固收投研工作的本质是数据密集型工作，传统模式下，一名固收分析师需要同时扮演数据工程师、量化研究员和文字作者多重角色，这些工作占据了投研人员大量的时间与精力，真正需要深度思考的环节被压缩到碎片化的时间窗口中。随着AI应用场景快速普及，通过构建Skill将分析师的投研框架由Agent集成为可追溯、可复用、标准化的工作流，将分析师从重复劳动中解放出来，实现“人做决策，AI做执行”。
Skill是一组封装的可执行脚本与工作流，其优势包括自动化、个性化、实时性和标准化。固收投研是一个从数据到决策的闭环系统，且遵循基础数据维护，研究累计沉淀，研究结果的策略执行，策略的回测以及策略后期的复盘。未来的固收团队，可能是一个人带一组装备了Skill的Agent，而不是一组人做一件事。AI不会替代固收研究员，但会重塑固收研究员的工作方式。
固收投研多Agent决策流程分为工具与数据层、Skill能力层和Agent协同层。Skill能力层封装固收特定的知识、工作流、工具和传统经验，每个Skill由SKILL.md定义，包含触发条件、执行流程、工具和脚本、参数定义。Agent协同层由多个专业Agent分工协作，各司其职，策略评审与投票，Skill助力多Agent实现。
封装高频Skill可以将固收投研中大量具有高度重复性的工作，如定期下载数据、跨表清洗对齐、按固定公式计算指标、生成标准化图表等，封装为可反复调用的、可检索、可分析、可追溯的Skill，降低个人经验的依赖，团队中的任何人都可以调用同一个Skill得到同一口径的结果。
小规模Agent协同通常两到三个Agent即可构成一个完整的投研节点：一个负责某个分析维度（比如资金面或宏观方向），调用相关Skill拉取数据和计算指标；另一个负责风险校验，检查前一个Agent的判断是否超出了预设的约束边界；第三个负责将分析过程和结论组织成可交付的研究成果。这个最小协同单元跑通之后，就可以向更多Agent、更细维度的系统演进。
基于多Agent的债市研判涵盖基础数据层、skill技能封装层、Agent判断层三层架构。完整的固收投研包括5个Agent，每个 Agent在封装好的投研标准化Skill组件上，通过内置的金融业务逻辑，能够完成专业推导研判。对于债市通常使用“五碗面”（资金面、政策面、供给面、基本面、情绪面），对应设计五个Agent，因为五个面之间本身不需要相互依赖，这使得Agent的充分发挥-五个Agent可以同时开展分析，不需要排队等候。最后返回五Agent的结果，通过设定每个Agent对于债市影响的权重，形成判断。
利率曲线的四种典型形态——牛平、牛陡、熊平、熊陡是债市交易与宏观分析中的基础判断工具。利率曲线变化可以拆成两个维度：一是整条曲线是上移还是下移，二是曲线斜率是变陡还是变平。决定曲线形态的核心并不是单一变量，而是“短端的货币政策锚”与“长端的基本面/通胀/供需锚”之间的相对强弱。
牛陡是“收益率整体下行，但短端下行幅度大于长端，导致曲线斜率增大、曲线更陡”，通常发生在流动性宽松、央行降息在短端兑现，或对宽松预期提前定价，短端快速下行，但市场对中长期经济复苏、通胀升温仍有理性预期，长端收益率下行幅度有限，甚至保持平稳，长端下行幅度相对较小。
牛平是收益率整体下降，长端下降快于短端，期限利差收窄，曲线变平。这种形态往往在“短端已低、政策进一步放松幅度有限，但基本面持续疲弱”时出现。
熊平是收益率整体上升，短端上升快于长端，曲线变平。多源于央行收紧货币政策，比如加息、提准等操作，直接带动短端收益率大幅上行，但市场对中长期经济增长、通胀的预期并不强烈，投资者对长期债券的需求相对稳定。
熊陡是“收益率整体上行，但长端上行幅度大于短端，曲线陡峭化”，多因市场对中长期经济复苏、通胀抬头的预期升温，长端利率迅速反映经济修复，短端受资金面宽松/稳定影响，上行有限。
基于多Agent的债市综合分析，每个维度由一个专业Agent独立分析，最后综合五个Agent的判断形成统一决策。该架构优势：（1）避免单一视角盲区；（2）每个维度可独立更新；（3）不同维度矛盾时可直接暴露，而非被掩盖。五个Agent及其职责，其中基本面Agent：跟踪经济增长、通胀、就业、外贸，判断经济周期位置。政策面Agent：跟踪货币政策、财政政策、监管政策，判断政策取向。资金面Agent：跟踪银行间流动性、央行操作，判断资金松紧。供给面Agent：跟踪利率债供给和机构配置需求，判断供需格局。情绪面Agent：跟踪机构行为，配置盘、交易盘对于利率债的买卖情况。
风险提示：数据不完整及统计存在偏差，历史规律未必代表未来，AI输出可能存在偏差。
