既然 AI 该做助手，那它最有价值的用法是什么？不是让它夸你看中的公司，也不是让它替你写结论——而是反过来，让它专门攻击你的买入逻辑、帮你找反证。 这一篇，讲 AI 在价投研究里最该干、也最容易被浪费的一件事。
一、人做研究，天生偏袒自己；AI 没有这个包袱
前面第 16 篇讲过：人一旦看中一家公司，就会不自觉地当"辩护律师"，只找支持证据，把研究做成自我说服。这是人的天性，很难靠自觉克服——因为你没法真正站到自己的对立面去。
但 AI 可以。它对你看中的公司没有感情、没有仓位、没有沉没成本，你让它当空头、当挑刺者，它能毫无心理负担地把最难听的话说出来。这恰恰补上了人做研究时最大的短板——它能替你，扮演那个你自己扮演不了的、认真的反方。
二、别让 AI 夸，要让 AI 咬
大多数人用 AI 研究公司，问的是"帮我分析这家公司的优势/前景/投资价值"——这是在让 AI 夸，得到的是一堆让你更想买的理由，加固了你的自我说服。这是对 AI 最大的浪费，甚至是负作用。
正确的用法，是让它咬：
【工具·让 AI 当空头（反证提示词）】
对你已经看好、准备买入的公司，这样用 AI：
- "给我三个这家公司会让我亏大钱的理由，越狠越好，默认我看多是错的。"
- "假设五年后这笔投资巨亏，最可能的原因是什么？倒推给我。"
- "我的看多逻辑是 ×××，请你逐条反驳，找出其中最脆弱的假设。"
- "这家公司的护城河，什么技术/渠道/监管/对手的变化能把它废掉？"
- "帮我列出这家公司最不利的财务信号，我可能忽略了什么？"
然后，把 AI 找出的每一条反证，回一手核实——真成立的，写进你的反证条件清单（第 24 篇）；不成立的，你也想清楚了它为什么不成立。三、AI 找反证的价值：把"盲点"变成"靶子"
这么用 AI，你得到的不是"更想买的理由"，而是一张更完整的风险地图。它会点出你因为偏爱而视而不见的东西——增长的质量问题、护城河的侵蚀路径、估值里的水分、你没考虑到的竞争或监管变化。
这些反证，有两种结局，都对你有利：
- 有些反证是真的、且致命——那 AI 帮你避开了一个大坑，这可能就省下你一大笔亏损。 - 有些反证经核实站不住——那你的买入逻辑，经过了一轮认真的攻击依然成立，你的置信度反而更硬了，而且你现在清楚地知道"它不成立"的原因。
无论哪种，你的判断都变得更结实了。这就是为什么"让 AI 找反证"，是 AI 在价投研究里价值最高的用法——它把你的盲点，变成了可监控的靶子。
四、但反证要不要采纳，仍是你的判断
要守住一条边界：让 AI 找反证，不等于让 AI 下结论。AI 抛出的反证，是线索，不是裁决。哪些反证是真的、有多致命、要不要因此放弃或减仓——这些还是你自己的判断（回到第 37 篇的分工）。AI 负责把"它会怎么死"尽可能全地摆出来，你负责判断"这些死因里，哪些真的成立、够不够改变我的决定"。
用得好，AI 就是你请得起的、最不留情面、也最没有偏见的那个"魔鬼代言人"——每一笔重要下注之前，都让它先咬一遍。
一句收口：AI 最该替你干的，不是夸你看中的公司，是往死里攻击你的买入逻辑——它没有你的偏爱，正好补上你自我说服的短板。 下一篇（第五部收尾）：把前面这些串起来，给你一套完整的"AI + 价投研究"协作流程。
（风险提示：本文所涉公司仅作研究方法示范，非投资建议。）—— 第 38 篇。