猜你想问
东吴金工AI赋能投研报告核心内容是什么？
东吴金工AI赋能投研报告的核心观点是，AI在投研中的价值在于成为工作助手、流程引擎和知识沉淀工具的结合体，而非单纯提升信息生产效率。报告强调AI应用需紧密结合真实投研工作流解决实际问题，避免方法焦虑。同时，AI时代投研知识库建设需注重结构化沉淀、可追溯性与流程深度绑定，而非简单信息存储。
AI在投研中的应用架构是怎样的？
AI在投研中的应用架构包含底层数据与知识层、应用层和决策层。底层数据与知识层是核心基础，需整合官方数据源（如万得MCP）与内部因子数据库、自有知识资产。应用层通过Workflow构建宏观数据分析、标准化任务自动化等应用。决策层则提供投资决策辅助Skill，如多专家观点碰撞的投资专家讨论Skill、多角色辩论的投学会Skill，以辅助观点验证。
报告如何分析AI在投研工作流中的具体应用？
报告指出AI Agent可在投研工作流中实现多种应用，包括基于Workflow的宏观数据分析（如PPI、CPI数据生成分析章节）、标准化任务自动化（如投价报告、周报月报工作流沉淀为Skill）。此外，支持本地结构化知识库构建，如信息通讯知识库、深度研究Skill，可调用本地知识提升产出质量。还提供投资决策辅助Skill，如投资专家讨论Skill和投学会Skill，通过多专家观点碰撞和角色辩论辅助观点验证。
报告如何评估Obsidian在AI赋能投研知识库中的应用价值？
报告认为Obsidian相比云端笔记工具，具备本地文件存储安全性、数据控制权，且开放插件生态支持个性化配置，能适配原有投研工作流。配合AI，Obsidian可优化投研写作流程，实现实时文档上下文交互，避免版本混乱和文本拼凑感，提升写作效率。通过Web Clipper插件保存外部观点，结合AI将卖方报告等内容结构化生成观点卡片，搭建可追溯的研究驾驶舱，支持卖方共识、观点变化跟踪。还可将券商金股等另类数据结构化，通过DataView插件搭建个性化研究数据库，实现多维度跟踪与共识分析。
报告对AI赋能投研的风险提示有哪些？
报告指出AI赋能投研需避免方法焦虑，应紧密贴合真实投研工作流，解决实际问题，而非为用AI而用。同时，AI应用需注重数据质量与知识库的结构化沉淀，确保可追溯性与流程深度绑定。此外，依赖AI工具时需关注数据安全与隐私保护，避免过度依赖导致人工分析能力的弱化。在知识库建设方面，需警惕信息过载与冗余，确保知识库的时效性与实用性。