AI 如何工作，以及它可能在哪里出错

1. 此处"AI"的含义

我们抓取的每一条帖子都会经过基于 LLM 的分析器。分析器的工作是回答关于每条帖子的三个问题：

• 这条帖子是在做交易判断吗？还是评论、图表、表情包、新闻？
• 如果是判断，关于哪个（些）股票代码？
• 方向是什么 — 买入/做多还是卖出/做空 — 作者听起来有多自信？

这些结构化输出会存入我们的数据库，用于计算下游的所有内容。如果模型误读了一条帖子，错误会传播到所有这些数字。

2. 我们使用哪些模型

SignalSnitch 将帖子文本发送给多个 LLM，包括 Anthropic Claude 和 OpenAI GPT。我们只发送公开的帖子文本 — 绝不发送您的账户数据、关注列表、账单信息或其他任何私有状态。

3. 实际遇到的失败模式

3.1 股票代码幻觉

模型编造出在原始帖子中根本不存在的股票代码。我们运行一个验证步骤，丢弃股票代码并未在源文本中实际出现的信号，能捕捉到常见情况。

3.2 情绪误读

模型在使用反讽、含糊或令人困惑结构的帖子上颠倒了买入/卖出。我们依靠共识过滤器（≥2 人同意）来稀释单次误读的影响。

3.3 非判断被分类为判断

提到股票代码的评论或屏幕截图标题被提升为真正的买入/卖出信号。我们在意见领袖详情页使用"非判断"标签，让您能审计分类器标记和未标记的内容。

3.4 时区/日期误读

模型偶尔可能会误读相对于市场开盘的发帖时间，从而影响我们捕获的"入场价"。

4. 我们衡量什么

作者的准确性基于其每次判断后市场的实际表现 — 而非 AI 认为作者听起来有多自信。我们在判断后等待足够时间再评分，以便结论反映真实的价格变动而非开盘第一分钟的噪音。

样本量比头条数字更重要。我们始终在每个百分比旁边显示判断数量，便于您自行权衡。

5. 我们运行的安全措施

我们过滤掉 AI 编造出帖子中实际不存在股票代码的信号。我们不将单一作者的意见视为"共识" — 必须有多位独立作者首先达成一致。我们使用事后真实价格数据来评分胜负。随着分析改进，我们也会定期重新检查旧信号。

6. 您应该做什么

点击进入原始帖子。每个信号卡都链接到原始的推文 / Reddit 帖子 / StockTwits 消息。在依据任何信号采取行动之前，请自己阅读帖子。

把数字视为范围，而非点。"65% 准确率"这个数字因样本量、分析器误差和幸存者偏差而存在不确定性区间。

报告您发现的错误。请发邮件至 [email protected] 并附上信号的 URL。我们会用这些报告来优化分析器提示词。

7. 总结

SignalSnitch 是一款使用不完美的 AI 处理不完美的输入（社交媒体）以产生不完美输出的研究工具。该管道足以呈现模式并研究群体心理 — 这是我们承诺的用例。它不足以作为您无需自行核实就能据以行动的交易信号。