月度复盘不是每天盯盘的升级版。

它的目标是确认组合是否仍然按规则运行，而不是解释每一天涨跌。稳健理财的复盘应该少看噪音，多看关键指标。

本文不构成投资建议。

只看五类信息

月度复盘可以只看：

1. 总资产变化。
2. 各类资产当前比例。
3. 和目标比例的偏离。
4. 本月最大回撤。
5. 是否触发调仓或人工确认。

这五类信息足够支持大多数稳健组合维护。

不要复盘市场情绪

新闻、观点和短期涨跌很容易让复盘变形。

如果每次复盘都变成判断下个月涨跌，系统就会被情绪带走。月度复盘应该围绕自己的规则，而不是围绕市场叙事。

模板

复盘月份：
总资产：
现金/类现金比例：
防守资产比例：
权益资产比例：
最大偏离项：
本月最大回撤：
是否触发再平衡：
是否有大额用钱计划变化：
本月动作：
下月关注：

复盘结论只要三种

结论可以很简单：

• 不动：组合仍在目标区间。
• 观察：出现偏离但未触发动作。
• 执行：触发再平衡或现金流调整。

不要为了复盘而制造动作。

Agent 可以做什么

Agent 可以把持仓表转成复盘草稿，计算偏离，列出异常项。

但最终结论必须由人确认。尤其是“执行”类动作，需要回到资金用途和风险承受能力，而不是只看模型输出。

复盘越简单，越容易长期坚持。

下跌时最难做决定。

不是因为信息不够，而是因为情绪太强。极端行情预案的价值，就是在平静时写下规则，避免在恐慌时临时发挥。

本文是个人学习记录，不构成投资建议。

先定义下跌级别

可以把下跌分成三层：

• 轻微波动：组合回撤未超过预期。
• 明显回撤：接近或达到预设阈值。
• 极端回撤：超过原本承受范围。

不同级别对应不同动作。

轻微波动：不动

如果组合仍在预设区间内，最好的动作通常是不动。

不动不是忽视风险，而是承认波动本来就在计划内。稳健组合不应该因为正常波动改变结构。

明显回撤：检查规则

当回撤接近阈值时，先检查：

• 资金用途是否变化。
• 现金比例是否足够。
• 资产比例是否偏离目标。
• 下跌是否来自预期内风险。

如果只是比例偏离，可以用再平衡规则处理；如果资金用途变了，才考虑降低风险。

极端回撤：保留生存能力

如果回撤超过承受范围，先保护现金流和生活计划。

这时不应该盲目补仓，也不应该因为恐慌一次性清仓。更好的做法是暂停新增风险、检查现金垫、分批处理，并记录决策理由。

预案模板

组合最大可接受回撤：
轻微波动区间：
明显回撤区间：
极端回撤区间：
每个区间的动作：
是否允许补仓：
补仓资金来源：
必须停止的动作：
需要人工确认的动作：

预案要提前写

下跌时不要重新设计系统。

极端行情真正考验的不是预测能力，而是是否提前知道：哪些钱不能动，哪些风险可以继续承担，哪些动作必须停下来。

个人基金组合不一定需要专业系统。

一个维护得好的简单表格，往往比一个字段很多但没人更新的复杂工具更有用。关键是字段少、含义清楚、能支持复盘。

本文不构成投资建议。

最小字段

我会从八个字段开始：

这些字段已经足够支持月度复盘和半年再平衡。

不要一开始就加太多字段

过多字段会增加维护摩擦。

例如日涨跌、近一年排名、夏普比率、最大回撤、经理任期、费率都可能有用，但不一定每月都要手工维护。可以放在单独的观察表，而不是核心持仓表。

让公式负责计算

表格应该自动计算：

• 总资产。
• 当前比例。
• 偏离值。
• 是否触发阈值。

人工只更新金额和备注。这样能减少错误。

Agent 的位置

Agent 可以读取表格，输出：

• 最大偏离项。
• 是否触发再平衡。
• 哪些字段缺失。
• 月度复盘草稿。

但表格结构必须先稳定，否则 Agent 也只能跟着混乱。

最小系统优先

好的组合表不是数据最多，而是能回答四个问题：

1. 钱在哪里？
2. 风险集中在哪里？
3. 是否偏离目标？
4. 下一步是否需要动作？

能稳定回答这四个问题，就够用了。

稳健组合不是把几个“看起来不错”的产品拼在一起。

更好的方式是先问：每类资产在组合里负责什么。只有角色清楚，后面才谈得上比例、再平衡和复盘。

本文是个人学习记录，不构成投资建议。

现金：负责生存空间

现金的主要作用不是收益，而是选择权。

它让你在临时用钱、收入中断或市场下跌时不用被迫卖出其他资产。现金比例太高会拖累长期收益，但现金比例太低会让组合失去韧性。

对普通个人来说，现金通常应该覆盖几个月到一年的必要支出。具体比例取决于收入稳定性、家庭责任和未来支出计划。

货币基金：负责短期停泊

货币基金适合放短期不用但随时可能调用的钱。

它的角色接近现金管理工具：收益通常不高，但流动性和波动控制较好。不要把货币基金当成长期收益来源，它更像组合的缓冲垫。

短债基金：负责低波动防守

短债基金通常承担比货币基金略高一点的收益目标，同时保持较低波动。

需要注意的是，短债不是无风险资产。它仍然可能受到利率、信用和流动性影响。稳健组合里配置短债，是为了提高现金管理效率，而不是追逐高收益。

中长债和二级债：负责适度收益增强

中长债对利率变化更敏感，二级债可能含有权益仓位或可转债仓位，波动会更明显。

它们在组合里的角色是收益增强，但也会带来回撤。配置这类资产时，要重点看久期、信用风险、权益暴露和历史回撤，而不是只看近一年收益。

红利低波：负责权益暴露的缓冲版本

红利低波类 ETF 或基金，本质上仍然有权益风险。

它们的作用不是替代债券，而是在权益资产中选择相对防守的表达方式。红利、低估值和低波动因子可能降低组合剧烈波动，但不能消除下跌。

在稳健组合里，红利低波适合承担“有限进攻”的角色。

宽基指数：负责长期增长

宽基指数覆盖更广市场，适合承担长期增长角色。

但宽基指数的短期波动并不低。如果资金期限较短，或者无法承受明显回撤，就不应该因为“长期收益更高”而过度配置。

宽基适合长期资金，不适合短期确定用途资金。

黄金：负责对冲和心理稳定

黄金通常被视为对冲资产，但它本身也会波动。

它在组合里的作用不是稳定赚钱，而是在特定宏观环境中提供不同于股债的风险来源。少量配置可能有助于分散风险，但不应该把它当作确定性的避险答案。

组合角色表

配置前先问角色

每次新增一个产品前，我会先问：

• 它替代了哪类资产？
• 它解决了组合里的哪个问题？
• 它会不会让某类风险过度集中？
• 如果它下跌，我是否知道原因和处理规则？

如果一个产品说不清角色，就不应该进入稳健组合。

AI Agent 可以提高个人理财效率，但前提是边界清楚。

它适合做信息整理、结构化记录、提醒和复盘，不适合直接判断买卖，更不应该自动下单。稳健理财里的 Agent 应该是助手，不是操盘手。

本文是个人学习和工具实践记录，不构成投资建议。

Agent 适合读公告

基金公告和季报信息量大，但结构相对固定。

Agent 可以帮你提取：

• 基金规模变化。
• 前十大持仓变化。
• 债券久期和信用等级变化。
• 权益仓位是否变化。
• 基金经理是否更换。
• 是否出现风格漂移信号。

这些信息不等于买卖建议，但可以进入复盘表。

Agent 适合整理持仓

个人组合最常见的问题，是不知道自己整体暴露了什么风险。

如果把每只基金的类别、金额、目标比例和实际比例记录下来，Agent 可以帮你生成组合视图：

• 现金和类现金比例。
• 债券类资产比例。
• 权益类资产比例。
• 单一基金占比。
• 最大偏离类别。
• 是否触发再平衡阈值。

这类任务适合自动化，因为它有明确输入和明确输出。

Agent 适合生成复盘草稿

复盘草稿可以固定格式：

1. 本月组合变化。
2. 资产比例是否偏离目标。
3. 最大回撤是否在预期内。
4. 是否有公告或持仓变化需要关注。
5. 是否触发再平衡规则。
6. 下个月是否需要人工确认动作。

Agent 可以生成草稿，但最终结论应该由人确认。

权限边界

个人理财 Agent 至少要分成三类权限：

不要给 Agent 自动交易权限。即使未来工具链支持，也应该保持人工确认。

一个最小工作流

可以从很小的流程开始：

1. 每月导出持仓表。
2. Agent 读取持仓和目标比例。
3. Agent 计算偏离并生成复盘草稿。
4. 人工检查公告摘要和异常项。
5. 如果触发再平衡，人工决定是否执行。
6. 把最终动作写回复盘记录。

这个流程不复杂，但能减少漏看和临时起意。

Prompt 模板

一个简单指令可以这样写：

个人助理需要记忆，但不能什么都记。

更好的方式是分层：不同信息有不同生命周期、写入规则和检索方式。五层结构可以让记忆系统既有用，又不变成垃圾桶。

第一层：当前上下文

当前上下文只服务本轮任务。

它包括用户刚说的话、当前文件、最近命令输出和中间推理。任务结束后，大部分上下文应该丢弃。

第二层：任务状态

任务状态回答“做到哪里了”。

例如某篇博客已经写完但未构建，某个部署已经构建但未推送。任务状态应该在完成后归档，不应长期占用活跃记忆。

第三层：用户偏好

用户偏好影响输出方式。

例如喜欢中文回答、偏好短句、提交前必须构建、不要自动执行高风险操作。偏好必须来自稳定信号，不能把一次性表达写成长期规则。

第四层：稳定事实

稳定事实是关于项目和环境的信息。

例如仓库路径、部署方式、默认分支、常用配置。事实会过期，所以必须允许更新和校验。

第五层：长期知识

长期知识是以后会反复使用的信息。

例如踩坑、命令模板、文章素材、架构说明、QPC 条目。它不一定总在上下文里，但需要可检索。

写入规则

每次写入记忆前问：

• 它属于哪一层？
• 生命周期多长？
• 是否经过用户确认？
• 是否可能过期？
• 写错后影响多大？

分层的目的，是让个人助理记住真正有价值的东西，而不是把一切都存起来。

工具让 Agent 有行动能力，也让错误有了现实后果。

高风险工具不能只靠 prompt 约束。它们需要明确权限边界和确认机制，让 Agent 在执行前停下来，把影响说清楚。

什么是高风险工具

高风险工具包括：

• 删除或覆盖文件。
• 修改生产配置。
• 执行远程命令。
• 重启线上服务。
• 推送代码。
• 发送公开消息。
• 调用财务或账户相关 API。

共同点是：影响外部状态，且不一定容易撤销。

执行前必须说明

确认信息至少包括：

将执行什么动作：
影响哪些文件/服务/账户：
是否可回滚：
回滚方式：
不执行的后果：
需要用户确认的内容：

这让风险显式化。

默认只生成建议

高风险工具的默认模式应该是建议。

Agent 可以生成命令、说明步骤、列出风险，但不直接执行。只有用户明确确认后，才进入执行阶段。

执行后要记录

执行后记录：

• 时间。
• 工具。
• 输入摘要。
• 输出结果。
• 是否成功。
• 后续检查项。

如果失败，要进入失败分类表。

确认机制不是拖慢系统

确认机制的目的不是降低效率，而是保护不可逆边界。

个人助理最重要的能力之一，是知道什么时候不能替你做主。

你有没有过这种经历：让 Agent 帮你写一段小脚本，生成的内容看起来语法完美，一跑就炸？报错信息通常是一串让你怀疑人生的 &、$、反引号乱码，然后你盯着那几行代码看了十分钟——最后发现，模型把 bash 的反斜杠转义 \" 写在了 PowerShell 命令里。

这个问题我称之为 Shell 转义歧义，在 LLM + 终端自动化这个交叉点上表现得尤其明显。本质是：LLM 生成的是一个扁平字符串，而 shell 执行的是多层嵌套的语义解析，任何一层出了偏差，最终执行的命令就和你预期完全不一样。

一、双重解析：模型以为的 vs shell 实际执行的

LLM 采用自回归方式逐 token 生成，它"以为"自己写的是结构化的命令。但实际上，如果这个字符串被 shell=True（Python subprocess）或者 Invoke-Expression（PowerShell）执行，就等于经历了 两次独立的解析：

• 第一层：LLM 生成字符串时的"心智解析"——它以为引号配对是对的
• 第二层：shell 自己再做一次 tokenize / word-splitting

这两层之间没有任何契约式的保证。模型输出一个字符串，shell 拿过去按自己的规则重新分词，然后交给操作系统执行。任何一层的歧义，都会导致最终行为和预期背离。

而且这种错误往往是 延迟发现的：代码写入时没报错，运行时才炸。模型只能"事后诸葛亮"式地不断打补丁修改脚本，一个命令可能要循环三四次才终于跑通。

二、为什么 PowerShell 比 bash 更容易踩坑

Shell 本来就不简单，但 PowerShell 在这个问题上尤其难搞。有几层原因：

1. 转义符混淆 PowerShell 的转义符是反引号 `，不是 \。但模型的训练数据里 bash 语法占绝对多数，它经常无意识地混用 bash 习惯——比如用 \" 来表示引号转义，这在 PowerShell 里会被原样当作普通反斜杠处理，导致完全不同的解析结果。

2. 语义差异大 PowerShell 对 $、@()、&、| 有一套完全不同于 bash 的语义：变量插值、数组字面量、调用操作符、管道。模型很容易犯"语法迁移错误"，把 bash 的逻辑套用到 PowerShell 上。

真正的『AI 原生』不是只会调用模型 API，而是学会借 cmdline 能力反过来驾驭模型。—— 来自 QPC 实践笔记

引子：原地踩坑与破局

写 Agent 项目半年，发现两个现象：

1. 生产坑 ——

   • 代码库 2k 文件，怎么快速撤离所有第三方 key？
   • 日活跃 agent 实例上百，如何一眼看清谁在泄露内存？
   • 高频需求：提取出所有对话里的意图标注。

2. AI 间歇性失能 ——

   • 模型擅长创造，不擅长精确执行。
   • 一次 agent 调用动辄 50k token，代价高昂。

真正的破局，不是让模型变聪明，而是把操作系统现成的精确能力用起来。

下面展示 10 个实例，每个都是agent项目中频繁踩坑后找到的确定性答案。

工具清单：让你恍然大悟的『不需要Python』场景

✅ AI 友好度 指的是工具的输出格式是否易于 agent 解析。jq 和 rg 的输出最干净，agent 直接接受一行不需要再清洗。

一、买什么？买多少？

红利低波 ETF：为什么选它？

• 中证红利指数 = 高股息 + 低波动，长期年化约 9-11%（历史），远高于沪深300的 7-8%
• 低波属性：熊市跌幅比宽基小 15-25%，是你组合里的「收益压舱石」
• 现金流：每年分红约 3-4%，可以直接在支付宝设置「分红再投资」

二、红利ETF 定投日历（2026-08 ~ 2027-01）

6 个月定投，每月一笔，共 6 笔 × 5 万 = 30 万。