房地产行业深度报告：地产+AI工具系列报告之八：AI投研如何降本提效—— Token、耗时与Skill优化实践

地产+AI工具系列报告之八：AI投研如何降本提效——Token、耗时与Skill优化实践 2026年08月16日 证券分析师姜好幸执业证书：S0600525110001jianghx@dwzq.com.cn证券分析师刘汪执业证书：S0600526030001liuwang@dwzq.com.cn 增持（维持） ◼AI投研的效率评价应从“模型账”上移至“任务账”。单次模型价格、Token数或响应速度仅反映局部成本，完整任务还包括检索、数据提取、口径核验、建模、写作、审校及返工等环节。我们认为，应以“通过质量门槛的完整研究任务”为效率单位，并以质量调整后任务成本（QATC）综合衡量模型、工具、人工及返工等投入。 ◼Token、耗时与质量应作为“三本账”同步计量。Token下降并不必然对应墙钟时间下降，搜索、文件解析、工具调用、人工确认和返工均可能成为关键路径。效率优化应在质量不下降的前提下，同时降低资源消耗和交付时间，并区分平台原生Token、分词器估计及字符代理等不同计量口径。 ◼重复读取、上下文膨胀、全文重写和口径返工，是当前AI投研流程中较典型的隐性成本来源。同一份年报被多个阶段或多个Agent重复全文读取，历史对话和工具返回在后续调用中持续携带，局部修改触发整篇报告重新生成，以及前序数据口径错误导致后续分析链整体返工，均可能显著放大任务成本。 相关研究 《地产+AI工具系列报告之七：从AI投 委 会 到 可 用 的 投 研 平 台— —AlphaChain产品化》2026-07-31 ◼Skill的核心并非增加Prompt长度，而是将研究经验转化为可执行流程。Prompt描述单次任务，SOP固化研究原则，脚本承担确定性计算，Skill则进一步连接任务路由、工具调用、证据规则、失败处置和终止条件。面向正式投研场景，我们认为“证据型Skill”尤其值得关注，其核心是将原始材料转化为可追踪的证据对象，并通过口径冲突闸门、程序断言和分层验证降低错误与返工。 《地产+AI工具系列报告之六：面向Agent时代的工程师训练路径与国产大模型实践》2026-07-17 ◼48轮实验：结构化方法的价值与任务难度高度相关，流程复杂度本身并非优势。简单数据核验任务中各配置质量差异有限；长报告审阅中，仅证据型配置实现100%首次通过；估值任务则显示额外规则和质量闸门也可能增加资源负担。真正有效的复杂度，应能够改变结构化状态、阻断错误或减少返工，而非单纯增加规则和Agent数量。 ◼研究团队的落地重点，应由“个人会不会用AI”转向“能否形成可评测、可回滚的Skill资产”。建议优先将高频、流程稳定、错误代价较高且结果可验证的任务Skill化，并建立统一日志、固定任务集、版本管理和回归测试。对于正式发布场景，研究员仍应保留问题定义、来源与口径裁决、核心假设审查及最终发布责任。 ◼风险提示：实验样本数量及任务代表性不足风险；模型及平台版本变化风险；大模型幻觉及数据口径判断偏差风险等。 内容目录 1.1.从模型成本到任务总成本.........................................................................................................51.2.三本账：Token、耗时与质量...................................................................................................71.3. QATC、首次通过率及其他派生指标.......................................................................................81.4.缓存与并行不能替代任务级计量.............................................................................................9 2.1.六阶段任务链：从问题定义到验证交付.................................................................................92.2.重复读取与上下文膨胀...........................................................................................................102.3.计算、写作与返工成本...........................................................................................................112.4.验证泄漏与成功后的无效调用...............................................................................................11 3.从Prompt到Skill：将研究经验转化为可执行流程.................................................................12 3.1. Prompt、SOP、脚本与Skill的边界.....................................................................................123.2. Direct、Analysis与Report三类模式...................................................................................143.3.投研Skill的最小结构...........................................................................................................143.4.什么应当固化，什么不应固化...............................................................................................153.5.版本治理与失败案例管理.......................................................................................................15 4.证据型Skill：降低搬运成本，同时守住质量边界......................................................................15 4.1.一次提取、多次引用...............................................................................................................154.2.证据卡的数据结构...................................................................................................................164.3.来源预算与证据门槛...............................................................................................................174.4.口径冲突闸门...........................................................................................................................184.5.分层验证与质量达标后的硬终止...........................................................................................19 5.1.四类任务与四种配置...............................................................................................................205.2.控制变量、独立Session与金标准......................................................................................215.3. P1先导实验：规则写出来不等于执行出来.........................................................................215.4.正式48轮实验结果...............................................................................................................225.5.结果解读与适用边界...............................................................................................................23 6.哪些优化真正有效：七项机制与三类常见误区............................................................................24 6.1.结构化读取与证据复用...........................................................................................................246.2.程序计算、有限预览与局部修改...........................................................................................246.3.分层验证与显式终止...............................................................................................................256.4.并行Agent的双重效应.........................................................................................................256.5.模型分层路由与任务—Skill匹配.........................................................................................25 7.1. Skill资产目录................................................................................