一、起点：一个被遗忘成本困扰的场景

故事的起点很具体。我经常看到一些宏观分析或个股研判——逻辑严密、数据翔实，当下深以为然，甚至据此做了操作。但这类判断的验证周期往往是三个月、半年。等到该复盘的那天，问题不是”忘了看”，而是忘了当初为什么信它。

第一版的解法很直觉：做个微信小程序，把观点、计划、复盘日期记下来，到期提醒。一天就写完了，深色金融风，本地存储，能跑。

但它很快暴露了一个根本性的错误假设。

二、转折：时间不是触发器，条件才是

那天我把一份 AI 生成的《海螺水泥圆桌报告》丢进这个还很稚嫩的系统。报告写的是典型的左侧潜伏逻辑：0.48 倍 PB 的破净现金奶牛，拐点前奏已现，但确认键是”放量站回 BOLL 中轨 17.89″，作废键是”跌破 52 周低点 16.17″。

我对着自己的”三个月后提醒复盘”愣住了：17.89 可能第 20 天就站上，16.17 可能第 45 天就跌破——等到复盘日再看，机会和风险都已成历史。投资场景的提醒，本质不是日历事件，而是条件事件。

这次认知升级凝成了一句话，后来写进了 README 的开头：时间是兜底，条件才是触发器；观察是节奏，复盘是闭环。

系统随之重构。每个跟踪项从”一段文字+一个日期”变成了一组可判定的条件：确认条件（全部达成=观点被验证）、作废条件（任一触发=逻辑被证伪）、最终期限（什么都没发生时的兜底）。状态机从”跟踪中→到期→复盘”变成了真正的决策流。

三、抽象：给”盯盘语言”立法

接下来的问题是：条件要如何被机器执行？

“站回 17.89″好办，拉个行情接口比较一下就行。但报告里还有”KDJ 极端超卖”、”主力 10/20 日流向转正”、”北向持仓变化”——有些是指标，有些是资金数据，有些根本没有公开接口。

我做了一个关键的产品决策：不追求全自动的乌托邦，而是给条件建立类型系统。能量化的收敛为七种自动类型——价格、涨跌幅、量比、RSI、KDJ、BOLL、MACD，每种有明确的参数和求值器；不能量化的诚实标记为文字条件，在每周打卡时人工核对。技术实现上，RSI、MACD 这些指标并不需要买数据服务，日 K 线拉下来本地几十行代码就能算。

手动不是缺陷，是设计：打卡表单本身就是核对清单，”资金流向转正了吗？回购还在延续吗？”——系统把”该看什么”结构化地递到你面前。

四、AI 进场：从”我用 AI”到”AI 用文档”

功能越强，录入越重。一份报告要手工拆出七八条条件，这本身就是劝退流程。解法顺理成章：AI 写的报告，让 AI 来拆——拖入报告文件，DeepSeek 直接提取出观点、计划、条件组、关键时间点，预览确认即建项。

但真正有意思的决定藏在实现细节里：条件的类型映射规则没有硬编码在 prompt 里，而是写成了一份独立的手册 rules.md，运行时整体注入给模型。改文档即改 AI 行为——调整规则不需要动代码，写文档就是在编程。

五、闭环：让 AI 告诉我们它缺什么

到这里系统已经能用了，但最有意思的设计出现在下一步。

我意识到一个不对称：报告里的信号千奇百怪，而我的类型系统只有七种。与其等我发现新类型，不如让 AI 自己报告它的能力边界。于是 prompt 里加了一条约定：遇到手册无法表达但理论上可量化的信号，照常降级为文字条件，同时在返回结果里附上”新类型建议”——名字、判定逻辑、报告原文依据。

第二天，系统就给我提了两条需求：”南向资金连续净流入”、”COMEX 商品价格阈值”。我验证数据源、实现求值器、把手册更新。又过了几天，它再提两条：”美元指数阈值”、”港股卖空比例”。再次落地。

闭环就此形成：AI 读报告 → 发现能力缺口 → 提出建议 → 人类实现并更新手册 → AI 下次自动识别。规则手册、AI 提取、求值引擎三者咬合，系统开始自我进化。触发价格、KDJ、美元指数、南向持股、沽空比例——十余种参数指标联动的数据抓取，都是在这条流水线上长出来的。

六、工程现实：那些不在计划内的课

故事里不该只有架构图。一些真实的坑，恰恰是最有信息量的部分：

输入框曾”无法输入”——受控组件每次按键都重渲染，打断了中文输入法的组词；Electron 二进制被 macOS Gatekeeper 当成”恶意软件”——最后靠 postinstall 脚本自动清隔离属性加本地签名解决；南向资金数据同一天有上海、深圳两条通道记录，不合并就会得出荒唐的”净流入”结论；外盘期货的字段是逗号分隔而股票是波浪号——这些在真实数据验证之前，都安静地伪装成”已完成”。

也正是这些坑催生了最后的工程拼图：所有数据源收拢进统一的适配层，每个源带自检，npm run check:sources 一键巡检全部接口，指标算法用合成数据做离线单测。从此接口挂了，是测试先知道，不是我先亏知道。

七、现在它长什么样

一个小程序已经长成了常驻 Mac 菜单栏的桌面应用。托盘图标带着待办角标；后台每 30 分钟扫一遍行情，条件命中就弹系统通知，点开直达详情；每周打卡把”该核对什么”递到手上；复盘页自动摆出当时的观点、条件触发的完整时间线、过程打卡记录，等你写下结论。

而最重要的资产不是代码，是那份 rules.md——一部系统与自己对话用的词典。它还会变厚，因为下一次 AI 再提出新建议时，流水线的每一环都已经就位。

尾声：三点带走的认知

先找到真正的触发器。 最初的时间提醒不是做错了一步，而是认错了问题的本质。值得警惕的永远是”直觉解”。

诚实地区分能与不能。 把可自动化的做到极致，把不能自动化的设计成优雅的人工流程——”全自动”的执念反而产生脆弱系统。

把 AI 放进回路，而不只是放进流程。 用 AI 提取信息是提效；让 AI 参与定义自己的能力边界、让文档成为人机共享的事实源，才是这套系统会进化的原因。

—— 深度跟踪提醒 DeepReminder，从一个提醒需求到一个自进化条件的跟踪复盘系统。