20260914-广发证券-_广发策略_AI投研_第一性_原理_远期思考_授人以渔PPT_7_11_14页_4mb

报告摘要

广发策略AI投研方法论总结

核心内容概览

本报告围绕“AI投研：第一性、原理、远期思考”展开，旨在探讨如何通过AI技术复刻二级市场从业者的投研生产链路，提升信息摄入与经验加工效率。报告聚焦于大模型和Agent的微观原理，分析当前AI投研系统的技术瓶颈，并提出优化路径与远期思考。

主要观点

1. AI投研的第一性原则

目标：最大化还原复刻二级从业者的投研生产链路。
核心工作流：信息差捕捉 → 认知差提炼 → 投资决策转化。
AI投研系统设计：需围绕上述哲学展开，突破人类主观局限性。

2. 当前AI投研的瓶颈与优化方向

2.1 大模型的三大原生技术缺陷

上下文衰减（Context Rot）：Prompt越长，回答质量越差，容易出现幻觉、逻辑断裂。
输入扰动敏感（Input Perturbation Sensitivity）：输入微小改动，会导致输出质量显著偏移。
输出非确定性（Output Non-Determinism）：相同Prompt下，输出结果不一致。

2.2 信息摄入层优化

公域+私域结合：公域数据接口（如API/MCP）与私域RAG知识库结合，提升语料广度、质量与即时性。
RAG优于LLM-Wiki：RAG通过向量数据库实现更优的语义检索，适合投研场景，但需配合数据预处理、意图识别、Query改写等。

2.3 经验加工层优化

Skill编排架构：通过Skill（技能）实现任务分拆与渐进式披露，提升任务执行的稳定性与效率。
多Agent矩阵：建议包含实习生、分析师、投资总监三类角色，分别承担数据获取、内容创作、任务规划等职责。

3. AI投研的远期思考

3.1 KYA（Know Your AI）的重要性

AI原理与实践经验将成为从业者必备技能。
对AI产业逻辑的认知将因技术理解而重塑。

3.2 卖方研究所的变革趋势

展业形式可能经历“MCP化”（Model-Driven Content Production），提升观点、数据、活动的送达效率。

3.3 两类低效实践

金工化：丢失主观超额收益来源。
单一环节全链路尝试：违背分工优势，增加隐私风险。

关键信息

1. Agent基座设计

本质是Model Harness的权衡：一体化产品（如Codex、TraeCode）易用性强，但灵活性不足；开源架构（如OpenClaw、Hermes）可实现对LLM Query的绝对微观控制，但上手难度高。
最佳实践：一体化Agent负责项目维护，开源架构负责生产场景，最大化两者优势。

2. 分步加载与Multi-Agent矩阵

任务分拆：将复杂任务拆分为最小高信号集合，提升执行效率。
角色分工：
- 实习生：数据获取与清洗。
- 分析师：内容创作与结论落盘。
- 投资总监：任务规划与调度。

3. Skill的结构与作用

三阶段渐进式披露：
- 元数据（Metadata）：Skill名称与描述。
- 指令主体（Instruction）：Skill.md，定义任务步骤与输出格式。
- 项目资源（Resources）：脚本、提示词、模板等。
优化方向：通过Harness工程学优化调度与任务分拆，提升Skill产出质量。

4. RAG向量知识库的优化

数据预处理：
- 支持多种信息渠道（IM平台、垂域数据库、论坛等）。
- 图片与PDF可通过VLM解析，精度高于OCR。
- 结构化压缩切片优于语义切片。
用户查询优化：
- 意图识别与Query改写：预设研究方向关键词，提升召回质量。
- RAG参数微调：通过实测数据优化单次查询效果。

5. 技术架构进阶

多级模型路由：根据任务复杂度路由到不同模型，提升效率与准确性。
架构自迭代Loop：初期可设置定时Loop自迭代，后期需针对性微调或关闭，以避免奖励劫持风险。

风险提示

技术范式颠覆风险：大语言模型或Agent底层技术变化可能使当前优化思路失效。
AI应用效果风险：AI技术发展及投研场景应用效果可能不及预期。
数据安全与隐私风险：涉及敏感数据的处理需关注安全与合规问题。
监管政策变化风险：相关监管政策变动可能影响AI投研的实施路径。

远期思考与展望

KYA将成为核心技能：理解AI原理与实践，是未来金融从业者的重要能力。
MCP化趋势：卖方研究所展业形式将向模型驱动内容生产转型。
分工优势：AI投研应尊重现代金融分工原则，避免全链路尝试。
投资框架升级：AI将帮助从业者更高效地发现与利用增量信息，提升α获取能力。

总结

本报告系统性地分析了AI投研的底层原理与优化路径，强调了“还原复刻主观投研生产链路”作为第一性原则。通过Harness工程学、Skill编排、RAG知识库等技术手段，可有效克服大模型的原生缺陷，提升投研效率与质量。同时，报告也提出了AI时代下二级金融机构的远期思考，包括KYA的重要性、MCP化趋势、分工优势等，为未来AI投研发展提供了方向性指导。

展开完整摘要