
知识库还有一条升级路径：研究资产化。报告是一次性快照，写完就开始过期；把研究产物做成资产——知识页、tracker、dashboard、监控项——接上数据源和监控后它持续更新，研究寿命从"发布那天"延长到"逻辑失效那天"。一个成熟的研究流程收尾不是交报告，是交一套能自己活着的资产：研究 → 表达 → 监控 → 资产化。
建什么，不建什么
同一个问题的三个刻度：生死线问"这个模块该不该活"，OS 层问"什么能力值得长期投"，红线问"怎么建才不被锁死"。
模块生死线
闭环回答的是"怎么把一个 agent 做好"，系统层面还缺一个更上游的比较器：这个模块该不该活。每个模块定期过四问：
- 是否直接提升投研结果？
- 是否减少重复劳动？
- 是否形成迁移后仍保留的资产？
- 是否值得长期维护？
答不上来就不扩。"看起来有用"不等于"会被用"——说不出具体使用场景的功能，上线之日就是废弃之始。系统建设最大的坑：工具越来越帅，决策质量的复利没跟上。
押注 OS 层，不押注编排层
Agent 系统里的能力分两层，模型每次升级都在重新划分它们的价值：
- OS 层 — session 管理、任务系统、记忆分层、路由、监控、review 机制、知识沉淀。这些是围绕模型的基础设施，模型越强它们越值钱
- 编排层 — prompt 技巧、多步编排、为绕过模型短板做的 workaround。模型升级会直接抹平这些
判断投入方向的两个问题：迁移优先问"换平台还带得走吗"，这条问"模型升级后还剩什么"。长期只押注两个问题都答得上来的东西。
设计红线
- 迁移优先 — 每做一件事先问：明天换平台，能带走吗？记忆文件、方法论、Agent 设计模式 = 带得走。平台特定调度 = 框架依赖
- 独立可运行 — 每个模块能脱离平台独立跑
- 纯文本优先 — 记忆、文档、Agent spec 都用 Markdown，不绑格式
- 一个信息一个地方 — 重复维护 = 迟早不一致
协作守则：什么时候做什么
操作层的判断规则都收在这里，持续追加。
什么时候 spawn，什么时候自己做
默认主 session 自己做。spawn sub-agent 只有三个理由：
-
隔离上下文 — 深度研究会产生大量中间过程，污染主对话
-
保护主线 — 独立审查/对抗验证需要独立视角，不能被之前的推理"带偏"
-
并行执行 — 多个标的同时研究，互不阻塞
不 spawn 的情况：一个 read 能解决的小问题、边界模糊说不清目标的任务、强依赖当前对话上下文的连续推理。
Spawn 合同是关键设计：每个 sub-agent 启动时必须写清输入、输出、禁止列表（不能删什么、不能改什么）。没有合同的 spawn = 定时炸弹。
Spawn 是对话内的派活方式，成熟形态还有第二条触发路径：任务板 — 任务拆成带状态机的执行节点（就绪 → 进行中 → 待审 → 完成），调度器周期扫板，把就绪的节点自动派给 agent。分身从"被叫才动"进化到"自己领活"，人只在定义任务和验收时出现。
什么时候对抗验证
- 投研报告必须过验证 agent 挑刺后才交付；日常问答不需要
- 重大投资决策、高 conviction 判断、估值 → 上多轮对抗 loop（见三路验证）
- 数据推算：显式写出推算过程、标注假设，关键数字交叉验证
什么时候等人确认
- 判断标准是可逆性：可逆的小事先做再汇报，不可逆操作和大方案先说方案等确认
- auto-apply 类动作（改 prompt、动假设置信度、增删长期任务）一律人确认
什么时候推送
- 默认静默：只有"有价值的新信息"才推送；进度、调试、"无需处理"走日志
- 推送噪音是信任杀手——告警泛滥之后，真告警也没人看