📊 今日投资要点总结
关键数据
- 💼 买入卖出操作: 3个
- 💡 买入卖出建议: 6个
- 🟢 买入操作: 1个
- 🔴 卖出操作: 1个
市场情绪
📈 偏乐观: 买入操作和建议多于卖出，市场情绪相对积极
💼 买入卖出操作
1. 易方达港股通消费基金 - 买入
操作价格: 未提及
操作数量: 1万元（建立观察仓）
操作时间: 当前/近期（文章发布时）
操作理由: 港股消费是低估值的潜力赛道之一。经历一年多的上涨之后，A股整体估值已经处于高位，港股相对A股估值还算合理。受大环境影响，消费整体表现一般，但仍存在结构性投资机会，如银发经济、年轻人经济（新消费）、宠物产业。目前，中证港股通消费指数市盈率为17.68倍，差不多处于2020年以来的最低水平。
风险评估: 消费整体表现比较一般；受大环境影响。
操作结果: 未提及
来源: 望京博格投基 - 一个低估值的潜力赛道~2026年1月27日 市场温度
2. 比特币 - 卖出
操作价格: 未提及
操作数量: 超过80%
操作时间: 近期
操作理由: 比特币正面临叙事层面的根本性转变
风险评估: 未提及
操作结果: 未提及
来源: PANews - 左边黄金右边华尔街，比特币站在新旧周期的十字路口
3. 融通产业趋势精选（A类代码011011，C类代码019194） - 增配/优化持仓结构
操作价格: 未提及
操作数量: 未提及具体数量或比例，但提及‘大幅增配了有色等周期行业’、‘持仓大幅超越偏股混合型基金’、‘进一步加大了有色行业的配置比例’
操作时间: 2025年下半年（具体为10月初板块上涨后）
操作理由: 基金经理李文海基于对周期行业的研究，在2025年上半年大幅增配有色的基础上，于2025年下半年进一步加大了有色行业的配置比例，并优化了持仓结构：减持部分铜及小金属标的，同时增配铝板块。
风险评估: 未提及
操作结果: 未提及
💡 买入卖出建议
1. 港股消费赛道（具体通过如易方达港股通消费基金等标的布局） - 买入建议
建议理由: 港股消费是低估值的潜力赛道。经历一年多的上涨之后，A股整体估值已经处于高位，港股相对A股估值还算合理。受大环境影响，消费整体表现一般，但仍存在结构性投资机会：1. 银发经济：我国银发人群规模已接近3亿人，消费能力和意愿提升，2025年养老产业市场规模已突破10万亿元。2. 年轻人经济（新消费）：年轻消费者追求情绪价值与身份认同，潮玩、新中式轻奢、线下体验消费成主流热点，2025年居民人均可支配收入破4.5万元，消费结构升级。3. 宠物产业：行业年复合增长率达26%，2025年国内市场规模已接近4000亿元，宠物家庭渗透率不足20%（欧美国家普遍超过60%），行业仍处于快速渗透的成长期。
入场条件: 中证港股通消费指数市盈率处于2020年以来最低水平（当前为17.68倍）。
止盈止损: 未提及
持有期限: 未提及
建议仓位: 未提及具体仓位建议，但作者本人操作是“买入1万元建立一个观察仓”。
风险等级: 未明确提及，但文中描述为“相当稳健的选择”。
来源: 望京博格投基 - 一个低估值的潜力赛道~2026年1月27日 市场温度
2. 指数基金/股票 - 加仓建议
建议理由: 金字塔加仓法是一种在下跌过程中分批买入以摊薄成本的投资策略。其核心逻辑是：随着价格下跌，加仓比例逐渐增大，形成金字塔结构，从而在市场反弹时更快回本并获利。相比无脑定投，该方法更主动，能更好地控制成本和风险。
入场条件: 市场下跌时，在预设的价位区间分批买入。例如，当价格下跌5%时，加仓10%；下跌10%时，加仓20%；下跌15%时，加仓30%；下跌20%时，加仓40%。
止盈止损: 未明确提及具体的止盈止损条件。
持有期限: 未明确提及具体持有期限。
建议仓位: 建议采用金字塔式仓位管理，初始仓位较小，随着价格下跌，加仓比例逐渐增大。例如，初始买入10%，后续加仓比例分别为10%、20%、30%、40%。总仓位需控制在可承受范围内。
风险等级: 中
3. 贵金属（黄金、白银） - 持有建议/逢低分批买入建议
建议理由: 长期逻辑未改变：美联储2026年大概率处于降息区间，全球央行购金趋势不会逆转，白银的工业需求（光伏、新能源、AI）仍在增长。贵金属作为资产配置的压舱石，仍有其价值。
入场条件: 回调后逢低分批买入
止盈止损: 未明确给出具体止盈止损价格，但提示短期波动剧烈，需注意风险
持有期限: 中长期
建议仓位: 未明确给出具体仓位，但建议以长期配置心态，逢低分批买入
风险等级: 中高
4. 黄金板块（黄金股） - 买入建议
建议理由: 判断黄金将进入持续行情。在美国经济数据显现恶化迹象的加息初期，黄金的避险及投资价值将进一步凸显，而当前黄金股的业绩弹性尚未被市场完全定价，后续或仍有较大提升空间。
入场条件: 未提及具体入场价格或技术指标。隐含条件是美国经济数据显现恶化迹象的加息初期。
止盈止损: 未提及具体止盈止损价格或持有期限。
持有期限: 未明确提及，但建议逻辑基于‘持续行情’。
建议仓位: 未提及
风险等级: 未明确提及，但文章整体提示有色板块存在价格剧烈波动的风险。
5. 工业金属板块（铜、铝） - 买入建议
建议理由: 明年上半年工业金属仍是市场性价比优选。铜、铝行业本身面临较强的供给约束，明年价格走势或看好，且当前相关个股估值仍处于低估区间。
入场条件: 未提及具体入场价格。隐含条件是当前相关个股估值仍处于低估区间。
止盈止损: 未提及具体止盈止损价格。
持有期限: 明年上半年（即2026年上半年）
建议仓位: 未提及
风险等级: 未明确提及，但文章整体提示有色板块存在价格剧烈波动的风险。
6. 有色金属板块 - 关注/看好建议
建议理由: 基于四重逻辑共振：1. 货币之锚松动，实物资产价值重估（弱美元周期、美国债务货币化）；2. AI革命带来需求爆发与资源争夺；3. 供给刚性（矿山投资历史性欠账，新产能释放周期长）；4. 在牛市盈利驱动的第二阶段，有色金属板块往往表现突出，当前国内再通胀预期强化，经济有望进入良性循环。
入场条件: 未提及具体入场条件。
止盈止损: 未提及具体止盈止损条件。
持有期限: 未明确提及，但逻辑偏向中长期。
建议仓位: 未提及
风险等级: 未明确提及，但文章提示‘美联储政策的突然转向、特定金属品种的供需失衡以及市场情绪在过度乐观与悲观间的摇摆，都可能造成价格的剧烈波动’。
📚 今日文章列表
- 一个低估值的潜力赛道~2026年1月27日 市场温度 - 望京博格投基 (12:37)
- 红杉对话 LangChain 创始人：2026 年 AI 告别对话框，步入 Long-Horizon Agents 元年 - 海外独角兽 (12:30)
- 左边黄金右边华尔街，比特币站在新旧周期的十字路口 - PANews (10:02)
- 还在无脑定投？看看金字塔加仓法 - 好买研习社 (09:59)
- 金银大涨，很多人没想清楚 - 好买研习社 (09:59)
- 从0赚到1000万 - 闲画生财 (09:27)
- 一切都在加速 - 知识旅行家 (07:38)
- 有色的投资逻辑，这篇文章讲清楚了 - 小基快跑 (06:22)
📖 文章全文
1. 一个低估值的潜力赛道~2026年1月27日 市场温度
作者: 望京博格投基
链接: https://mp.weixin.qq.com/s/tjTfnBsLhS795xm8JwJdPg
发布时间: 2026-01-27T12:37:14
（一）账户盈亏
先跟新朋友同步下我的账户情况：我一共有 3 个【主要投资账户】，分别是ETF 账户、某基金账户，以及组合账户。因为组合账户的净值更新会慢一些，所以工作日我只统计ETF账户和某基金账户的收益；等到每周六发【周报统计】的时候，再把三个账户的收益情况一起汇总。
（1）ETF账户
今日盈利1.7万（资产260万）；
（2）基金账户
今日预估盈利2.4万（资产550万）；
两个账户合计盈利4.1万，盈利比例0.50%；
周一亏损3.5万，周二盈利4.1万，本周累计盈利0.6万，期望本周继续赚钱。
（二）一个低估值的潜力赛道
经历一年多的上涨之后，A股整体估值已经处于高位。港股相对A股而言，估值还算合理。
环顾整个市场，还有什么低估值的潜力赛道呢？
港股消费绝对算其中之一。
最近看到易方达港股通消费正在募集，索性也买入1万元建立一个观察仓，继续布局低估值的港股消费赛道。
受大环境影响，消费整体表现比较一般，但仍存在不少结构性的投资机会：
（1）银发经济
我国银发人群规模已接近 3 亿人。 当下的老年群体与以往相比发生了根本性变化。过去我国农村人口占比高，多数老人主要依靠子女赡养；而随着城市化进程的深化，目前城镇退休老人普遍持有退休金，且有存款、房产等各类资产作为财富支撑，消费能力和自主消费意愿显著提升。 据行业测算，2025 年我国养老产业市场规模已突破 10 万亿元，其中医疗保健、居家养老、康复护理等核心养老服务需求持续攀升，未来银发经济各细分赛道的市场空间将进一步打开。 银发经济撑起老年消费市场刚需的同时，年轻群体主导的新消费正成为消费升级的核心驱动力。 （2）年轻人经济（新消费 ） 年轻消费者不再仅关注商品基础功能，更追求消费带来的情绪价值与身份认同，潮玩、新中式轻奢、线下体验消费成主流热点。 2025 年居民人均可支配收入破 4.5 万元，消费结构持续升级，旅游、智能电子等非刚需消费支出占比稳步提升。而在代际消费各成特色的背景下，跨年龄层的全民宠物消费，正成为消费市场的新晋高增蓝海。 （3）宠物产业 我国宠物产业近年来保持高速发展态势，行业年复合增长率达 26%，远高于全球平均水平。 据权威机构统计，2025 年国内宠物消费市场规模已接近 4000 亿元，覆盖宠物食品、医疗、用品、服务等全产业链。宠物消费的核心群体覆盖各年龄段，叠加我国宠物家庭渗透率不足 20%（欧美国家普遍超过 60%），人均单宠消费额也存在较大差距，行业仍处于快速渗透的成长期，未来赛道内有望诞生一批营收和利润双增的优质上市公司。 目前，中证港股通消费指数市盈率为17.68倍，差不多处于2020年以来的最低水平。此时布局易方达港股通消费，算是相当稳健的选择。
（三）市场温度
A股今天70.48度，相比上一个交易日下降0.20度；
港股今天52.69度，相比上一个交易日上升1.4度；
大家今天盈亏如何？
欢迎留言~感谢点赞与点爱心~
点击下面的【市场温度计目录】订阅博格的每日数据
2. 红杉对话 LangChain 创始人：2026 年 AI 告别对话框，步入 Long-Horizon Agents 元年
作者: 海外独角兽
链接: https://mp.weixin.qq.com/s/KX-k9r5FOwz2Yu6NQOSD3g
发布时间: 2026-01-27T12:30:00
编译：Arlene、Haina
Sequoia Capital 在 2026: This is AGI 这篇文章中断言 AGI 就是把事情搞定（Figure things out）的能力。
如果说过去的 AI 是 Talkers 的时代，那么 2026 年则是 Doers 的元年。转变的核心载体正是 Long Horizon Agents（长程智能体）。这类 Agent 不再满足于对上下文的即时回复，而是具备了自主规划、长时间运行以及目标导向的专家级特征。从 Coding 到 Excel 自动化，原本在特定垂直领域爆发的 Agent 能力，正在向所有复杂任务流扩散。
作为 LangChain 的创始人，Harrison Chase 一直处于这场变革的最前沿。本文编译了 Sequoia Capital Sonya Huang & Pat Grady 访谈 Harrison Chase 的最新播客。作为站在 Agent 基础设施最前沿的先行者，Harrison 揭示了为什么 Agent 正迎来其爆发的“第三个拐点”。
核心 Insight 提炼：
• Long Horizon Agents 价值在于为复杂任务提供高质量初稿；
• Agent 的突破需要围绕模型构建的、有主见的（Opinionated）软件外壳（Harness），文件系统权限将成为所有 Agent 的标配；
• 通用 Agent 可能就是一个 Coding Agent；
• Traces 成为新的 "Source of Truth"；
• 相比于通用模型，一个经过长时间磨合、内化了特定任务模式与背景记忆的 Agent，将形成极高的 moat；
• 理想的 Agent 交互是异步管理和同步协作的统一。
01.
Long-Horizon Agents 的爆发
Sonya Huang： 你怎么看 Long Horizon Agents ？对于红杉最新的文章，哪些观点是你同意的，哪些你不同意？
Harrison Chase： 我同意它们终于开始真正 work 了。让 LLM 在一个循环中运行并自主决策，这一直是 Agent 的核心理念。AutoGPT 就是这样，它之所以能激发人们的想象力，是因为 LLM 在循环中能自主决定下一步做什么。
问题在于，当时的模型不够好，周围的 Scaffolding 和 Harness 也不够好。 现在模型变强了，我们在过去几年也学到了什么是好的 Harness，所以它们开始真正起作用了。我们最先在 Coding 领域看到这一点，这也是最快起飞的地方，并正在向其他领域扩散。
AutoGPT 是 2023 年爆火的开源自主 AI agent 框架（最早的“让 GPT 自己思考、规划、执行”的经典实现），通过让 LLM 反复自我提示（think → plan → act → observe 的循环）来完成复杂多步任务。
Scaffolding 指围绕语言模型构建的辅助性代码结构或框架，用于引导模型输出、管理流程或处理输入输出，但不具备复杂的自主规划能力。
Harness 即包裹模型、管理 Context、处理文件 I/O 并执行工具调用的软件环境，通常包含预设的规划工具、环境交互能力和最佳实践，旨在让模型更稳定、高效地执行复杂任务。
虽然你仍需给 Agent 下达指令、提供合适的工具，但它能运行的时间越来越长。所以 Long Horizon 这个说法非常贴切。
Sonya Huang： 你最喜欢哪些 Long Horizon Agents 的例子？
Harrison Chase： Coding 领域的例子最多，我也用得最多。 除此之外，AI SREs 是个很好的例子。比如 Sequoia 投资的 Traversal，他们的 AI SRE 可以处理长时程任务，深入挖掘日志。 Research 也是个很好的场景，因为它最终产出的是初稿。
AI SREs，AI 站点可靠性工程师，利用人工智能技术自动监控、诊断和修复软件系统故障的智能体，能处理日志分析和系统维护等任务。
Traversal 一家专注于打造 AI SRE 的初创公司，旨在利用 AI 自主解决复杂的软件工程和运维问题。
Agent 的问题在于达不到 99.9% 的 Reliability ，但能做大量工作，并且能在更长的时间跨度上工作。需长时间运行，产出某项任务初稿的场景，就是 Long Horizon Agents 的杀手级应用。
Coding 是个典型。你通常提交一个 PR（Pull Request），而不是直接推送到生产环境，除非用户在 Vibe Coding。这方面变得越来越好。AI SREs 也是同理，通常是把结果提交给人审查。 生成报告也是，没人会直接发给所有粉丝，总得自己先看一遍、改一改。
我们在金融领域已经看到了很多这类应用，这里潜藏着巨大的机会。以前 Agent 只做一线回复，现在有了像 Klarna 这样的新案例，走的是人机协作路线。当一线 AI 搞不定要转人工时，系统不会直接把烂摊子丢给人，而是有一个在后台运行的 Long Horizon Agent 生成一份前因后果的总结报告，再移交给人工。
Klarna 是一家提供先买后付的支付公司。
所以，核心用例就是这些围绕初稿概念的场景。
02.
从通用框架到 Harness 架构
Sonya Huang： 关于 Why now，多大程度上是因为模型本身变得足够强大，又有多少归功于在 Harness 方面做了巧妙的工程设计？深入探讨前，简单界定一下你眼中的 Harness 和模型的区别，以及 Agent 的具体构成。
Harrison Chase： 好的，我得先引入 Framework 这个概念。早期我们就是这样定义 LangChain 的，它本质上是 Agent Framework。但进入 Deep Agents 时代后，我更愿意称之为 Agent Harness。
Deep Agents 是 LangChain 推出的下一代自主 Agent 架构，基于 LangGraph，内置 Planning、文件系统、Sub- agent 生成能力。
LangGraph 是 LangChain 团队推出的一个低级、可控的图状工作流框架。
常有人问这三者的区别：
• 模型：显然就是 LLMs，输入 Token，输出 Token。
• Framework：围绕模型建立的抽象层，让切换模型、添加工具、Vector Store 和 Memory 变得容易。它是 Unopinionated（无预设）的，价值在于抽象。
• Harness：更像是开箱即用的。谈到 Deep Agents 时，Harness 默认内置了 Planning tool，它非常 Opinionated（强预设），认为这就是做事的正确方式。
我们需要做压缩。Long Horizon Agent 运行时间很长，虽然 Context Window 变大了，但终究有限。到某个时间点，必须对 Context 进行压缩。问题是，怎么压？这方面有很多前沿研究。我们提供给 Agent 的另一套关键能力是文件系统交互，无论是直接读写还是通过 Bash 脚本。
其实很难单纯归功于 Harness 或模型，因为现在的模型本身也是在大量此类数据（代码、CLI）上训练出来的。这是一种共同进化。若回到两年前，我不认为我们能预知基于文件系统的 Harness 会是终极方案，因为那时的模型还没针对这些场景充分训练。
所以这是多因素叠加：模型确实变强了，特别是 Reasoning Models 功不可没；但同时也因为我们搞清楚了围绕压缩、Planning 及文件系统工具的一系列 Primitives（原语）。是这两者的结合带来了突破。
Sonya Huang： 记得在我们第一期播客里，你把 LangGraph 形容为 Agent 的认知架构。这是否是理解 Harness 的正确方式？
Harrison Chase： 没错。我们在 LangGraph 之上构建 Deep Agents。它是 LangGraph 的一个特定实例，但非常有主见，也更通用。
早期我们讨论过通用 vs 专用架构。现在的趋势是，以前那些为了约束模型而写在 LangGraph 里的特异性，正转移到工具和 Instructions 中。复杂度没有消失，只是变成了自然语言。因此，Prompting、编辑 Prompt 甚至自动优化 Prompt 成了核心，而 Harness 本身的结构保持得相对固定。
Sonya Huang： Harness 层面最难攻克的是什么？你认为个别公司真的能在 Harness Engineering 上建立壁垒吗？在这方面你欣赏谁？
Harrison Chase： 说实话，目前 Harness Engineering 做得最好的都是 Coding 公司。这是技术腾飞的领域。比如 Claude Code，它之所以如此火爆，很大一部分原因在于它的 Harness 设计。
Pat Grady： 这是否意味着 Harness 更适合由基础模型厂商自己构建，而不是第三方创业公司？
Harrison Chase： 很难说。我想提到的另一家公司是 Factory，还有 Amp，它们都是 Coding 类公司，并且都有非常出色的 Harness。
Factory 是一家专注于构建全栈 AI 软件工程师的公司，能自动完成从需求到上线完整 SaaS 应用的开发，强调 agent 的自主性和生产级代码质量。构建的名为 Droid 的 Agent 位居 Terminal-Bench 2.0 榜首。
Amp Code 是一家主打下一代 AI 编码体验的公司，提供极致智能的代码补全、编辑和生成能力，在代码理解和多文件编辑上表现突出。
这事各有利弊。Harness 某些部分确实与模型，或者说与模型家族，深度绑定。比如 Anthropic 的模型在某些特定工具上有过 Fine Tuning ，而 OpenAI 则在另一些工具上微调过。就像不同的模型需要与 Prompt 适配，现在 Harness 也是同理，针对不同模型家族需要微调。但共性依然存在，比如都基于文件系统。
这其实是个很有趣的现象。现在几乎每个 AI Coding 公司都在造自己的 Harness。目前主流 Coding Benchmark，如 Terminal-Bench 2.0，会将经过 Harness 的 Agent 与模型分开列出。同一个模型的性能波动巨大，Claude Code 在榜单上也未必总是第一。这说明模型厂商未必天生更擅长此道。只要深刻理解模型原理，第三方开发者完全能在 Harness 层面挖掘出巨大性能提升。
https://www.tbench.ai/leaderboard/terminal-bench/2.0
Terminal-Bench 2.0 是目前 AI agent 终端/命令行能力的最硬核开源基准榜单，由 tbench.ai 团队维护，包含 89 个精心挑选的真实终端任务（涉及编译代码、训练模型、搭建服务器、生物/安全/游戏等领域复杂多步操作），专用来严苛评估 AI agent 在真实沙箱终端环境下的端到端问题解决能力、工具使用和长期自主性。
Sonya Huang： 你认为让 Harness 高效运转的关键是什么？榜单头部玩家做对了什么？
Harrison Chase： 首先是对模型训练数据的深刻理解。OpenAI 的模型在 Bash 命令行上训练得极多，而 Anthropic 似乎针对文件编辑工具做过专门训练。顺应模型的特性非常重要。
其次是压缩。当任务周期变长、Context Window 满载时，如何取舍是巨大的挑战，也是 Harness 的核心价值。再者是 Skills、MCPs 和 Sub-agents 的运用。目前模型本身并未内化太多 Sub-agents 能力，主要靠 Harness 调度。比如在我们的 Harness 中，主模型调用 Sub-agent 时，需传递完整信息，并指示 Sub-Agent 何时输出最终结果。
我们见过一些失败案例：Sub-agent 做了一堆工作，最后只回一句“见上文”，主模型没有收到任何有效信息。协调组件工作的 Prompting 至关重要。看看现在的开源 Harness，System Prompt 动辄几百行，就是为了解决协同问题。
Pat Grady： 聊聊演变路径。你一直处在让模型落地现实世界的配套基建最前沿。
若简化看过去五年的拐点，一是 Pre-training （ChatGPT）；二是 Reasoning （OpenAI o1）；最近伴随 Claude Code 和 Opus 4.5 级别模型，迎来了 Long Horizon Agents 的第三个拐点。
在你构建的世界里，拐点是否不同？从认知架构到 Framework 再到 Agent Harness，核心跃迁是什么？
Harrison Chase： 我认为可以分为三个时代：
第一阶段是早期，即 LangChain 刚起步时。模型还是原始的 Text-in/Text-out，甚至没有 Chat 模式，没有 Tool Calling，没有推理能力。大家能做的就是简单的 Prompt 或链式调用。
第二阶段是模型实验室开始引入 Tool Calling，试图让模型学会思考和规划。虽然当时的效果不如今天，但已经足以做决策了。这时自定义认知架构开始流行，你需要显式地写代码问模型：“现在该做什么？”，然后按分支走。这更像是在模型外面搭 Scaffolding 。
第三阶段的拐点，大概发生在 2025 年六七月份。Claude Code、Deep Research、Manus 集中爆发。底层架构其实一样，把 LLM 放在循环里运行。但它们巧妙地运用了 Context Engineering ，包括围绕压缩、Sub-Agent、Context Skills 的一切。核心算法没变，但 Context Engineering 变了。这让我们意识到“这和以前不一样了”，于是我们开始做 Deep Agents。
对 Coding 社区来说，随着 Opus 4.5 发布或大家寒假狂用 Claude Code，这种感觉尤为强烈。11、12 月发生了巨大的 Vibe Shift。大家意识到，把难题扔进去，Long Horizon Agent 真的能搞定。那一刻，模型足够好了，我们从 Scaffolds 时代正式迈入 Harness 时代。
03.
Coding Agent 是通用 AI 的终局形态吗
Pat Grady： 接下来会怎么发展？
Harrison Chase： 我也想知道。但我确信，“让 LLM 在循环中运行并自我编排的算法，让它自己决定把什么拉入 Context ”这一极简且通用的 Agent 核心理念，终于实现了。
未来的手工 Scaffolds 会越来越少。目前像压缩这类操作还很依赖 Harness 作者的手动设计。Anthropic 正尝试让模型自主决定何时压缩，虽然还没普及，但这可能是方向。
另一个重点是 Memory。在长时程任务中，Memory 其实就是长周期的 Context Engineering。核心算法很简单：Run LLM in a loop。接下来的竞争点在于围绕它的 Context Engineering 技巧，或是像 Anthropic 那样把工程本身交给 LLM，又或是引入新型 Context 数据。
我现在最大的疑问是，目前成功的 Harness 大多针对 Coding。即使是非编程任务，你也可以辩称“写代码”本身就是极好的通用手段。
Pat Grady： 这正是我要问的。Coding Agents 到底是一个子类别，还是说所有 Agent 本质上都应该是 Coding Agents？因为 Agent 的工作就是让计算机干活，而代码是最好的指令方式。
Harrison Chase： 这是个大问题。我深信，构建 Long Horizon Agent 必须给它文件系统权限。
文件系统在 Context 管理上太有用了。比如压缩时，把原始消息存进文件，只留摘要在 Context 里，模型需要时再去查阅；或者返回巨大的 Tool Call 结果时，不要全塞给模型。把它存进文件系统，让它自己去查。其实这不一定需要真正的文件系统，也不需要它写代码。
我们有个虚拟文件系统的概念，底层由 Redis 等支持，稳定性更好。但显然，代码能做很多虚拟文件系统做不到的事。你没法在虚拟文件系统里运行代码，这时候写 Script 就非常有用了。
所有 Agent 是否最终都是 Coding Agent 也是我们目前思考的最多的问题之一。
04.
构建 Long Horizon Agent vs 构建软件
Sonya Huang： 构建 Long Horizon Agent 与构建传统软件有何不同？你在 X 上写了一篇很很好的文章，能否总结并描述当今的数据与代码开发栈？
Harrison Chase： 这值得深思。大家都说构建 Agent 不同于构建软件，但本质区别在哪？
几点看似显而易见，却很重要：
构建软件时，逻辑全写在代码里，可见可控。构建 Agent 时，逻辑不全在代码里，很大一部分来自模型。这意味着你不能只看代码就推断 Agent 在特定场景下的行为，必须实际运行。这就是最大区别。我们引入了非确定性黑盒系统，且它置于代码之外。
这对开发者意味着，想知道 App 干了什么，看代码没用，必须看它在现实中的行为。这也是为何 LangSmith 的 Tracing 最受欢迎。Tracing 能复现 Agent 内部每一步。
LangSmith 是 LangChain 生态的可观测性平台。
这与传统软件的 Traces 不同。软件通常只在报错时查日志。但在 Agent 开发中，人们从第一天起就用 Trace。因为 Agent 循环运行，你根本不知道第 14 步的 Context 是什么，因为前 13 步可能拉取了任意东西。这又回到了 Context Engineering。Trace 揭示了 Context 内容，这至关重要。
软件的 Source of Truth（单一事实来源）是代码；Agent 的 Source of Truth 是代码 + Tracing。这意味着 Trace 成了你思考 Testing 的地方。你更需要 Online Testing，因为行为只有在遇到真实世界输入时才会涌现。
Trace 正成为团队协作的支点。出问题时，大家不是说“去 GitHub 看代码”，而是说“看看 Trace”。开源社区也是，用户反馈 Deep Agents 跑偏，我们会要 LangSmith Trace 而非代码。
还有一点，构建 Agent 更加 Iterative。 软件是你设定好目标再迭代，发布前行为已知。 Agent 在发布前行为未知。你有个大概，但没十足把握。为了让它达标、通过概念上的 Unit Test，你需要更多迭代。
这也是为何 Memory 重要。Memory 是从交互中学习。如果系统能自我学习，就减少了开发者手动修改 System Prompt 的频率。
Pat Grady： 我也很好奇。现有软件公司能活下来吗？类比当年本地转云部署，鲜有成功者。你认为这次能跨越吗？年轻创始人似乎更有白板优势。
Harrison Chase： 我们确实看到很多 Agent 团队成员更 Junior，没有思维定势。
但在公司层面，数据仍然非常有价值。 如果你想 Harness 包含什么，就是 Prompt、Instructions 和工具。现有软件公司拥有所有数据和 API。接入 Agent，价值巨大。但另一部分是，关于如何处理这些数据的 Instructions。这部分可能是全新的。以前这是人做的，你只提供工具，没尝试自动化。
像 Rogo 这样的垂直初创公司之所以有效，是因为很多 Agent 是由 Knowledge 驱动的。不是通用知识，而是关于如何执行 Specific Patterns 的知识。
Rogo 是 2025 年爆火的 Wall Street AI 工具，一家专注于金融行业的安全生成式 AI 平台，能自动生成 pitch deck、财务模型、IPO 文件草稿、实时研究报告和洞察，目标是大幅取代/辅助 junior banker 的重复性手动工作。
所以，构建软件的人是构建 Agent 的合适人选吗？很多非常资深的开发者也采用了 Agentic Coding，所以人才上是心态问题，同时可能确实有年轻化偏差；但公司层面，取决于数据。
05.
从人类判断到 LLM-as-a-Judge
Sonya Huang： Trace 是 Agent 开发的核心产物。还有其他的吗？特别是 Eval 方面。
Harrison Chase： 不算产物，应该叫组件。构建软件和 Agent 的另一个本质区别在于 Eval。传统软件依赖程序化断言，但 Agent 做的是人做的事，评判需引入 Human Judgment。这也是我们在 LangSmith 试图解决的：如何把人类判断带入 Traces？
一种是直接引入人，比如 Data Labeling 公司，或者在 LangSmith 中也有 Annotation Queues。人直接去标注 Traces，比如给出自然语言反馈，包括“这很好”“这很坏”“这里应该这样做”等；有时人做的是纠正，把正确的步骤列出来。这取决于具体用例，模型公司做 RL 和应用公司构建 Agent 的需求可能不太一样。
另一种是建立人类判断的 Proxies，即 LLM-as-a-Judge。 关键在于确保它与人类判断对齐。如果不对齐，评分器就是垃圾。 LangSmith 有 Aligned Evals，即先让人类标注一些 Trace，系统基于这些标注构建一个 LLM-as-a-Judge，进行针对性校准。LLM-as-a- Judge 包含了几个不同层面。 大多数人在 Evals 中用它来给 Trace 打分，比如 0 到 1 分，或者 0 到 10 分。这是通用的做法。因为有些判断不需要 Ground Truth，做法有离线做也有在线。
但另一个被忽视的领域是，在 Coding Agents 本身就能看到这一点。 Coding Agent 工作过程遇到 Error，随即纠正这个 Error。这实际是在评判自己之前的工作。 我们在 Memory 中也看到了，Memory 很大一部分就是反思 Trace 然后更新东西。
所以，无论是对自己的还是之前的会话，LLM 有充分的能力反思 Trace。我们在 Evals、自动纠错、Memory 中都看到了这一点。本质上，它们是同一回事。
Sonya Huang： 既然有了 Trace 和 Eval，这个 Eval 是 RL 的 Reward Signal？还是给工程师改进 Harness 的反馈？
Harrison Chase： 其实是给 Agent 工程师改进 Harness 的。我们有 LangSmith MCP 和 LangSmith Fetch（一个 CLI 命令行工具）。这是大趋势。Coding Agents 擅长用 CLI。把 CLI 交给 Agent，它就可以拉取 Trace，诊断问题，自己修复代码。这绝对是我们看好并支持的模式。对于应用类公司，我对这个模式比对 RL 更看好。
Sonya Huang： 这听起来像是真正的 Recursive Self-improvement。
Harrison Chase： 是的，但仍有 Human-in-the-loop。如前所述，最理想的状态是 Agent 产出初稿，如修改了 Prompt，然后人类进行审核，确保它不跑偏。
举个例子，我们推出了构建 Agent 的无代码工具， LangSmith Agent Builder。其有个很酷的功能是 Memory。 目前它的工作方式是：当你与 Agent 交互时，如果说“你应该做 Y 而不是 X”，它会修改它自己的 Instructions，即编辑文件。 这就是自我改进。我们正计划增加每晚运行、查看当天 Trace 并更新自身状态的功能，即 Sleep time compute。
LangSmith Agent Builder 是 LangChain 团队在 2025 年底推出的无代码 AI agent 构建工具，目前已公测。它允许任何人只需用自然语言聊天描述需求（比如“帮我建一个能读 Gmail、自动分类邮件并草拟回复的助手”），它就会自动生成、配置、连接工具、添加记忆和提示的完整 agent，还支持从预置模板一键启动、快速迭代反馈、部署上线。
06.
未来的交互与生产形态
Sonya Huang： 未来呢？你谈了很多 Memory。
Harrison Chase： 我非常看好 Memory。让 Agent 自我改进很酷，但并非全场景适用。ChatGPT 加了 Memory，但我没怎么用，也没增加粘性，因为我去 ChatGPT 都是做 One-off 任务，如问代码、问美食、问旅行，彼此之间没关联。
但在 Agent Builder 里，你构建的是特定工作流。比如我的 Email Agent，之前积累了很多 Memory。后来我想迁移进 Agent Builder，结果丢了旧 Memory。哪怕 Prompt 和工具完全相同，新 Agent 体验也远不如旧的。如果不经长时间磨合，很难好用。
这就是为何我认为 Memory 是真正的 Moat。我们到了 LLM 可以查看 Traces 并修改代码/指令的节点。问题在于如何安全、用户可接受地落地。在垂直场景下这绝对是大势所趋。
Sonya Huang： 你认为 Long Horizon Agents 的 UI 会如何演变？
Harrison Chase： 我认为需要 Sync mode（同步模式） 和 Async mode（异步模式）的结合。 Long Horizon Agent 运行时间长，默认应该是 Async 的。像 Linear、Jira 和 Kanban 看板这类工具，甚至包括 Email，对于构思如何管理这些 Agent 很有参考价值。
但对于大多数 Agent 来说，在某个节点，你一定会想切换到同步沟通模式。因为当 Agent 输出一份研究报告，你需要针对其中的错误给出反馈。
唯一要补充的是，现在的 Agent 不只是在说话，它们是在修改 State，比如文件系统里的文件。你必须有办法可视化这些 State，就像程序员离不开 IDE 里看代码。即便我用 Claude Code 跑完了任务，我依然会打开 IDE 去检查它到底改了什么。
Anthropic 的 Cowork 做了一个极好的范式。你设置一个目录作为它的 Workspace。这建立了一种非常清晰的心理模型：我们在一个 Shared State（无论是本地文件、Google Drive 还是 Notion）上协作。
Hybrid Mode未来的交互形态就是这种Hybird Mode：你异步管理一堆后台运行的 Agent，但在关键时刻，你进入 Sync Mode 与它 Chat，同时你们都在盯着同一个 State 看。
Sonya Huang： 这完全验证了你之前的 Agent Inbox 理念，要实现 Sync Mode，Agent 必须有一个能随时触达到你的入口。
Harrison Chase： 没错。一年前，我们发布了 Agent Inbox 第一版，当时的主打概念是 Ambient Agents。Agents 在后台运行，偶尔 Ping 你一下。
最初的版本没有 Sync Mode，它 Ping 你，你回一句，然后只能干等它下次 Ping 你。这种体验非常破碎。因为很多时候，比如回邮件，用户需要的是极短时间的高频交互，而非切出去干等。
后来我们做了一个巨大的转向。用户点开 Inbox 时，会直接进入 Chat 界面。Chat 本质上就是 Synchronous 的。我的判断是：Pure Async（纯异步）在目前是跑不通的。除非模型进化到完全不需要 Human-in-the-loop 纠错的程度。否则我们注定要在 Async 和 Sync 之间来回切换。
Sonya Huang： 你怎么看 Code Sandboxes？每个 Agent 都要有沙箱、CLI 或 Browser 访问权限吗？
Harrison Chase： 好问题。 目前 Code Execution 显然比 Browser Use 更有用、更落地。
• 关于文件系统，我是坚定的 "File System Pilled"。我认为某种形式上，所有 Agent 都应该能访问文件系统。
• 关于 Coding，我大概 90% 确信这是标配。对于 Long Tail 的复杂用例，Coding 能力是无可替代的。
• 关于 Browser Use， 目前的模型还不够好。虽然有一些很酷的尝试（比如给 Coding Agent 一个 CLI 来操作浏览器），但尚未成熟。
所以，Code Sandboxes 绝对是未来的核心组件。
排版：夏悦涵
延伸阅读
2026 年的 Coding 时刻是 Excel
当顶级视频模型半衰期只有 30 天，fal.ai 为什么收入反而一年增长 60 倍？
TPU vs GPU 全面技术对比：谁拥有 AI 算力最优解？
当 AI 接管钱包：Agentic Commerce 如何重构互联网经济？
深度解读 AGI-Next 2026：分化、新范式、Agent 与全球 AI 竞赛的 40 条重要判断
3. 左边黄金右边华尔街，比特币站在新旧周期的十字路口
作者: PANews
链接: https://mp.weixin.qq.com/s/cA48MwEDm-fqxudWXZgNnQ
发布时间: 2026-01-27T10:02:50
作者：Nancy，PANews
“世界上好资产那么多，比特币已经不那么性感了。”
当黄金突破5000美元走出历史性高歌行情，比特币却在沉睡，一场关于比特币的“论战”在加密社区中发酵，人们不禁要问，其“数字黄金”故事还能讲下去吗？
近日，加密KOL@BTCdayu分享了一位比特币OG的观点，其已卖出超80%的比特币，并直言比特币正面临叙事层面的根本性转变。此番观点迅速在圈内引发热议。
01
新的操盘手，新的定价逻辑
上半场的比特币，是认知变现的黄金时代，舞台更多属于少数的早期囤币者与基础设施的搭建者。
但进入下半场，游戏规则发生了根本性变化。随着比特币现货ETF获批、Strategy等DAT公司大规模配置，以及美国政府将比特币纳入国家战略视野，比特币被迫穿上了华尔街定制的“正装”。
本轮周期中，比特币悄然完成了大规模的筹码换手，早期囤币者逐步离场，华尔街机构大举入局，比特币从成长型资产转变为配置型资产。
这意味着，比特币的定价权从离岸的草莽江湖，让渡给以美元为主导的在岸金融体系。从交易通道、流动性，到监管框架，比特币正在向高波动、高Beta的美元风险资产靠拢。
Solv Protoco联创CEO孟岩直言，现在世界已经进入帝国争霸的时期，最重要的问题是谁赢谁输的问题。美国监管的目的不仅是让加密资产美元化，更是要将Crypto和RWA（现实世界资产）变成美元霸权在数字时代持续扩张的利器。如果比特币只是另一种平庸的美元资产，那么其前景确实值得担忧。但是如果加密成为美元数字经济的核武器系统，那么BTC作为其中的核动力航母，未来还是可期的。对于美国来说，现在的主要问题就是在比特币上的控盘程度还不够高。
而在加密KOL@Joshua.D看来，虽然比特币成为美股高度联动的“美元资产”，但对价格的影响反而是支撑多于打压，背后绑定的利益体是ETF、上市公司甚至国家战略。这种“体制化”反而给比特币加了一层防跌的安全垫，实打实地垫高了价格底部。
不过，主流玩家的入场虽然通过合规渠道扩大了资金池，但现阶段的比特币正陷入尴尬的资产定位困境。
部分观点认为，若看好美元体系，购买美股、美债或科技巨头股票，不仅流动性更好，拥有真实的现金流，确定性也更高。相比之下，此时的比特币更像是一只没有现金流的高风险科技股，性价比存疑；若看空美元体系，逻辑上应该寻找与美元负相关的资产，被主流机构“改造”后的比特币与美股的关联度极高，当美元流动性收缩时，它往往先于美股崩盘，而非对冲风险。
换句话说，比特币处于避险与风险的夹缝中，既不像黄金那样避险，也不像科技股那样成长。甚至有人回溯数据认为，比特币目前的属性是70%的科技股+30%的黄金。
而这种新身份，也开始影响着比特币在地缘政治中的中立性溢价。
在全球地缘风险升级、美债赤字失控的背景下，非美阵营加速去美元化。拥有数千年信用积淀、具备政治中立性的黄金重回舞台中央，价格屡创新高。而在非美国家眼中，比特币也已不再是无国界货币，而是受华尔街定价权影响的美元衍生品。
由此，我们也看到黄金等传统硬通货重回舞台中央，而比特币却陷入漫长的横盘与乏味的震荡，持续消磨投资者的持有信心。
即便如此，在加密KOL@Pickle Cat看来，一千个人有一千个哈姆雷特，加密朋克是比特币的核心需求，只是因“主流化、传统金融化”的原因被弱化了。而有弱，就一定会有强。这就像民主，之所以迷人，正是因为它拥有自我修复机制，但修复的前提，往往是系统已经触碰到某种极端状态，大众才会真正意识到。
02
算力大迁徙，比特币矿企的“叛逃”
除了需求端的叙事动摇，供给侧的变化也加剧了市场的悲观情绪。作为比特币网络中的重要角色，矿工正在经历一场“弃币从AI”的资本大迁徙。
根据Hashrate Index的最新数据显示，比特币全网算力的7日移动平均值已跌降至993 EH/s，已从去年10月的历史高点回落近15%。与此同时，据摩根大通分析师指出，2025年12月比特币矿工的每EH/s日均区块奖励收入降至38700美元，创历史最低水平。
算力回落的直接原因，在于比特币挖矿经济的持续恶化。减半周期导致区块奖励腰斩，叠加挖矿难度的历史高位，使得大量矿机已逼近甚至跌破关机价。矿工利润空间被严重挤压，部分选择被迫关机止损，部分则通过抛售比特币缓解现金流压力。
更深层的危机在于，算力已成为新时代的“石油”，正在改变算力流向。
在不少矿企看来，相较于比特币挖矿的高度周期化、波动剧烈、收益不稳定的商业模式，AI数据中心拥有长期确定的需求和更高的回报率。更重要的是，它们手中长期积累的大规模电力基础设施、场地资源和运维经验，恰好是AI算力集群最紧缺的资源，使得转型更具现实可行性。
于是，Core Scientific、Hut 8、Bitfarms、HIVE、TeraWulf和Cipher Miner等比特币矿企集体“倒戈”。据CoinShares预测，到2026年底，矿企的挖矿收入占比可能从85%降到20%以下，转而依赖AI基础设施。
然而，这场转型极其昂贵。一方面，传统矿场要升级为AI数据中心，需要进行大规模基础设施改造，改造成本高昂；另一方面，高性能GPU服务器价格持续高企，若要形成规模化算力集群，前期资本投入巨大。
对于急需转型的矿企而言，手中最具流动性的比特币，自然成为了最直接、最高效的融资工具，它们开始持续在二级市场抛售比特币。这种来自供给侧的持续抛售，不仅压制了币价，更进一步压缩了留守矿工的利润空间，迫使更多人关机或转型。
而这种卖币买铲的“叛逃”，在一定程度上抽走了流动性，打击着市场信心。
不过，孟岩指出，比特币矿工转AI算力基础设施其实是一个伪命题，更多是美股上市矿企在收益萎缩下，为了稳住股价而编造的故事。 除了电力可以复用，从设备硬件到网络架构，从运维技能到软件生态，两者几乎没有相通之处，相比专业的AI数据中心并无额外优势。
Joshua.D进一步指出，现在主要比特币矿机是ASIC矿机，这些机器只能挖矿，能转型的其实只是场地和电力设施。所以算力下降，更多是行业内部的优胜劣汰。从历史数据看，算力下降往往是市场在“挤泡沫”，减少了未来的抛压，而不是崩盘的导火索。只要比特币网络还能正常出块，算力波动就是单纯的市场调节行为。
03
折叠的比特币，站在新旧周期的十字路口
如今，正式登堂入室的比特币，不仅在讲“数字黄金”的旧故事，也在书写主流金融资产的新剧本。
比特币正在褪去单纯投机的外衣，转而演变为全球流动性的蓄水池，主流化的接纳为其打开了合规资金的闸门。这种金融化接入，大幅提升了比特币的生存能力和脆弱性。
而在华尔街的聚光灯之外，尼日利亚、阿根廷、土耳其等通胀严重的国家，比特币的使用率正在爆发式增长。在那里，比特币不仅是资产，更是对抗法币滥发、保卫家庭财富的生存方舟。这种自下而上的真实需求证明，它依然是普通人手中的盾牌。
毫无疑问，一个折叠的比特币正呈现在我们面前。
它告别了西部拓荒时代的暴富神话，也褪去了理想主义的赛博朋克色彩，转而呈现出一种更为稳健、甚至略显乏味的成熟资产特征。
但这并非数字黄金的终结，而是其进入成熟期的标志。正如黄金在成为央行储备之前，也曾经历了漫长的价值共识重构。今天的比特币，或许正站在相似的历史拐点上。
回望比特币的发展历程，其叙事其实一直在变化。从中本聪白皮书中最初构想的点对点电子现金系统，使小额的即时支付成为可能；到被视为对抗法币通胀的无主权货币；再到演变为“数字黄金”，成为储存价值、对抗通胀的工具；直到如今，随着华尔街入主，比特币的下一个潜在叙事或指向主权国家储备资产。当然，这一过程注定颇为漫长，但已不再是天方夜谭。
然而，万物皆有周期，资产亦然。按照美林时钟的资产轮动规律，全球经济的指针正转至利好大宗商品的时刻。比特币在过去十余年上涨了千万倍，正在步入了一个全新的宏观周期，不能仅仅因为暂时的价格盘整或阶段性跑输金银，就轻易否认其长期价值。
在这个新旧周期的十字路口，无论是离场的OG还是入场的机构，都在用真金白银，为未来投票。而时间，将给出最终答案。
点个【 在看 】，你最好看
4. 还在无脑定投？看看金字塔加仓法
作者: 好买研习社
链接: https://mp.weixin.qq.com/s/jhv5MvC9DPOjsOzktWA1mg
发布时间: 2026-01-27T09:59:35
还在无脑定投？看看金字塔加仓法
好买长宽高书院
还在无脑定投？看看金字塔加仓法 原创
阅读全文
预览时标签不可点
5. 金银大涨，很多人没想清楚
作者: 好买研习社
链接: https://mp.weixin.qq.com/s/VMbVkRdeeQnK39T3hKkMnQ
发布时间: 2026-01-27T09:59:35
微信首页底部菜单留言栏回复“ 礼包 ” “ 群 ”
免费加入“ 长宽高书院“ 专项班级
最近贵金属市场坐上了过山车。
2025年，黄金和白银双双创下1979年以来的最佳年度表现，而1979年，则是布雷顿森林体系崩溃之年。
伦敦现货黄金从年初的2600美元一路狂飙，12月底一度突破4500美元，年内涨幅超过70%；白银更是疯狂，从30美元附近冲到75美元以上，涨幅接近150%。
因为白银不仅具备贵金属的金融属性，还具备工业金属的刚需属性，无论是光伏，新能车还是AI数据中心，都是用银大户。
目前三大期货交易所白银库存都在低位，供不应求叠加库存低位，白银成为了最容易被逼空的品种，因此价格也在2025年开始爆发。
数据来源：方正证券
然而，就在大家以为贵金属要上天的时候，12月29日，白银突然跳水，单日暴跌超过7%，黄金也跌破4500美元关口。
进入2026年，金银价格再度开启暴涨，其中白银截至目前年内涨幅已然上涨超50%，而黄金则同步上涨接近20%。
数据来源：Wind，截取至2025/1/27-2026/1/27
昨晚，白银再次高位跳水超10%，多空博弈白热化。
这波回调，是上车机会，还是逃命信号？
要回答这个问题，我们得先搞清楚：这轮史诗级行情，到底是怎么来的？
唐罗主义
很多人把这轮贵金属牛市归因于降息、地缘政治、避险情绪....
这些当然都对，但它们都只是果，而不是因。
真正的底层逻辑，是美国正在收缩其全球影响力，川普希望回归到门罗总统提出的孤立主义，并且自称为唐罗主义。
债务黑洞
美国联邦政府债务已经突破36万亿美元，债务占GDP的比重超过120%。
数据来源：Wind，截取至1993/1/1-2026/1/27
如此庞大的债务规模带来的是庞大的利息支出，每年光是债务利息支出就超过1万亿美元。
这就像一个人每月工资的三分之一要用来还信用卡最低还款，日子还怎么过？仅以美国短债利息支出来讲，每个月的支出高达两百亿美元。
数据来源：Wind，截取至2010/1/1-2026/1/27
川普上台前承诺控制债务，结果上台后搞了个大美丽法案：大幅减税、扩大开支、收紧福利。
最后倒腾来倒腾去，富人福利扩大了，底层支出削减了，欠的钱反而更多了。
现在债务雪球越滚越大，摆在明面上的解决办法无非两条：加税（政治上不可能），或者继续印钞（稀释债务）。这也是为什么川普要大举征收关税、削减政府开支，真没钱了。
因此全球其他购买美债作为外汇储备的经济主体开始对美债能否兑现开始持怀疑态度。
美元信用的黄昏
1971年8月15日，尼克松宣布美元与黄金脱钩，那一刻，他大概没意识到自己打开了一个潘多拉魔盒。
在此之前，35美元能换1盎司黄金，美元有锚。在此之后，美元靠的是一个更虚的东西，信用。
从布雷顿森林体系到牙买加协议，人类完成了从金本位到信用货币的惊险一跃，这一跃，跨越了五十多年，至今仍在深刻影响着我们每一个人的命运。
如今，全球央行正在用脚投票。
过去几年，各国央行，尤其是中国、俄罗斯、印度、土耳其等国家，正在持续增持黄金储备，同时减持美债。
数据来源：彭博社
Crescat Capital的宏观分析师Tavi Costa发布数据，除美央行持有的黄金储备超越了美国国债，这是1996年以来的第一次。
俄乌冲突后，美国冻结了俄罗斯的外汇储备，全世界都看清了：美元不仅是货币，更是武器。
这就好比，你和隔壁群的人起冲突了，然后银行把你银行卡冻了，那其他人会怎么想？
出于对银行的不信任，所以大家开始纷纷从银行把钱取出来换成金条自己屯着。
这也是黄金重回舞台中央的最重要的原因在于，没人能冻结你的金条。
因为黄金属于不记名资产，因此它不受任何主体控制，没有人能冻结你的金条，也没有人能让你的黄金一夜归零。
当川普成为黑天鹅
如果说，把黄金上涨和人名挂钩的话，我认为从2025年开始的黄金的大涨可以被称为：川普行情。
从关税战到抨击美联储，从南美突发事件、到北边某岛争夺。上任以来，川普几乎凭一己之力，把全球避险情绪拉满。
关税大棒，四处挥舞。 对中国加税、对欧洲威胁、对邻居加拿大和墨西哥也不放过。
炮轰美联储，逼宫降息。 川普嫌鲍威尔降息太慢，天天在社交媒体上骂他"太迟钝"、"不懂经济"。
1月20日，丹麦养老基金AkademikerPension宣布清仓全部美债，理由直白得刺耳："美国已不再是一个好的信用主体。"瑞典最大养老基金Alecta紧随其后，抛售了约110亿美元美债。
桥水基金创始人达利欧在达沃斯发出警告："不要忽视资本战争爆发的可能性。"
所以，这轮行情的短期催化剂，归根结底就是一个词：不确定性。而川普，就是这个世界上最大的不确定性制造机。
长期逻辑+短期催化的双重共振之下，金银涨成这样并不意外。
跌是涨的理由
现在，白银从30美元涨到110美元附近，两年涨了350%以上，这个斜率远超历史任何一轮牛市。
这个就像长跑，要想跑得远，必须跑的慢。你开头就百米冲刺速度跑，根本顶不住的，必须休息。
这里要讲一个很多人关注的指标：金银比（黄金价格÷白银价格）。
2025年4月，金银比一度突破105，意思是要105盎司白银才能换1盎司黄金，白银相对黄金严重低估。
到了12月，金银比回落到60多，白银相对黄金的估值已经修复到合理偏贵的区间。
而到了现在，金银比来到了20年以来的最低点附近，历史均值为71.9.当前仅为46。
数据来源；Wind，截取至2006/1/27-2026/1/27
历史上看，金银比五次大的修复中，五次都发生在黄金的大牛市中，白银的加速补涨，其实是对黄金牛市的一种确认。
但现在，补涨最肥的那段肉已经吃完了，白银短期内继续大幅上涨的动能在减弱。
当然，金银比这个指标本身也有局限，它更多反映的是市场情绪而非基本面，大家参考就好，别当成圣经。
从波动率看，市场情绪已经过热
还有一个专业指标可以参考：波动率。一般波动率可以作为衡量标的期权价格贵贱的指标，也可以用来观察目前市场对于标的的共识。
数据来源：文华财经，截取至2024/8/1-2026/1/27
从沪金波动率来看，目前市场一致预期黄金后续会有较大的波动，目前市场情绪亢奋，投机资金活跃，价格对消息面极度敏感，涨起来猛，跌起来也猛。
回调之后，是上车机会吗？
说了这么多，核心问题来了：回调之后，到底能不能买？
我的观点是：中长期逻辑没有改变，但短期仍需谨慎。
支撑贵金属的长期逻辑并没有消失，美联储2026年大概率依旧是会处于降息区间，全球央行购金的趋势不会逆转，白银的工业需求（光伏、新能源、AI）仍在增长。
从这个角度看，贵金属作为资产配置的压舱石，仍然有其价值。
但在短期，风险点同样明显：市场情绪过热，部分资金已经透支了未来的上涨空间。白银的波动性远大于黄金，一旦出现回调，幅度可能非常剧烈。
特别要提醒的是：最近一些场内贵金属LOF基金出现了严重溢价。
比如某白银LOF，场内价格比实际净值高出40%以上！这意味着你花140块钱，买到的东西实际只值100块，等溢价收敛，你可能亏得比白银本身跌得还多。
数据来源：Wind
最后的话
这轮贵金属大涨，是短期催化与长期逻辑共振的结果，但涨得太快太猛之后，短期回调是健康的、必要的。
回到开头的问题，这波回调是上车机会，还是逃命信号？答案取决于你的投资周期。长期配置心态，逢低分批没问题；想短期博反弹，风险不小。
任何脱离基本面的泡沫最终都会破灭，但真正有价值的资产，在泡沫消退后依然值得持有。
贵金属，就属于后者。
目前市场黄金主题类产品较多，怎么选是个问题，我综合费率和规模了角度，选取了一些较合适的黄金类产品，需要的在菜单栏（不是评论区，主页，点击发消息）发送“777”，领取各类黄金投资工具清单。
基金产品专项班
2月2日开课！
长按海报二维码加入班级！ 这里有全新升级的基金系统课程、每日投资干货，还能享盘面行情解读、热点事件追踪，以及老师实时答疑服务。
风险提示：
市场有风险，投资需谨慎。基金的过往业绩及其净值高低或基金管理人管理的其他基金的业绩并不预示其未来表现。相关数据仅供参考，不构成投资建议。投资人应详阅基金合同等法律文件，了解产品风险收益特征，根据自身资产状况、风险承受能力审慎决策，独立承担投资风险。特别提醒，基金在封闭运作期间或特定持有期间存在无法赎回的流动性风险。
版权声明：
本文著作权归好买财富管理股份有限公司所有，未经事先书面授权，任何组织和个人不得对本文进行任何形式的转载、复制、发表、传播、改编、汇编或引用本文内容的任何部分。
免责声明：
本文所载信息或所表述的意见并不构成对任何人的投资建议，投资者不应该将本文的内容作为投资决策的参考因素。对于本文可能涉及的观点、报告、解读、推测、市场资讯等内容，仅代表作者个人观点，不代表我公司观点，请务必审慎对待。市场有风险，投资需谨慎，请您结合自身资产状况、风险承受能力，审慎做出投资决策，独立承担投资风险。
👇 戳"阅读原文" ****领大礼包,走出理财第一步****
6. 从0赚到1000万
作者: 闲画生财
链接: https://mp.weixin.qq.com/s/RH-OHHASReZGoItpFrS8Tg
发布时间: 2026-01-27T09:27:10
汇丰发布富裕人士年度报告，请已经迈进富裕圈层的人给大家分享点真实数据。
1
致富路线图
拥有100万流动资产的平均年龄：内地33岁，香港31岁。
拥有1000万流动资产的平均年龄：内地43岁，香港39岁。
假设23岁走出大学校门，差不多毕业第一个10年攒下100万，每年攒10万，貌似还好。
毕业第二个10年攒下1000万，对应10年10倍，长期年化25%，回报高于巴菲特，高于纳指，必须顺风顺水，无论家庭还是事业不能出任何意外。
我觉得绝大部分人在第二个10年掉队，没办法跟上节奏。
2
第一桶金从哪来
70%人的第一桶金来自炒股、经商或者收租，来自炒股的更多些。
30%富二代。
完美符合“三分天注定，七分靠打拼”。
3
多少钱才算上岸
过来人认为，香港拥有835万港币流动资产就可以松口气，过更体面的生活。
内地方面，门槛是693万人民币流动资产。
693万吃利息，每月到手1万块，约等于一线城市薪资中位数。如果有房无债，确实比较安逸。
4
多少钱才够退休
共识是，退休储蓄等于10年收入总和。
如果你年收入10万，就要为退休攒100万。
如果你年收入100万，就要为退休攒1000万。
这样才能在退休后维持原有的消费水准。
5
未来第一桶金在哪里
内地：未来第一桶金肯定在股市，从百到千要上杠杆。
香港：蛮多人还相信房产，也觉得从百到千要上杠杆。
6
如何守财
普遍持有多种资产，横跨多个地域，不敢把鸡蛋放一个篮子里。
但同时担心后代败家，再周密的投资布局也顶不住败家，所谓富不过三代是也。
7
市场点评
1）霍诺德成功爬上台北101大楼之后，当地居民纷纷尝试模仿，目前最高纪录离地3米。
2）白银LOF不让玩了，场内彻底失去套利机制纠偏，随便放飞自我。
3）乘联会数据，汽车行业利润率降至历史低点，2025全年利润率4.1%，12月1.8%。
疯狂上产能的结果就是卷太狠，互相伤害，谁也不赚钱。
4）今天带娃出门，刚下飞机，掐指一算闲钱可能新高，也可能差一点。
7. 一切都在加速
作者: 知识旅行家
链接: https://mp.weixin.qq.com/s/qQw9WmDRLQIQvay6njqCmg
发布时间: 2026-01-27T07:38:36
轻触阅读原文
知识旅行家
向上滑动看下一个
微信扫一扫
使用小程序
× 分析
__
![跳转二维码]()
微信扫一扫可打开此内容，
使用完整服务
： ， ， ， ， ， ， ， ， ， ， ， ， 。 视频 小程序 赞 ，轻点两下取消赞 在看 ，轻点两下取消在看 分享 留言 收藏 听过
8. 有色的投资逻辑，这篇文章讲清楚了
作者: 小基快跑
链接: https://mp.weixin.qq.com/s/RADEaqH3rvBcICMbTBRLsw
发布时间: 2026-01-27T06:22:35
2025年的A股市场，有色金属以全年94.73%的涨幅，在31个申万一级行业中脱颖而出。
申万一级行业指数2025年表现
数据来源：Wind；截至20251231
2026年以来，有色的表现依然强势。Wind数据显示，截至1月26日，有色金属以24.02%的涨幅，再度领涨A股。
申万一级行业指数2026年至今表现
数据来源：Wind；截至20260126
有色的强势表现并非偶然，背后是多重逻辑的共振。
第一重逻辑：
货币之锚松动，实物资产迎来价值重估
理解有色的强势，要先把视野放到全球宏观叙事的角度。
我们正在经历一场对实物资产，尤其是稀缺金属资源的系统性价值重估。
弱美元周期：为商品上涨提供温床
美元是全球大宗商品的计价货币。美元指数的走势，与以美元标价的商品价格呈现显著的负相关关系。
在美联储降息、美国财政赤字飙升、以及“美国优先”政策削弱美元国际信用的多重作用下，市场普遍认为一个结构性弱美元周期正在开启。
美元指数走势
数据来源：Wind；统计区间：20250101-20260122
美元走弱，直接意味着用其他货币购买铜、黄金、原油等商品变得更“便宜”，从而刺激非美地区的需求。
同时，对于全球投资者而言，持有美元资产的吸引力下降，资金自然会流向更具保值潜力的非美资产，尤其是具有实物属性的商品。
美国债务货币化：侵蚀信用，凸显“硬资产”价值
美国的天量债务及其化解路径，是本轮资产重估的核心叙事之一。
目前美国选择的隐性路径是“财政赤字货币化”——即通过美联储增持国债、释放流动性来支撑政府支出。
这一过程的本质，是以稀释货币信用为代价，换取债务的可持续性。
当纸币的信用基础被缓慢侵蚀，其内在价值便趋于下降。
此时，供给有限、不可再生、兼具实用与金融属性的金属资源，便自然成为资金追逐的“准货币”和财富储值工具。
黄金的金融属性回归，铜、镍等工业金属的“资源稀缺性溢价”提升，均源于此逻辑。
第二重逻辑：
AI革命，需求爆发与资源争夺
经济增长是化解债务的根本出路。美国将未来押注于人工智能，这已上升为国家战略。AI不仅仅是算法和软件，其硬件基础—— 数以万计的数据中心，是大量消耗金属的实体工程。
从服务器的电路板（需要铜、锡、钽），到电力系统的配电网（需要海量铜），再到散热系统（涉及铝和特种合金），AI基础设施的建设将催生一代人未见的金属需求浪潮。
国际能源署预测，至2030年，仅数据中心对铜的需求量就可能达到一个惊人的规模。
另一方面，特朗普政府展现出对关键矿产资源进行战略控制的强烈意图。
从委内瑞拉到格陵兰，其行动逻辑均锚定在领土扩张与资源提取上。这反映了大国博弈已深入资源领域，供应链安全取代效率，成为首要考量。这进一步加剧了中长期供给的紧张预期，推升了资源品的“地缘政治溢价”。
第三重逻辑：
供给刚性——矿山投资的历史性欠账
需求故事若没有供给侧的配合，都难以演绎成长期牛市。而当前全球矿业正面临一个残酷现实： 历史性的资本开支不足。
自上一轮大宗商品超级周期（2011年前后）结束以来，全球矿业经历了漫长的去杠杆和资本收缩。尽管近年金属价格有所回升，但矿业公司的投资行为极为谨慎。
数据显示2024年全球主要固体矿产勘查投入仅为124.8亿美元，延续下降趋势。
2014-2024年全球主要固体矿产勘察投入
更关键的是，根据2002-2023年全球127座矿山的数据，从发现一个具备经济价值的矿床，到建成投产，平均周期或长达15.7年。
这意味着，即使今天市场发出强烈的涨价信号，资本立刻决定投入勘探，新的产能可能也要等到遥远的2040年前后才能释放。
叠加全球富矿脉越来越少、矿石品位下降、环保与社会责任成本攀升等约束，金属供给端的弹性已变得非常脆弱。需求的微小波动，都可能被刚性的供给放大为价格的剧烈波动。
第四重逻辑：
有色或不缺席牛市第二阶段
视线再回到A股。
回顾2000年后的资本市场，除去2014-2015年那轮杠杆驱动行情，其余具备基本面支撑的牛市都有一个共同特征： 在牛市进入盈利驱动的第二阶段时，有色金属板块的表现往往名列前茅。
资料来源：华福证券
这背后的原理并不复杂。
牛市第一阶段往往由估值修复和政策预期驱动，而第二阶段的核心是经济基本面的实质性修复和企业盈利的普遍回升。
当经济进入上行周期，开工率提升，新的基建项目启动，对铜、铝、锌等基础金属的需求便会率先回暖。供给端由于产能调整的滞后性，短期内无法迅速响应，从而极易形成“需求向上，供给刚性”的价格弹性格局，带动相关企业利润大幅增长。
当前，在“反内卷”政策引导和“扩内需”战略发力下，国内再通胀预期正在强化。这意味着，经济确认进入良性循环，有色金属有望再次成为分享增长红利的核心赛道之一。
有色板块的行情或值得期待，不过有色板块细分行业众多，每个细分品类的投资逻辑不尽相同。
从结构上精挑细选，可能将更好地把握行情。
申万有色金属指数细分行业分布（三级行业）
数据来源：Wind；截至20260122
看好有色板块的小伙伴，可关注像 融通产业趋势精选（A类代码011011，C类代码019194） 这样的主动管理型产品。
融通产业趋势精选的基金经理 李文海， 毕业于清华大学化学系，从融通基金化工行业研究员到周期行业组长，对周期行业颇有研究。
李 文 海
8年证券、基金行业从业经历，其中2.7年投资管理经验。
本硕均就读于清华大学化学系，2017年7月入职融通基金，先后担任融通基金化工行业研究员、交运行业研究员、周期行业组长。
从2025年中报可以看到， 融通产业趋势精选在2025年上半年就大幅增配了有色等周期行业。
数据来源：Wind
在有色等周期行业的 持仓大幅超越偏股混合型基金。
数据来源：Wind
在2025年下半年，李文海进一步加大了有色行业的配置比例，并且优化了持仓结构。
刚刚出炉的2025年四季报中，他是这样说的：
板块配置上仍 重仓有色金属板块， 但在10月初板块上涨后，我们适当优化了其持仓结构：减持部分铜及小金属标的，同时增配铝板块。
黄金板块： 我们判断黄金将进入持续行情。在美国经济数据显现恶化迹象的加息初期，黄金的避险及投资价值将进一步凸显，而当前黄金股的业绩弹性尚未被市场完全定价，后续或仍有较大提升空间。
工业金属板块： 明年上半年工业金属仍是市场性价比优选。铜、铝行业本身面临较强的供给约束，明年价格走势或看好，且当前相关个股估值仍处于低估区间。
——摘自融通产业趋势精选2025年四季报
融通产业趋势精选2025年末前十大重仓股
重仓股数据来源于该基金2025年四季报，重仓持股统计日为当季度最后一个交易日（20251231），不代表基金当前持股，也不代表本公司管理的基金的投资标的，亦不构成任何投资建议与承诺，个股历史走势并不代表未来业绩。
当然，投资者也需保持清醒。
美联储政策的突然转向、特定金属品种的供需失衡以及市场情绪在过度乐观与悲观间的摇摆，都可能造成价格的剧烈波动。
理解投资大逻辑，是为了把握趋势；认清风险，则是为了行稳致远。
资料来源：华福证券《有色金属：牛市二阶段和实物资产价值共振的选择》，20260120
热 门 产 品
注：融通产业趋势精选基金风险等级为R4中高风险（管理人评级），适合风险承受能力C4及以上的投资者。请投资者根据自己的风险承受能力，审慎投资。
融通产业趋势精选基金销售相关费用：
本基金A类份额申购费（金额：M)：M<100万元，申购费率为1.50%；100万元≤M＜200万元，申购费率为1.00%；200万元≤M＜500万元，申购费率为0.50%；M≥500万元，每笔1000元。本基金C类基金份额不收取申购费用。本基金A类份额赎回费（持有期限：N)：N<7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.75%；30日≤N＜1年，赎回费率为0.50%；1年≤N＜2年，赎回费率为0.25%；N≥2年，赎回费率为0.00%。本基金C类份额赎回费（持有期限：N)：N<7日，赎回费率为1.50%；7日≤N＜30日，赎回费率为0.50%；N≥30日，赎回费率为0.00%。本基金销售服务费（仅C类份额收取）：0.60%/年。
文中券商观点均节选自券商研究报告，仅作举例说明，不代表本文观点，亦不构成任何投资建议与承诺。
谨慎投资。指数过去走势不代表未来表现。本材料是作者基于已公开信息撰写，但不保证该等信息的准确性和完整性。作者或将不时补充、修订或更新有关信息，但不保证及时发布该等更新。材料中的内容和意见基于对历史数据的分析结果，不保证所包含的内容和意见在未来不发生变化。本材料在任何情况下不作为对任何人的投资建议或出售投资标的的邀请。
公开募集证券投资基金风险揭示书
尊敬的投资者：
投资有风险，投资需谨慎。公开募集证券投资基金（以下简称“基金”）是一种长期投资工具，其主要功能是分散投资，降低投资单一证券所带来的个别风险。基金不同于银行储蓄等能够提供固定收益预期的金融工具，当您购买基金产品时，既可能按持有份额分享基金投资所产生的收益，也可能承担基金投资所带来的损失。
您在做出投资决策之前，请仔细阅读基金合同、基金招募说明书和基金产品资料概要等产品法律文件和本风险揭示书，充分认识本基金的风险收益特征和产品特性，认真考虑本基金存在的各项风险因素，并根据自身的投资目的、投资期限、投资经验、资产状况等因素充分考虑自身的风险承受能力，在了解产品情况及销售适当性意见的基础上，理性判断并谨慎做出投资决策。
根据有关法律法规，融通基金管理有限公司作出如下风险揭示：
一、依据投资对象的不同,基金分为股票基金、混合基金、债券基金、货币市场基金、基金中基金、商品基金等不同类型，您投资不同类型的基金将获得不同的收益预期，也将承担不同程度的风险。一般来说，基金的收益预期越高，您承担的风险也越大。
二、基金在投资运作过程中可能面临各种风险，既包括市场风险，也包括基金自身的管理风险、技术风险和合规风险等。巨额赎回风险是开放式基金所特有的一种风险，即当单个开放日基金的净赎回申请超过基金总份额的一定比例（开放式基金为百分之十，定期开放基金为百分之二十，中国证监会规定的特殊产品除外）时，您将可能无法及时赎回申请的全部基金份额，或您赎回的款项可能延缓支付。
三、您应当充分了解基金定期定额投资和零存整取等储蓄方式的区别。定期定额投资是引导投资者进行长期投资、平均投资成本的一种简单易行的投资方式，但并不能规避基金投资所固有的风险，不能保证投资者获得收益，也不是替代储蓄的等效理财方式。
四、基金管理人承诺以诚实信用、勤勉尽责的原则管理和运用基金资产，但不保证本基金一定盈利，也不保证最低收益。本基金的过往业绩及其净值高低并不预示其未来业绩表现，基金管理人管理的其他基金的业绩并不构成对本基金业绩表现的保证。融通基金管理有限公司提醒您基金投资的“买者自负”原则，在做出投资决策后，基金运营状况与基金净值变化引致的投资风险，由您自行负担。基金管理人、基金托管人、基金销售机构及相关机构不对基金投资收益做出任何承诺或保证。
五、材料中展示的基金（以下简称“本基金”）由融通基金管理有限公司（以下简称“基金管理人”）依照有关法律法规及约定申请募集，并经中国证券监督管理委员会（以下简称“中国证监会”）许可注册。本基金的基金合同、基金招募说明书和基金产品资料概要已通过中国证监会基金电子披露网站【http://eid.csrc.gov.cn/fund】和基金管理人网站【www.rtfund.com】进行了公开披露。中国证监会对本基金的注册，并不表明其对本基金的投资价值、市场前景和收益作出实质性判断或保证，也不表明投资于本基金没有风险。
滑动滚动条，查阅更多风险提示
点击了解热门基金
文章评论