当初的理由已经变了
出了新闻、冒出对手，或者只是执行没跟上。总之，你现在留着这笔仓位，用的已经不是买入时的那套理由。
为什么做这个项目
你买入它，是因为某个理由。
这个理由现在还成立吗？
一旦成交，持仓就不再是一个想法。它有你的成本价、你每天盯着的走势，还有一个你曾向人捍卫过的故事。PortVise 会不带沉没成本地，把每一笔持仓的买入逻辑重新推演一遍。
赚得最多的那笔，成了最大的风险
你最得意的持仓一路涨，直到占掉组合的四分之一——整个组合从此压在一个故事上。
一亏钱，就觉得自己看错了
于是你越跌越卖，哪怕基本面一点没变。波动，不等于看错。
评审是怎么跑的
九个智能体，一个来龙去脉清晰的结论。
一个提示词就能给你一份漂亮的答案，但事实、计算、观点混在一起，你根本说不清结论从哪来。PortVise 把评审分成三个环节，各条推理线彼此独立，让它们有机会互相反驳。
收集
价格、头条新闻、你的持仓，以及宏观背景。
挑战
风险、市场状态、主题各自独立过一遍，再检查结论有没有互相打架。
决策
结论会变成排序后的行动清单：减仓、清仓、对冲、调仓、加仓或继续观察。
规划者
定好这次评审的计划和优先搜什么。
数据
抓取实时价格、新闻与宏观数据。
新闻
梳理宏观和市场的整体背景。
风险
集中度、因子暴露，以及行情走坏时先崩的是谁。
市场状态
寻找与当前阶段相似的历史时期。
主题
判断多个持仓是不是在说同一件事。
校验
结论发布前，把互相矛盾的地方和缺失的输入标出来。
配置
算清楚把钱晾在现金里的机会成本。
总管理人
把各方结论权衡一遍，写下排序后的行动清单。
决策备忘录
让每一笔持仓都凭实力留在组合里。
备忘录里写清楚：该怎么做、主要风险在哪、什么时候再看一次、什么情况会推翻结论。如果它给不出留着的理由，它也会直说。
- 减仓、清仓、对冲、调仓、加仓或观察
- 每一笔持仓，都要说明理由和仓位大小
- 按兵不动的理由，白纸黑字
结论
本周
逻辑没变，但要降低集中度。
AI 的逻辑依然成立，问题是这些仓位同涨同跌。真跌起来，比任何一支股票出问题都严重。
- 态度
- 选择性减仓
- 主要风险
- 因子集中
- 复查
- 财报之后
紧急减仓NVDA减至 18-20% 左右
观察持有MSFT逻辑仍然成立
十个代码，也可能是一笔押注。
全都盯着同一套利率、同一批流动性、同一个题材，股票再多也等于没分散。这个引擎，就是帮你把这种“假分散”算清楚。
历史总在重演。
用今天的宏观状态去和历史时期比对，看看那时候的组合接下来发生了什么。这是参照，不是预测。
相似度78%Q4 2018
平均回报+4.8%21 days
最大回撤−9.2%21 days
PortVise 每日简报
三个小组合，
收盘后统一过一遍。
三个不同风格的小组合，全程公开。PortVise 会在美股收盘后把三个组合都过一遍，然后把建议发给你。
PortVise
每日简报
2026 年 6 月 29 日 星期一
今日 简报
每个 PortVise 组合的结论和行动清单，美股收盘后发到邮箱。
组合 02
AI Infrastructure
降低集中度 · 紧急 · 单一个股独大NVDA 和 AMD 合起来，其实就是一个 50% 的仓位。高波动的行情里，这是同一个风险，穿了两个马甲。
减仓 · NVDA · 仓位上限 10-12%
最大的单一风险来源，把 AMD 算进去就是半个组合。
加仓 · TLT · 增加 10-15% 配置
利率如果下行，长端久期可以对冲组合的高 beta。
加入订阅
和我一样，
每晚读同一份简报。
收盘后一封邮件讲完三个组合：结论是什么、为什么这么判、接下来该怎么做。没有交易提醒，也没有盘中噪音。
按你的方式运行
你的机器，你的模型，
你的持仓数据。
PortVise 可以对接任何兼容 OpenAI 的接口——本地的模型也行，云上的大模型也行。Web 应用可以直接用 Python 跑，也可以整套丢进 Docker。
MIT 许可
兼容 OpenAI
云端或本地模型
CLI 与 MCP 访问
portvise / quickstartbash
# 安装依赖
$ uv sync
$ npm install
# 启动组合顾问
$ uv run python run.py
✓ PortVise 已在 http://localhost:7860 启动