东吴金工AI赋能投研

核心观点与内容总结

AI Agent 在投研场景中的定位与使用

• AI Agent 在投研场景中应定位为工作助手、流程引擎和知识沉淀工具的结合。
• 市面上存在多种定位的 AI Agent 产品，可根据实际需求选择使用。
• 考虑上手门槛和使用便捷性，后续主要基于 Workbench 展示 AI Agent 的应用。

数据库与知识层构建的重要性

• 高质量数据来源是 AI Agent 深度介入投研工作流的基础。
• 以万德为例，展示如何通过 MCP 接入股票、债券、基金、指数、宏观等多方面数据。
• 通过 Skill 调用内部数据（如因子数据库），实现自然语言调用。
• 知识层（投研专有知识资产）同样重要，以腾讯艾玛知识库为例：
  • 连通微信生态，支持多种文件类型。
  • 可搭建个人或团队知识库，系统化沉淀和管理年报、纪要、笔记等。
  • 提升 Agent 输出内容的专业性，并可便捷进行知识检索和执行操作。
  • 通过连接器等方式沉淀碎片化信息（如聊天记录、邮件），辅助复盘。

AI Agent 实际工作流应用案例

• 数据分析工作：通过万德 MCP 提供宏观数据（如 PPI、CPI）进行分析，生成分析章节。
• 标准化投研任务：以投研报告为例，将整个工作流沉淀为 Skill，实现不同标的的多次调用。
• 周期性固定报告：结合官方数据源，沉淀 Skill 实现周报、月报等自动化生成。
• 本地结构化知识库：构建本地信息通信知识库，并通过 Skill 调用本地知识资产提升输出质量。
• 投资专家讨论 Skill：构建不同投资专家的 Skill，模拟专家观点、投票和辩论，辅助决策。
• 同学会 Skill：对投资观点进行特定工作流分析，沉淀观点。
• 其他应用：代码实践、信息搜集、定时任务、选股择时等。

AI Agent 与 Opensearch 知识库的结合

• AI 时代避免陷入 AI 焦虑：AI 应解决实际问题，带来真实增量，而非盲目使用。
• Opensearch 知识库的优势：
  • 本地化：知识资产托管本地，安全性高，灵活性强，适应 AI 时代需求。
  • 开放生态：类似毛坯房，可灵活搭配插件（如 Data View、Templater）实现个性化设计。
• Opensearch 在研究写作中的应用：
  • 实时拉取文档最新上下文，类似程序员用 AI 写代码，提升协作效率。
  • 自动补全功能，结合文档内容智能补全，减少重复修改。
• Opensearch 在知识库中的应用：
  • 将卖方观点结构化，形成可查询、可追踪的卡片。
  • 通过 Data View 生成研究驾驶舱，直观展示卖方共识、观点变化等。
  • 可追溯性：点击结论可返回关键卡片，验证结论来源。
• 券商金股跟踪案例：
  • 将金股信息结构化（券商、股票、行业主题、推荐时间、逻辑等）。
  • 通过 Data View 生成多层驾驶舱，按偏好展示当月推荐、卖方共识、主题变化等。
  • 提供多维度分析，如高共识持续强化、新出现关注等，提升研究深度。

研究结论与建议

• AI 时代应将 AI 嵌入研究流程，提升判断力和产出质量，而非盲目追求信息获取和整理效率。
• Opensearch 知识库结合 AI Agent，可实现高效、可追溯的研究协作和知识管理。
• 知识库结构应根据实际需求设计，通过增量更新形成直观的研究驾驶舱，方便验证和追溯。
• 后续将就衍生品研究进行专题汇报，欢迎投资者参与交流。