AI辅助研究工具（二）：AI Agent智能数据查询skill

AIAgent智能数据查询Skill通过将自然语言需求转换为数据库查询，降低金融数据查询门槛，并提高取数过程的可审计性与可复现性。其核心要义在于数据字典的完整性和查询过程的可审计性。

核心功能与流程：

1. 降低查询门槛：用户通过自然语言描述查询需求（查询对象、时间范围、指标、筛选条件、输出要求），Agent负责识别证券代码、选择数据表、匹配字段、组织查询条件并检查返回结果，返回结构化数据表或DataFrame。
2. 数据字典驱动：手动整理常见行情、估值、成分股、财务和证券基础信息等表和字段信息，形成数据字典，作为自然语言与数据库之间的“说明书”，降低字段误配和单位误读风险。
3. 查询流程：Agent将用户需求转换为标准证券代码、数据表、字段和查询条件，调用统一接口返回结果。以查询上证50、沪深300和中证1000在2026年8月10日至8月19日的收盘点位、涨跌幅和成交额为例，实测返回24行、5列数据，查询用时2.62秒。

可审计性与可复现性：

1. 字典驱动取数：返回结果的同时显式记录数据表、字段、查询条件、单位和计算口径，使查询结果能够被复核和重复执行。
2. 案例验证：以宁德时代（300750.SZ）2025年三季报ROE与ROE(TTM)为例，Agent分别映射至对应字段，结果显示二者相差2.82个百分点，验证了Agent对同一金融指标不同统计口径的识别，以及数据表定位、字段匹配、报告期锁定、报表类型确认和结果对比的完整流程。

研究结论： AIAgent智能数据查询Skill的价值在于降低既有数据系统的使用门槛，并通过数据字典将自然语言需求转换为数据库查询，返回结构化数据。同时，其字典驱动的查询框架提高了取数过程的可审计性与可复现性，为指标比较、策略回测和归因分析提供可复核、可重复执行的数据基础。

风险提示： 数据结果受落地数据库授权范围、数据同步进度、部署状态、内网环境和数据权限影响。自然语言存在歧义时可能造成理解偏差，复杂筛选和实时数据可能需要人工复核。