我把所有東西都放進去了 - Draw Tree MCP
Free Credit for Every New Signup
黑暗時代
我們現在身處的，是投資研究的黑暗時代。
不是因為資訊不夠多。資訊從來沒有這麼多過——彭博、Refinitiv、Capital IQ、AlphaSense、Reddit、Twitter、Substack，再加上一打 AI tool 每天生產出來的「分析」。問題在於：兩份報告都說得頭頭是道，而你，根本無從判斷哪一份是對的。
你今天讀到一份賣方報告，結論是「NVDA target $250」；下個月同一家行的另一份報告，結論卻是「NVDA target $180」。兩份都言之成理、數據齊全、邏輯自洽——中間沒有人錯，因為兩份報告都沒有寫下「在什麼情況下我會承認自己錯」。它們只是兩個權威人物各自說了一句話，而你被期待去相信其中一個。
而這正是問題的根源：這套結構，根本就是中世紀黑暗時代教會經院哲學的翻版——權威 → 結論 → 信徒。 一位有名望的人給出一個結論，你的工作只是選擇相信。沒有實驗、沒有可被推翻的預測、沒有錯了之後的更新。唯一的差別是：中世紀爭論的是針尖上能站幾個天使，今天爭論的是 NVDA 該值幾個 PE multiple。換了題目，換了術語，但思考的方式停留在四百年前。
你可能會想：那 AI 不正好能救我們離開這種困境嗎？恰恰相反——LLM 的出現，讓事情變得更糟，而不是更好。 你問 ChatGPT 一個 ticker，它會給你一份結構漂亮、引用齊全、結論模糊的「報告」。看起來像分析，實際上不可被證偽：你下個月再問同一隻股票，它會給你一份結論完全不同、但結構同樣漂亮的報告。模型它只是忠實地做了我們要求它做的事。錯的是我們從來沒有定義過「一份合格的研究」應該長什麼樣，於是 AI 只能複製賣方分析師那套「權威語氣 + 模糊結論」，而且複製得更快、更多、更廉價。
那麼，黑暗時代究竟是怎麼結束的？
1661 年，波義耳出版《懷疑的化學家》。在他之前，煉金術士守著祕密過活——配方寫成暗語、實驗鎖在地窖、成果只說結論不說過程。「我把鉛變成了金」，至於怎麼變的，是不傳之祕。你要嘛相信他，要嘛當他是騙子，但你永遠無法驗證。
而波義耳做了相反的事。他公開的不是結論，而是方法：用什麼器材、如何控制variable、怎麼設計一個能讓別人重做的程序。他甚至刻意記下失敗的實驗。於是化學不再是煉金術，天文不再是占星，物理不再是哲學思辨，它們成為了科學。
三百年後，Richard Feynman 用一句話總結了科學方法：先猜測，再推算這個猜測會導致什麼後果，然後拿後果去跟現實比對。
「你的猜測多漂亮、你多聰明、你叫什麼名字，全都不重要——對不上就錯。」
這就是科學跟黑暗時代的分野：
黑暗時代：權威 → 結論 → 信徒。它從不告訴你「什麼情況下我會錯」。
科學：猜測 → 推算後果 → 對照現實 → 不符就是錯。它一開始就把自己的死刑條件寫出來，交給現實去執行。
而投資研究，到今天為止，還沒有走過這一步。
我們仍然活在權威 → 結論 → 信徒的循環裡。我們仍然把「某位名人看好某隻股票」當成研究，把結構漂亮的 PowerPoint 當成洞見，把無法被證偽的判斷當成專業。我們有了四百年前做夢都想不到的資訊與算力，卻把它們全部用來，更快地生產一種中世紀的東西。
是時候，把科學方法帶進投資研究了。
Draw Tree 是什麼
Draw Tree 是一份協議（protocol）——把投資研究這件事，按照科學方法的原則重新定義一次。
它要求一份研究：
必須先寫下你正在挑戰的市場共識（Narrative）。
必須濃縮成一句可被證偽的單句假設，並附上時間窗口（H-0）。
必須沿著 3 至 4 個 MECE 分支展開，每個分支綁定一個公認的分析框架（Branches）。
每個分支下的每一個子假設，必須附帶它的證偽條件——什麼觀察結果出現，這個子假設就被推翻（Leaves）。
必須生出三組可被檢驗的情境（Bull / Base / Bear），用 peer group 估值算出 implied value 與現價的距離（Scenarios）。
樹的每一層都拒絕一些做法。沒有證偽條件的 leaf 會被 reject——這條規則背後，是科學哲學的核心：一個不可能被推翻的理論，不是科學。觀點與共識一致的樹會被 reject——因為這代表這份研究沒有 edge，只是把市場已經知道的東西重述一遍。至於 DCF、DDM，在這個協議裡刻意不被支援。這些方法本質上只是事後合理化的工具。
每棵樹被 commit 之後，server 會用 Fibonacci 預設權重 (你也可以自己調) 把 leaves 加總到 branches、再加總到 root H-0，產出一個 conviction score（0 到 1）與一個 expected return。同樣關鍵的是：每次 commit 都有一個 version hash，之後任何修改都會 fork 出新版本，歷史不會被覆寫。你六個月後回去看，可以清楚見到自己當初的判斷、後來改了什麼、以及為什麼改。
但一棵樹要能被檢驗，光有結構還不夠——你還需要一套誠實的語言，去描述每一個假設此刻的死活。
六個狀態的判決詞
每個 leaf、每個 branch、每個 root H-0 都帶有一個 verdict，共六個狀態，呈單調 scale，由最強支持一路滑到已被推翻：
validated（1.00）——證據強力支持假設
trending_positive（0.75）——方向性支持，但門檻未到
inconclusive（0.50）——數據不足或矛盾
trending_negative（0.25）——方向性壓力
approaching_falsification（0.10）——再多一個反證就 flip
falsified（0.00）——已被證偽
絕大部分研究只會默默 update target price、改變 narrative，然後告訴你他們「一直都是這樣看的」。 在我們社群不允許這些事情發生。
Draw Tree 強制紀錄每一次 verdict 變化、每一個證據來源、每一個翻盤的時刻。一棵樹的歷史，就是它的研究員的歷史。看一個人公開的樹，比看他發了多少 tweet，更能告訴你他懂不懂自己在做什麼。
問題是：要持續維護這樣一棵會呼吸的樹，靠人類一雙手，根本做不到。
為什麼需要 AI
因為單靠人類研究員，這套方法是做不下去的。
要每週抓取全世界與一家公司相關的新聞、把每一篇 attribute 到具體的 branches 與 leaves、重新評估每一個 leaf 的 verdict、檢查哪一個 kill condition 是否已被觸發——這是一份全職工作的工作量，光做一隻股票就足夠。如果你 cover 20 隻，你必然會放棄方法、回去靠 gut feeling。
AI 在這裡的角色，不是「幫你寫更好的報告」，而是讓嚴謹的方法在實務上變得可行。Phase 1 的 framework design，是 AI 與人一步一步對話設計出來的，等你確認才前進。
Phase 2 的 deep research，是 AI 在你按下確認後一次過跑完，10 到 15 分鍾，覆蓋每一個 narrative pillar 與每一個 leaf 的 falsification metric。每次更新，AI 自動跑一次 cron，抓新聞、attribute、重算 verdict，再把結果 push 到你的 email 。
人決定要問什麼，AI 負責讓問題不停被問下去。
但我想再行前一步，把這些都開源出來。
為什麼公開協議
這份協議今天就公開在 drawtree.capital/specc：完整的 normative spec，Python reference validator（pip install drawtree-validator），AI skill 在 github.com/Draw-Tree。全部 MIT 授權。任何人都可以讀、可以實作，甚至做出一個完全不需要我們伺服器、仍能產出可互通的樹的系統。
為什麼？因為一個關於「科學方法」的工具，不可能是封閉的。
如果這份協議只在我們的 server 裡執行、規則只存在於我們的腦袋裡，那我們所做的事，就與黑暗時代的賣方分析師沒有兩樣——我們只是換了一個更時髦的 black box 給你。我們會說「相信我們的方法」，但你不知道方法究竟是什麼，你只能憑信仰。
只要這套方法還鎖在我們的伺服器裡，它就還沒有真正離開黑暗時代。
啟蒙運動的核心不是「我有更好的答案」，而是「我把方法攤開來給所有人檢驗」。波義耳在《懷疑的化學家》裡公開的，不是哪一種物質的最終結論，而是他怎麼做實驗：一個只報喜不報憂的人，不是在做科學，是在傳教。他真正的主張只有一句：別信我的結論，去把我的實驗再做一次。
Draw Tree 想做的，是同一件事。我們公開的不是某一棵樹的結論。我們公開的是「一棵合格的樹應該長什麼樣」這份規格。任何願意遵守這份規格的人、任何 AI Agent、任何競爭者，產出來的研究都可以被放在一起比較。
這代表幾件事：
你不會被任何 vendor 綁死。 我們的 server 即使某天消失，你 commit 過的所有樹，根據 open spec 仍然可以被任何人重新解析與驗證。
你六個月前的研究與今天的研究，結構是可比的。 不是因為我們承諾，而是因為協議寫死。
別人可以做得比我們好。 如果有人實作出一個比我們更出色的 server——更聰明的 framework retrieval、更準的 verdict judge——他們產出的樹仍然與我們的 interop。這是科學方法的特性。
我們相信什麼
說到底，這一切背後只有一組信念。我們相信，投資研究應該離開黑暗時代。
我們相信「我看好 NVDA」這種句子不應該被當作研究——研究應該是：「在 12 個月內，NVDA 的 data-center 季增速回落到 15% 以下，否則我的假設站不住。」
我們相信一份研究的價值，不是由它的作者多有名來決定，而是由它能不能被檢驗來決定。
我們相信，任何聲稱「永遠不會錯」的分析方法都不是科學，而是宗教。
我們相信投資者應該擁有他們的研究——擁有它的歷史、它的版本、它的 verdict 變化軌跡——而不是把這些託付給一間會在十年後關門的 SaaS 公司。
我們公開這份協議，是因為我們相信：一個更好的研究文化，必須建立在一份所有人都能讀、所有人都能挑戰、所有人都能實作的 spec 之上。
話講到這裡，剩下的就交給你了。
動手試一棵自己的樹
如果你想試一棵自己的樹，drawtree.capital 提供 50 個免費 credit，第一棵樹通常 50 credit 就跑得完。任何符合 MCP 的 AI client——ChatGPT、Claude、Perplexity、Claude Code、Codex、Claude Desktop——都可以驅動它。
如果你想做自己的 implementation，spec 就在那裡。我們很期待看到你做出什麼。
🎁 舊客戶回贈
如果你之前購買過 90s.pm.investing.skill（Professional / Individual），可以領回等值的 credit：
用相同 email 登記 drawtree.capital
在 Slack channel #draw-tree-mcp 留言找我
我會回贈等同你購買價值的 credit 給你