热点聚焦 光大资产配置王开WorkBuddy投研实践

核心观点与关键数据

1. 基建层：数据接入与技能部署

• 可信数据的重要性： 强调AI工具接入可信、可溯源的数据是投研场景应用的基础，避免无本之基的分析结论。
• 数据接入方式：
  • 本地数据：符合合规流程，避免上云。
  • 公开数据：通过MSP（Managed Service Provider）方式接入，如万德数据，实现一键接入。
• 技能接入：
  • 技能来源：Agent内部提示词搭建、外部网站下载、其他Agent迁移。
  • 技能示例：万德Alice的官方技能（如深度研究、公司一页纸快评）。
  • 技能调用：通过对话框输入指令或点击技能图标。

2. 中间层：自动化工具应用

• 自动化工具目标： 提升效率，将重复性工作（如报告排版、公众号生成）自动化，解放人力进行深度思考。
• Word报告自动排版Skill：
  • 功能：将非标准化Word或Markdown文件按指定模板排版。
  • 搭建方式：通过详细提示词定义模板细节（封面、目录、页眉页脚、字体、图表格式等）。
  • 调用方式：通过对话框输入指令或勾选已安装Skill。
  • 注意事项：需人工核查细节落实情况。
• 公众号一键生成Skill：
  • 功能：将研报或文章内容一键发布到指定公众号。
  • 搭建方式：需要提供公众号AppID和AppSecret，并在公众号平台开放IP白名单。
  • 调用方式：通过对话框输入指令指定文件进行发布。
  • 注意事项：需人工核查内容。

3. 应用层：专业投研Skill开发

• Skill开发目标： 将工作经验和研究框架沉淀到Agent中，以人类经验和思考方式执行任务。
• 红利选股策略Skill：
  • 架构：双层架构，包含Know How类（解释分析适用模型）和Workflow类（计算筛选股票）。
  • Know How类Skill：分析当前情况，选择最符合的红利模型，并识别伪高股息陷阱。
  • Workflow类Skill：根据选定模型进行股票筛选和分层（A-D级）。
  • 调用方式：根据Skill类型不同，提问方式也不同。
  • 启发：基础Skill可通过重组或重构发挥更大价值。
• 盘中催化分析Skill：
  • 功能：抓取行情信息和产业/政策消息，分析消息对行情的驱动作用。
  • 搭建方式：抓取行情信息（行业排名与涨跌）、抓取消息信息（时间点、内容、标签），进行匹配分析。
  • 评价体系：对消息力度进行打分（强、中、弱），考虑行情反应和消息标签。
  • 输出结果：展示匹配事件、消息列表、轮动持续性分析。

4. 总结

• Workbuddy在投研领域的应用需从基建层（数据接入）、中间层（自动化工具）和应用层（专业投研Skill）逐步推进。
• AI工具可提升效率，但不能替代人类研究员的判断、观点和合规审查。
• 团队将持续探索和实践，欢迎关注其投研成果。