我把买基金这件事开源了：4 维评分 + 7 档建议，从「凭感觉上车」到「有依据调仓」

一个长期主义者的指数基金分析工作台 · 评分公式、阈值、数据采集全部透明

你发现没有？池子里的选择多到吓人，但「为什么买 / 什么时候买 / 买多少」这件事，依然是 KOL 的一句话、AI 投顾的一个按钮。

我想要的是：自己看得懂、随便问一句就有解释、错了能复盘的工具。所以我把它做出来了——开源的、可以装在自己电脑上的。

CHAPTER 02

KOL 荐基 vs AI 投顾，为什么我都不放心？

我想要的工具，必须同时满足三条铁律：

1 公式可读——每一个打分项写成权重×因子，GitHub 一行能跳到。

2 阈值显式——7 档行动建议对应明确的分数区间，不靠"AI 心血来潮"。

3 数据本地——你的持仓比例、风险承受度，全在你自己电脑的 JSON 里。

避雷提醒：不要把"AI 选基金"当成"建议盲信"。任何不能给你"为什么是这几只"的工具，本质跟 KOL 没区别。

CHAPTER 03

核心一：4 维评分体系，每个分数都有"配方"

任何"基金分析"先把这 4 件事说清楚：能不能长期拿、现在买贵不贵、买的产品跟不跟得住、以及要不要跟我的持仓打架。我用 4 个轴把这 4 件事算成可加权的分数。

注意：长期结构的权重 42%，是怕"现在买对了但拿不住"——先问能不能拿 5 年，再问现在该不该买。

CHAPTER 04 · 核心章节

核心二：7 档行动建议，从「加速分批」到「等待回落」

分数之外，对普通投资者更有用的是"现在该做什么、动多少"。我把决策分成 7 档，永远不是"all in"，永远不是"清仓"。

"等待回落"不是让你错过机会——

是不让你用 30% 的仓位去买一个"看起来好"的主题。

CHAPTER 05

核心三：Macro AI，让宏观环境自己开口

普通人最大的认知盲区，是把"我刚回本的指数"和"当前宏观环境"脱钩。所以我做了一个轻量 Macro AI——把 6 个宏观指标联动，输出当前应使用的风险偏好档位。

关键设计：Macro AI 不预测指数，它只告诉评分模型"现在该用哪档风险偏好"。前面的 4 维评分会自动引入宏观修正项——这是分数的"底盘"，而不是预测。

CHAPTER 06

核心四：我的持仓，让"组合重叠"肉眼可见

"我已经有 30% 在 AI，还要不要再加半导体？"——这是新手最容易翻车的问题。主题重叠识别是工作台的第二大脑：

① 填入基金名称 + 金额，自动按主题归类、计算比例。

② AI/半导体等强相关主题累计 ≥18% 时，自动对半导体打分加惩罚项。

③ 卫星仓上限 8-18%、核心仓上限 36-60%，按你风险承受度分级。

④ 你的真实持仓只存在本机 data/user-portfolio.json，公开时默认仅显示样

例。

CHAPTER 07 · 全文重点

本地、开源、可审计——基金工具应该长这样

一个真正能让你少踩坑的工具，必须可以被你审计。我把它完全开源在 GitHub：

你可以：本地拉一份、改公式、改阈值、换数据源——只要对你自己负责，就好。

📨 邀请你成为第一批体验官

如果你是长期指数基金投资者，欢迎 star / fork / clone 后告诉我：

① 你最讨厌现在哪个工具的"黑盒感"

② 你希望评分公式加什么新的因子

结 语 · CLOSING

你的基金，可以不再凭感觉买。

每个分数都有来源，每个建议都有阈值，每个数据都在你电脑上。

做这个工具的初衷很简单——我想要一个我能信得过的"基金军师"。

GitHub · songweilovelj-cyber / culture-procurement-monitor