AI投研方法论：从Skill 1.0到Skill 3.0，Skill架构的进化

2026年09月01日 AI投研方法论：从Skill 1.0到Skill 3.0，Skill架构的进化 证券研究报告 易理解、可复用的框架是投研能力Skill化的关键： 左大勇分析师SAC执业证书编号：S1450526080005zuody@sdicsc.com.cn 投研行业的本质是研究能力，研究成果可以被复现、被模仿，能力却是独一无二的。卖方提供基础框架和培训，买方在此基础上长出自己的体系，这个分工在AI出现以前就存在。Agent和Skill第一次让研究能力可以被拆解、被复现、被训练，但能否真正沉淀下来，取决于框架本身：容易理解，人才看得懂、能核实、能交流；可以复用，能力才能被组合、被训练、被进化。一套说不清、改不动、拼不起来的框架，Skill化得再深也只是黑箱。 叶青联系人SAC执业证书编号：S1450126040005yeqing2@sdicsc.com.cn 相关报告 转债周度策略报告：估值修复可持续吗？2026-08-31独立行情周报：事件驱动走阔扩容2026-08-30周 思 考 ： 利 率 调 整 结 束 了吗？2026-08-29 从Skill 1.0到3.0代表着投研能力框架的演进方向： 演进的核心，是能力从"固定死"走向"可拆分"，再到"可训练"。1.0整体封装，一套流程装进一个Skill，典型如财务分析Skill的14个子Agent流水线，验证了研究能力可以被封装，但只能整套用。2.0拆分与组合，把能力拆成数据、逻辑、判断三层，按需匹配不同零部件——信用利差数据库加上城投数据库，即可完成评级下调背景下的利差复盘。它的特点是可拆分、可复用：数据层可扩充、逻辑层可单独修改；作用是让能力能被自由组合，框架仍受限于给定的零部件。3.0把使用变成训练，研究中的判断沉淀为下一次直接可用的规则，框架随之迭代，最终成为专属的Skill。它的特点是越用越专属；最终在市场已有的通用框架基础上构建自己的框架，研究能力的系统性大幅提升。 目前中间件零部件已覆盖债券市场主要通用框架，训练架构正在实践当中解决越来越多买方老师的个性化问题： 资金面、机构行为、信用利差、城投、转债这些债券研究的常用逻辑，已被沉淀成31个标准中间件，主要通用分析框架都能找到对应零部件；训练架构在数据、逻辑、判断的统一口径下，把使用变成训练，让每位买方老师在本地使用的过程当中通过对话将头脑里的框架沉淀下来，个性化问题边实践边解决。本篇报告展示了较多相关案例：三个数据库零部件两轮对话高效完成情景复盘，记忆Skill一次召回616条工作片段，成本约为云服务的百分之一。 风险提示：数据来源风险、技术处理风险、时效性风险、参考性说明。 内容目录 1.从复现研究说起.............................................................42. Skill 1.0：固定的能力......................................................53. Skill 2.0：拆分与组合能力..................................................63.1.将Excel数据库复现为Skill..........................................63.2.数据→逻辑→判断三层............................................63.3.中间件零部件：一次封装，开放复用.....................................73.4.能力组合：把零部件拼成一个能解决问题的链条...........................84. Skill 3.0：把使用变成训练..................................................94.1.为什么买方Skill化更为复杂..........................................94.2.训练架构Skill提供什么.............................................104.3.已实践五大训练框架..................................................104.4.标杆应用：记忆Skill................................................104.4.1.效率实测：一次召回616条......................................114.4.2.真实案例：让一个多月前的复杂工作一句话继续推进.................135.统一框架的价值............................................................145.1.统一框架：数据→逻辑→判断......................................145.2.帮助组织的AI化升级.................................................156.风险提示..................................................................15 图表目录 图1.从Skill 1.0到Skill 3.0：整体封装→拆分逻辑匹配零部件→使用即训练框架专属化......................................................................4图2.财务分析Skill：14个子Agent按固定流程跑完整套分析（整体封装的典型形态）..............................................................................5图3.上下文占用：从全局全量到按需加载（真实测量，单位：k tokens）............7图4.DASH实录：模块化调用，只启动资金面数据库的「取数引擎」模块.............7图5.中间件Skill目录结构实拍：行业逻辑被封装成「可被任何AI调用的标准零部件」..........................................................................8图6.中间件产品族全景：债券市场中间件全覆盖..................................8图7.能力组合实录——三个零部件，两轮对话，完整复盘本周信用债市场...........9图8.训练架构Skill产物实拍：个人逻辑被训练成「只属于自己的闭源研判体系」...10图9.记忆Skill精准召回：「回忆近7天工作」只用2分钟（内容已脱敏）........11图10.通用Agent硬搜：同一任务全电脑大力检索35分钟（内容已脱敏）.........12图11.效率实测：一次召回616条、2分钟完成（同一任务「回忆近7天工作」对比）.............................................................................12图12.记忆Skill真实召回执行记录：一次召回616条工作片段（逐条展开，节选8条）.........................................................................13图13.真实案例：记忆框架训练后的Skill，一句话续推一个多月前做过的复杂工作...14图14.Skill 2.0与Skill 3.0的定位：中间件零部件×训练架构...............14图15.统一框架：数据→逻辑→判断（对齐Skill编写与交流）...............15表1：从Skill 1.0到Skill 3.0：三阶段的完整进化主线（以「实现一个想法」为例）..............................................................................4表2：训练架构Skill已实践五大框架.........................................10 表3：记忆Skill成本对比...................................................14表4：Skill化对组织AI化升级的价值........................................15 1.从复现研究说起 随着AI的发展，越来越多的研究成果以网页、甚至系统的形式呈现。但是我们发现了一个有意思的现象：许多老师在使用这些成果时，很少奉行拿来主义，而是喜欢刨根问底。这在Agent工具普及之后更生动地体现为：买方老师希望复现这些研究，变成自己的Skill。 这本来也是合理的，投研行业的本质是研究能力。研究成果是研究能力的产物，但它们并不等价：研究成果可以被复现、被模仿、被复制，但研究能力却是独一无二的。每位买方老师都有自己的研究框架、研究方法、研究习惯和研究偏好，这些都是无法被直接复制的。 在AI没有出现以前，行业本质上也是这样分工，卖方提供基础框架和培训，买方在此基础上形成自己的研究体系。 在AI出现以后，尤其是Agent和Skill的出现，第一次让我们有机会讲清楚这个分工，因为逻辑可以如此清晰的被拆解、被复现、被训练。 我们突然感受到，AI的出现，正在大大加速研究能力的进化，而且这种进化，需要一套非常清晰、可解释、可复用的框架。Skill 1.0到Skill 3.0，就是一套解构研究能力的框架，我们从实现一个想法的典型案例出发，讲清楚了研究能力的三次升级：从寻找刚好能用的整件，到拆分逻辑匹配零部件，再到把使用变成训练，让研究能力越来越"只属于我们自己"。 资料来源：国投证券证券研究所，WIND，同花顺 三阶段的区别，用"实现一个想法"来讲最清楚： Skill 1.0：必须找到刚好能完整实现这个想法的skill，而且结果必须可靠——因为整体封装，不太好修改。想法越出常规，就越找不到"刚好能用"的那一个整件； Skill 2.0：可以把想法拆分成逻辑，匹配不同的零部件（中间件Skill）。例如，想研究"评级下调背景下 的信用利差"，就用信用利差数据库skill +城投数据库skill拼起来完成。自由度高了一大截，但分析框架仍然依赖于给定的零部件——零部件没有的逻辑，就拼不出来； Skill 3.0：在2.0的基础上，加入Skill训练框架，把skill的使用变成训练过程。每一次研究都不只是"用一下工具"，而是在清晰的数据→逻辑→判断架构之下，把自己的框架不断迭代演进——工具产出的数据与逻辑，经过你的一次判断，沉淀成下一次直接可用的规则。研究能力因此完全融入我们自己的框架，真正变成专属的skill。 这印证了「卖方开源、买方闭源」的分工：卖方的价值在于把逻辑做厚、做透明；买方的价值在于把逻辑做私有、做差异化。 2.Skill 1.0：固定的能力 目前绝大多数Skill都是固定针对某一项能力设计的，缺乏能力拆分、组合的灵活性。 以财务分析Skill为例，过去分析师手动做的一套完整财务分析，被完整封进了一个skill。它按一条固定流程跑完整套分析：财报下载→解析→数据挖掘→指标计算→逐章分析→生成报告→沉淀为知识库，前后共14个子Agent分工协作，环环相扣，稍加修改就会严重影响工作质量。 它的局限性在于，必须刚好适配才能直接使用： 想简化（只看偿债能力）？流程是整条写死的，不好单独抽一段跑； 想批量分析多份财