聚焦AI赋能资产配置(三十六):更高、更快、更强!AI技术分析进化论。2 用更加理性、更基于规则的方式进行提示词工程,我们将最近 9 个完整笔、3 个线段和中枢信息,以及买卖点、是否背驰,格式化形成 Markdown 表格作为 prompt 输入。大模型技术分析痛点:精度、逻辑严密性、上下文推理1)精度:大模型看 K 线图类似于人类“扫一眼”,它能捕捉大致趋势(上涨、下跌、震荡),但无法精确读取 High/Low 的具体数值;2)逻辑严密性:目前的 LLM 在处理复杂的空间拓扑结构(如缠论中的笔、线段的递归定义)时,很容易逻辑崩塌,面对需要跨级别分析的情况,若不对 Prompt 进行调整,往往难以保持跨周期逻辑一致性;3)上下文处理:OHLCV 序列输入面临下文窗口限制和数字敏感性缺失的问题。
聚焦AI赋能资产配置(三十六):更高、更快、更强!AI技术分析进化论。2 用更加理性、更基于规则的方式进行提示词工程,我们将最近 9 个完整笔、3 个线段和中枢信息,以及买卖点、是否背驰,格式化形成 Markdown 表格作为 prompt 输入。大模型技术分析痛点:精度、逻辑严密性、上下文推理1)精度:大模型看 K 线图类似于人类“扫一眼”,它能捕捉大致趋势(上涨、下跌、震荡),但无法精确读取 High/Low 的具体数值;2)逻辑严密性:目前的 LLM 在处理复杂的空间拓扑结构(如缠论中的笔、线段的递归定义)时,很容易逻辑崩塌,面对需要跨级别分析的情况,若不对 Prompt 进行调整,往往难以保持跨周期逻辑一致性;3)上下文处理:OHLCV 序列输入面临下文窗口限制和数字敏感性缺失的问题。
聚焦AI赋能资产配置(三十六):更高、更快、更强!AI技术分析进化论。2 用更加理性、更基于规则的方式进行提示词工程,我们将最近 9 个完整笔、3 个线段和中枢信息,以及买卖点、是否背驰,格式化形成 Markdown 表格作为 prompt 输入。大模型技术分析痛点:精度、逻辑严密性、上下文推理1)精度:大模型看 K 线图类似于人类“扫一眼”,它能捕捉大致趋势(上涨、下跌、震荡),但无法精确读取 High/Low 的具体数值;2)逻辑严密性:目前的 LLM 在处理复杂的空间拓扑结构(如缠论中的笔、线段的递归定义)时,很容易逻辑崩塌,面对需要跨级别分析的情况,若不对 Prompt 进行调整,往往难以保持跨周期逻辑一致性;3)上下文处理:OHLCV 序列输入面临下文窗口限制和数字敏感性缺失的问题。
本报告由国信证券发布,发布于 2026 年。
覆盖 2026 年,全文共 16 页。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合战略规划、产品经理等读者参考。
重点分析了AI、半导体、大模型、设备等议题。