东吴宏观 经济早班车第111期如何用 AI 自动写研报 - 搭建Hermes架构的证券分析师 超级助理

各位老师早上好，我是东吴证券宏观分析师唐耀。 看今天给各位老师带来的这个主题是如何用AI I自动写言报，基于这个Hermes架构构建的证券分析师的超级助理。 今年以来各位老师应该可以发现，AI I在我们整体金融的领域当中已经变得逐步的深入。从最开始的一些简单的数据处理，还有一些代码编写，现在已经逐步转向了更加深一层次的研究报告等等这些核心的一些环节，尤其是随着我们的大模型的推理能力的迭代，还有与AI智能体编排框架的成熟，整个AI正在从简单的对话助手进化成了能够真正自主使用的工具。 能够执行比较复杂任务的一个数字员工。 那么对于这种数字员工，我们会有两个需要考虑的点。 一方面就是如何去选择我们所谓的大脑，也就是我们所谓的大模型的选择。 另外一方面就是选择选择哪一种双手，就是我们AI agent的选择。 那么再怎么把我们的大脑和双手再有机的结合起来，么就是今天我们需要去介绍的一个内容。 首先关于双手的选择，AI a景的选择，这里我们选择的是Hermes agent。 Hermes agent我们选择这个Hermes而不是open close这些的工具。 主要原因还是对于一个易用性的这些一些考量。 近期如果说大家有关注的话，Hermes它是推出了一个桌面的版本，也就是我们的水银版的0.90。 这个版本它是提供了整体的一个图像化的安装的向导，还有比较直观的一个操作界面。 这个的话就相当于我们平时直接可以双击去点击的一个EXE。 我们平时经常用的这种所谓的桌面的app，它不需要一些专业的一些命令知识就可以完成我们所的部署和我们日常的配置。 但是如果说各位有去用过我们的open，也就是我们的小龙虾的话，应该会发现每一次的安装都会比较的复杂。 尤其是每一次在升级的时候，我们都需要去对整体的一个环境变量进行重新的一个调控。并且它整体在后台进行操作的时候，在3MD那个框这个框架内操作的时候，它的可视性是比较弱的。 所以说这一块基于我们平时的一个使用的方便性，还有包括我们这个整体升级的这种便捷程度的话，我们推荐这个地方使用我们的，而不是我们的open call，这是我们这里的第一点。 第二点，Hermes它这个agent它和open call还有一个最大不一样点是在于什么呢？Hermes这个双手它是具备一个持续的永久记忆的这么个功能，它会在不同的绘画间保持一个对用户偏好环境配置还有工作习惯的一个稳定的记忆，从而去减少一些重复性的说明，然后适配我们用户的这个日常习惯。 所以说它会给用户的感觉就是叫做越用越方便。 那么open clou的话它的好处是在于它也可以形成一系列的skill。 但是它相对于更加偏向于团队协作，或者说它对于你的长期的记忆，它是不太它是不太比得上我们的Hermes。 那么对于个人研究的而言，我们还是认为如果说这个AI agent能够更加了解你的话，对于我们未来整体的一个使用可能会更加便捷一点。 鉴于这两点的话，我们这个地方选择的agent就是我们的Hermes agent。 刚刚介绍的是我们双手这一块A键的选择。 然后除去双手这个选择以外，我们还会选择我们所谓的大脑，也就是我们的这个大模型。考虑到我们一系列的合规性，还有包括使用的方便程度，我们金融方面的研究，我们比较推荐的是我们deep stick的这个模型。 现在deep stick最强的模型是我们deep stick v4 pro，这个模型我们相对而言是比较推荐的，为什么呢？因为keep pv 4 pro这个模型它在推理逻辑、数学运算，编程辅助以及我们的常务们理解能力当中，它是展现出了比较强的一个能力。 尤其是它是比较擅长这种需要深度推理的多步骤的这个问题求解。 那么在我们整体的一个研报复盘等等这种场景当中，它其实它有两点比较核心的价值是优于其他模型的。 一个是我们的常文本的理解能力，它能够一次性处理数万字的上下文，然后确保对于整个报告框架的一个整体的把握。 第二个是我们的逻辑推理的能力，它能够理解比较复杂的这种因果关系。 尤其是对于我们的数字的理解，还有包括金融这个一系列的理，它是强于其他模型。所以说这一块我们比较推荐steep stick的的V4 pro。当然说鉴于我们整体的一个模型的参考，其实我们也去参考过所谓的MOA的模式，也就是所谓多模型共同去生成的这个报告的模式。我们也用过我们的质谱的模型，还有包括千问的模型，还有的模型。单独拉出来看的话，这些模型都是比较优秀的。但是鉴于这些模型它的多模态的话，它的表现成效效果是比较好。但是仅针对于我们这个写代码，我指的是金融的这种量化的数据处理。还有包括我们金融的这个所谓的一些研报这种文字信息的处理的话，我们对比下来，最后会发现还是deep stick相对而言会更加强大一些。所以说在某些信息的收集上面，我们可以使用多模型的方式去进行信息的收集。但是针对于最后统一的管理上面，最终的一个大脑的选择上面，我们发现还是deep对而言会表现会更加强大一些。刚刚就去介绍了一下我们如何在A方面去选择我们的双手Hermes agent，还有包括我们的大脑deep stick v4 pro。后面就是进行我们具体的进一步的实际的操作。在我们常规研报的撰写流程当中，一份研究报告的产出，它天然是包括这么几个环节。就是数据的准备，信息的采集、分析、撰写，还包括我们我们的编辑的检查。传统模式下，前三个环节通常都是由我们研究员一个人是从头到尾进行了完成。这可能会存在几个问题，一个是我们数据准备和信息采集的阶段，它的工作量是比较占用时间的，非常容易影起我们就影响我们整个整体分析撰写的一个深度。第二个是研究员在分析的时候，很可能会用先入为主的选择一些数据。然后第三个是在我们的在独立的边际检查的环节当中，报告本身的质量它是比较依赖于我们个人经验，所以非常容易产生一些所谓的笔误这种情况。所以说在我们后续实际撰写当中，我们就把刚刚所谓的四个环节拆成了四个比较独立的AA建设的角色。每个角色是各司其职，互不干涉的。那么按照执行顺序，我们排名为数据工程师、新闻收集员、研报撰写员，还有包括我们的编辑检查员。这种设计有三个优是个核心优势。 一个就是职责的边界是清晰的，每个角色只在自己的覆盖范围内去去去进行工作，不会出现这个数据采集，替这个分析员去进行判断，或者是替分析或者分析师替我们的编辑检查者进行审核的这种越狱行为。第二个是叫做可塑性很强。如果这个地方报告出现了某些问题的话，是可以很快速定位到具体的环节当中。第三个是流程相对而言是可控的。四个角色是按照顺序依次去进行执行。前一个角色未完成的话，那么后一个角色是不会启动的。确保每一步的输出资料都能经得起我们独立的检验。当然这个地方我们也必须得承认的是，整个AI的A键的系统还是存在部分的局限性的。首先是一个对于复杂场景的逻辑权重判断可能不足。比方说多事件在同日发生的时候，那么逻辑相互冲突的时候，AI可能无法很很准确的判断出这个核心的驱动因素是什么。第二个就是AI I它有些数据还是比较依赖于外部的。所以说这些行情数据，这些核心的这些数据还是需要依赖于我们万德或者彭博等等这一系列的接口，来确保这个数据的准确性和及时性。系统有时候无法那么快的去进行一个自动的数据的一个修正。所以说这一块的话可能还是会依赖我们人工去进行一个后续的一个所谓的复核，或者是我们有其他的一些代码进行复核。然后再是第三个就是AI撰写报告的时候，它比较倾向于引用数据，它整体的提炼能力相对而言会比较不足。相对于人而言的话，人对于这个事件的提炼，包括未来的推导能力、前瞻力，相对而言是比较强于这个AI的。但是我相信未来这个AI随着AI的不断进步，我们觉得这些问题可能都会进行逐一的一个解决。所以后续我们对于万德等等数据进行了一个初步的一个量化的一个采集后。然后再通过我们财联社化街见闻等等这些进行了新闻的采集。然后就可以进行我们A研报的这么一个自动生的工作。这些具体的一些skill，包括我们使用的技巧方面，可以去参见我们相关报告里面的附录。附录中会介绍的会比较详细，或者是有更加具体的问题，也欢迎随时联系我们东吴宏观。 最后我们采用了整体AI I生成的一个复盘报告，和我们真人撰写的报告进行了一个对比，会发现整体的观点还是比较的一致的。然后整体的真人的措辞相对而言是偏保守一些，但是AI撰写的这个措辞它可能会更加的清晰或者更加明确一些。但是对于核心结论的前瞻性而言的话，我们真人的分析师他相对而言还是会强于我们的AI所以这一块的话，我们觉得AI agent的使用在未来肯定是一个逐步去蔓延的这么个趋势。但是在使用过程当中还是要注意一些，整体AI还是有一定的局限性。因此我们建议使用AI I进行一定的研报的撰写。生成报告之后，我们人工还是要进行一个再次的一个复核，然后来确保整体的一个逻辑和数据的准确性。今天大概就介绍这么多，往后如果说有更加复杂的这些工作的场景的应用，我们也会在未来再来跟各位老师去进行进一步的汇报，感谢。