跳到主要内容

ADR-007 金融认知体系作为核心差异化定位

决策摘要​

FinBayes 在金融领域的核心差异化是自建的金融认知体系——一套体系化、全面、独特、可迭代矫正的金融分析框架。

明确不是：

  • 通用 LLM 底座的金融能力（任何有 LLM 资源的团队都能用）
  • 多维数据组织能力（多家产品已经做了）
  • 金融专家大模型 FEFM 的接入（FEFM 是长期增强方向，不是当前核心，也不是核心依赖）

认知体系的关键特性：前置具备分析能力——在尚未训练的新事件、新标的、新叙事、新板块出现时，体系本身就能给出体系化分析；不依赖事后预训练或中训练把案例融入 LLM。

认知体系的当前状态：正在持续构建的方向，不是一蹴而就的已有资产。

上下文​

第四节"懂金融"草稿（revision 1）把核心差异化写成两层：金融语义的准确性 + 金融逻辑的深度。用户深度反馈指出这两层任何有 LLM 资源和数据组织能力的团队都能复制，不构成真正的核心差异化。

用户给出的根本观点：FinBayes 真正的核心是有体系化、全面、独特、可迭代矫正的「认知体系」——这种认知体系在不同 LLM 底座上、面对不同金融对象、不同市场周期、不同金融规律、不同金融事件传导链路和影响逻辑时，都能有一套体系化的分析机制对问题进行分析、组织、结构化输出结论和分析。

用户给出 5 个具体案例支撑这个观点：美联储加息的全球资产传导、中东战争的石油链与避险传导、自然灾害的农作物与 CPI 传导、AI 叙事中期的算力基建链、2024 年 8 月日本加息触发的全球资金结构变化。

本 ADR 把这个核心差异化主张正式锁定。

决策详情​

核心主张​

FinBayes 的金融领域核心差异化是自建的金融认知体系。这套体系的特征：

  1. 体系化：不是零散的分析能力堆砌，而是有内在结构的分析框架
  2. 全面：覆盖金融对象、时间维度、市场场景、事件传导、金融规律等多个分析维度
  3. 独特：专门针对金融场景构建，不依赖通用 LLM 是否在训练数据中包含相关案例
  4. 可迭代矫正：当实际事件验证或推翻体系中的某条分析路径，体系本身可被矫正

认知体系的核心机制​

重要更新（2026-05-28 拉回）：

经用户深度反馈，在没有明确的"如何构建、迭代、完善"的方法论、参考源、机制和具体方案之前，本 ADR 不锁定具体的机制清单为最终承诺。

下列 6 个机制是初步分解的 working 骨架，不是最终承诺；其完整性、必要性、是否足够等问题待专题研究产出后再确定（专题研究方向：业内 / 开源项目调研 + 跨学科金融研究框架 + 案例驱动反向校准 + 用户反馈循环；详见 status.md 悬而未决问题）。

战略白皮书第四节正文不再列出 6 机制列表，只保留高层定性陈述（体系化、全面、独特、可迭代矫正）+ 关键特性（前置分析）+ 2 个案例（美联储加息 + AI 叙事中期）作为体系能力的说明。

working 骨架（仅供工作流内部参考，不进白皮书正文）：

  1. 金融对象的本体识别与关联（working 骨架）
  2. 金融时间维度的对齐（working 骨架）
  3. 金融场景的识别与映射（working 骨架）
  4. 金融事件传导链路的体系化（working 骨架）
  5. 金融规律的体系化（working 骨架）
  6. 可迭代矫正（working 骨架）

专题研究产出后，本 ADR 会有 supplement 段补充正式的体系构成。

关键判断：前置分析 vs 事后训练​

通用大模型可以在事后预训练或中训练时把已发生的金融事件的分析逻辑、传导链路、结论融入模型。但通用大模型没有也很难拥有一套专门针对金融场景的体系化、全面、独特、可持续迭代的金融认知体系，能在尚未训练的新事件、新标的、新叙事、新板块出现时前置具备分析能力。

这是 FinBayes 与所有"通用 LLM + 金融提示词"型产品的根本分野。FinBayes 的金融认知体系先于事件存在——新事件触发体系产生分析，而不是事件训练完之后 LLM 才能复述。

体系当前状态：正在持续构建的方向​

诚实陈述（用户明确拍板）：

这套认知体系不是一蹴而就的资产，而是 FinBayes 正在持续构建的方向。第一阶段聚焦的 Crypto 和 US Stocks 是体系构建的优先场景。每扩展一个市场、每新增一类事件类型，认知体系都同步扩展——这种构建工作本身就是 FinBayes 的核心产品工作。

这意味着白皮书不能写"已经覆盖所有金融场景"——既不诚实也无法在 review 中站住。

案例选择​

第四节用 2 个 case 作为认知体系的具体说明（详细案例库归 commons 长期收纳）：

  • Case 美联储加息：经典跨市场传导链路，最简洁地说明"体系化前置分析"
  • Case AI 叙事中期：现代叙事驱动型分析，展示体系适应新主题的能力

其他 3 个用户给出的 case（中东战争 / 自然灾害 / 日本加息黑天鹅）归到 commons 的金融认知案例库参考材料中，长期收纳。

FEFM 的角色修正​

明确两点：

  1. 当前阶段 FEFM 不可用：当前（M0-M3）FinBayes 的"懂金融"基于通用 LLM 底座 + 自建认知体系，不依赖 FEFM
  2. 长期 FEFM 是放大器，不是基础：在认知体系成熟后，FEFM 让模型本身具备金融领域专业理解，与认知体系互相强化。但即便没有 FEFM，认知体系本身就是 FinBayes 的核心差异化

避免：把 FEFM 写成"短期内可用的能力"或"核心差异化的基础"——这两种写法用户明确指出是错的。

"认知体系建设速度 vs 通用 AI 演化速度的赛跑" 作为战略风险​

用户明确拍板把这条作为第十节战略风险中的一项独立列出。

含义：FinBayes 在持续构建认知体系，通用 AI（特别是基础大模型）在快速演化。如果通用 AI 的演化速度显著快于 FinBayes 认知体系的覆盖速度，可能出现：

  • 通用 AI 已经通过事后训练把更多金融场景的分析逻辑融入模型
  • 用户在通用 AI 上得到的金融分析质量越来越接近 FinBayes
  • FinBayes 的差异化优势被压缩

应对方向（详见第十节）：

  • 体系构建必须保持持续扩展速度，不能停滞
  • 体系的体系化、可迭代矫正特性是与"零散事后训练"的差异化护城河
  • 第二层（懂用户）和第三层（懂判断）的差异化共同形成完整壁垒，不能单押在懂金融
  • 通过用户连续认知状态 + 服务边界（不走喊单）形成的留存机制是体系建设期的护栏

跨节体现​

本 ADR 作为跨多节的战略主张，影响 5 个章节：

节体现方式
第四节 核心优势认知体系作为"懂金融"的核心层，写入 6 机制 + 关键判断 + 2 case + 状态 + FEFM 修正
第五节 产品形态三层产品（用户产品 / 工具产品 / 平台产品）每一层都要说明"认知体系如何在这一层体现"（用户明确接受）
第七节 阶段路线认知体系的扩展节奏作为阶段里程碑（M0-M3 Crypto+US Stocks 优先 / 后续市场扩展由认知质量验证决定）
第九节 用户主权与不变量认知体系 vs 用户个人金融数据的清晰边界（认知体系是 FinBayes 自建的，不依赖收集用户敏感数据）
第十节 战略风险与悬而未决"认知体系建设速度 vs 通用 AI 演化速度的赛跑" 作为独立战略风险

决策理由​

为什么核心差异化必须是认知体系，不是 LLM 底座​

通用 LLM 底座的金融能力随 LLM 行业整体演化，FinBayes 没有独占优势。把核心写成"懂金融 = 通用 LLM 的金融能力" 等于把命运绑定在第三方 LLM 厂商的迭代速度上。

为什么核心差异化必须是认知体系，不是 FEFM​

FEFM 是 FinTec AI Ecosystem 内的项目，当前未交付。把核心写成"懂金融 = FEFM 接入"等于把战略赌在未来的工程交付上，且 FEFM 一旦交付，认知体系的护城河深度反而由 FEFM 的领先性决定，方向倒置。

应当反过来：认知体系是当前已开始构建的核心，FEFM 是长期放大器。这种定位让 FinBayes 在 FEFM 交付之前就有独立的核心，FEFM 交付后变成强化。

为什么核心差异化必须是认知体系，不是多维数据组织​

多维数据组织（基本面 / 流动性 / 宏观 / 情绪 / 叙事 / 链上）任何有数据资源和工程能力的产品都能做。组织能力是必要条件，不是差异化。

差异化来自组织背后的分析框架——按什么逻辑组织、为什么是这些维度、维度之间的传导关系是什么——这才是认知体系的实质。

为什么强调"前置分析 vs 事后训练"​

这是认知体系 vs 通用 LLM 的最尖锐对照点。通用 LLM 即便事后训练把已发生事件融入模型，它对未发生事件的分析能力仍受训练数据限制。认知体系的体系化结构让它在新事件出现时即时可用——这是真正的技术优势，也是 FinBayes 可以长期持续的核心定位。

为什么诚实陈述"正在构建中"​

把认知体系写成"已建成的全面资产"会在 review 中被怼倒：覆盖了哪些场景？覆盖度多少？如何评估？这些问题第一阶段都不能回答。

诚实写成"正在持续构建的方向"反而更可信：明确边界、明确投入方向、明确这是 FinBayes 的核心产品工作。诚实度本身是 FinBayes 战略层的差异化之一。

应用纪律（第四节"懂金融"段重写时的检查清单）​

  • 把"金融语义准确性 + 金融逻辑深度"两层从核心位置下调为"认知体系之下的两个能力面"
  • 加入"金融认知体系"作为懂金融的核心
  • 列出认知体系的 6 个核心机制
  • 写"前置分析 vs 事后训练"的关键判断
  • 写 2 个案例（美联储加息 + AI 叙事中期）作为认知体系的具体说明
  • 显式写"正在持续构建的方向"，不写"已建成的资产"
  • 修正 FEFM 写法：当前不可用 + 长期是放大器不是基础
  • 在节末"三个'懂'的互相强化"中体现认知体系作为懂金融核心的角色

与其他 ADR 的关系​

  • 补充 ADR-003 方法论组合：认知体系是 Strategy Cascade How to Win 层的实质内容
  • 补充 ADR-004 十节目录骨架：第四节"懂金融"按本 ADR 重写，第五/七/九/十节起草时承接本 ADR
  • 联动 ADR-005 长期愿景：第二层"内部能力面"的 FEFM 描述与本 ADR 的 FEFM 修正一致
  • 联动 ADR-006 用户定义与价值立场：认知体系是"长期路径"价值选择的具体落实

后果​

正面​

  • FinBayes 的核心差异化主张清晰、可论证、与通用 LLM 演化解耦
  • 跨 5 节联动，避免散落论证导致的不一致
  • 与 ADR-005 / ADR-006 的护城河逻辑互相呼应（认知体系 + 用户连续认知资产 + 服务边界）
  • 给第十节战略风险提供清晰的赛跑论证基础

负面​

  • 第四节"懂金融"段大幅扩展（从约 15 行扩到约 100 行），第四节整体行数从 112 行增至约 230 行
  • "认知体系正在构建中"的诚实陈述需要持续治理边界，每阶段都要更新覆盖范围
  • "认知体系 vs 通用 AI 赛跑"风险给第十节战略风险加重论证负担

中性​

  • 详细案例库归 commons 长期收纳，不进战略白皮书
  • "金融语义准确性 + 金融逻辑深度"两层并未删除，只是位置下调

后续动作​

  • 重写第四节"懂金融"段，应用本 ADR 检查清单
  • 在第五节产品形态起草时承接"认知体系如何在三层产品体现"
  • 在第七节阶段路线起草时承接"认知体系扩展节奏"
  • 在第九节用户主权与不变量起草时承接"认知体系 vs 用户数据的边界"
  • 在第十节战略风险起草时承接"认知体系建设 vs 通用 AI 演化的赛跑"
  • 在 commons 起草金融认知案例库参考材料目录（中东战争 / 自然灾害 / 日本加息黑天鹅 等 case 长期收纳）