> **来源：[研报客](https://pc.yanbaoke.cn)** # 大模型赋能投研之二十六：基金经理投资大师蒸馏与框架进化迭代 ## 核心内容 本报告探讨了如何在已有数据获取能力的基础上，进一步构建一个完整的主动投研系统。系统涵盖信息获取、知识沉淀、框架学习、策略生成与反馈迭代五大核心环节，旨在通过AI智能体实现投研流程的自动化与智能化。重点在于通过“蒸馏”基金经理和投资大师的分析框架，使AI能够学习并应用成熟的投研方法论，同时通过持续迭代机制，使系统能够适应市场变化，提升分析的准确性和适应性。 ## 主要观点 1. **数据获取与维护** - 建立本地化、可追溯的知识库，采用LLM Wiki架构，分为原始资料层、Wiki层和模式层。 - 使用Obsidian搭建知识库，支持结构化存储、版本管理、语义向量化处理等操作。 - 通过自动化脚本和工具（如MinerU）实现资料的持续更新与入库。 2. **基于材料蒸馏的投资框架构建** - 提出“国金蒸馏 Skill”，用于从研报、路演纪要、访谈记录等资料中提炼投资框架。 - 该Skill具备证据化、可反证、可入库等特性，支持从基金经理、策略分析师及行业研究资料中提取分析逻辑。 - 提炼出的框架可用于市场趋势研判、个股分析、行业配置等场景，具备可验证性与可操作性。 3. **投资框架的迭代进化** - 设计了多个迭代组件，包括Session learning、Reference learning、framework-iteration等，用于根据新资料、用户反馈、历史事件进行框架的持续优化。 - Session learning从用户对话中提取长期规则或框架级反馈；Reference learning通过历史事件复盘和价格回放验证判断的准确性。 - 框架迭代流程包括证据收集、偏差分析、修订建议、在线修复与离线重构等步骤，确保分析框架的动态更新。 4. **多框架协同推理** - 系统支持基于不同框架（如达利欧宏观周期框架、芒格逆向思维法）进行多角度分析，提升研判的全面性。 - 框架路由机制根据任务类型自动匹配最适合的分析方法，实现多框架协同推理，提高分析效率与一致性。 ## 关键信息 - **LLM Wiki架构**：包括原始资料层、Wiki层和模式层，实现知识的结构化存储与追溯。 - **国金蒸馏Skill**：从研报等一手资料中提炼投资框架，输出为结构化Markdown文档，支持反证与证据追溯。 - **迭代组件**： - **Session learning**：处理用户对话反馈，区分一次性要求与长期规则。 - **Reference learning**：基于历史事件进行复盘，识别框架盲区与偏差，提升分析逻辑。 - **framework-iteration**：汇总复盘结果，决定是否升级、修补或重构框架。 - **frameworks evolve**：将确认的修改写入框架库，实现方法论的更新。 - **行情分析流程**：系统根据事件类型自动匹配分析框架，结合知识库与案例模板生成研究输出，涵盖关注要点、跟踪清单与初步判断。 - **适用场景**：包括个股分析、行业研究、市场趋势研判、策略配置复盘等。 ## 风险提示 1. 历史数据不能代表未来趋势，模型可能存在失效风险。 2. 大模型输出结果存在随机性和准确性风险，且可能随提示词变化而变化。 3. 使用AI生成内容需注意版权问题，确保符合法律法规。 4. 投资决策需结合个人风险承受能力，本报告不构成投资建议。 5. 系统可能存在安全风险，用户需自行承担相关后果。 ## 结构总结 - **原始资料层**：负责数据的收集、入库与索引。 - **知识整理层**：提炼事实性问题，形成结构化知识库。 - **框架归纳层**：将研究经验归纳为可复用的投资框架，明确适用条件与逻辑边界。 - **框架应用层**：基于框架进行市场与个股分析，输出结构化研判。 - **反馈升级层**：持续接收新资料与用户反馈，更新知识库与框架。 ## 技术实现 - **LLM Wiki**：通过Init、Ingest、Query、Lint等操作实现知识库的自动构建与维护。 - **国金蒸馏Skill**：实现从研报中提炼投资框架，输出为结构化Markdown文档，涵盖18个必填章节。 - **框架迭代流程**：包括资料沉淀、发现框架问题、历史事件校验、判断迭代路径与写回框架等步骤。 - **框架路由机制**：根据任务类型自动匹配分析框架，提高投研效率。 ## 应用场景 - **个股分析**：通过匹配行业与公司框架，输出估值、机会与风险判断。 - **行业研究**：提炼行业分析框架，辅助配置策略与景气判断。 - **市场趋势研判**：结合宏观数据与投资逻辑，判断市场主线与投资机会。 - **策略复盘**：通过历史事件复盘，优化投资框架，提升分析能力。 ## 总结 本报告提出了一套完整的主动投研系统，涵盖数据获取、知识沉淀、框架构建与迭代优化。通过LLM Wiki架构与国金蒸馏Skill，系统能够自动整理与提炼基金经理和行业分析师的研究框架，并结合Session learning与Reference learning机制进行持续优化，使AI具备动态学习与推理能力。最终实现从事件到研究分析的自动衔接，提升投研效率与准确性。