20260715-东吴证券-东吴金工AI研究系列之二_AI_Agent重构主动投研工作流_20页_2mb

金工专题报告：AI Agent 重构主动投研工作流

核心内容

随着大语言模型的广泛应用，AI Agent 正在从单点问答工具演进为具备任务拆解、工具调用与流程沉淀能力的智能投研助手。AI Agent 不会替代研究员的独立判断，而是通过重构投研工作流，提升研究效率、规范研究过程、沉淀研究资产，成为投研协作的重要系统。

主要观点

• AI Agent 的定位：作为“投研助手+流程引擎+知识沉淀工具”，其核心价值在于流程化、标准化和知识化，而非直接替代研究员。
• 数据是基础：Agent 通过外部数据接口（如 Wind MCP）和内部数据库获取结构化数据，支持高效、准确的数据调用。
• 专有知识资产：机构的核心竞争力在于将内部研究框架、历史讨论、行业经验等转化为可调用、可执行的 AI 知识资产。
• 知识沉淀与调用：借助 ima 知识库和 WorkBuddy 工具，实现从碎片化交流信息到结构化知识资产的沉淀与调用。
• 复杂应用场景：Agent 可用于宏观分析、投资价值报告、本地知识库构建、深度研究、专家讨论和投资决策等复杂投研流程，形成闭环式工作流。
• 风险提示：AI 作为辅助工具，其输出可能不一致、有偏差甚至错误，需依赖研究员的独立判断与最终决策。

关键信息

1. 数据底座：Agent 深度介入投研的基础

• Wind MCP：提供统一的金融数据接口，支持行情、财务、公告、新闻等数据的自动获取与整理。
• 内部因子库：通过 Skill 封装，实现因子数据的快速调用与标准化处理。
• 数据调用优势：降低基础数据处理门槛，提升研究效率与准确性。

2. 专有知识资产：AI 时代的核心竞争力

• ima 知识库：用于沉淀研报、聊天记录、邮件等非结构化信息，实现知识的系统化管理。
• WorkBuddy：支持知识调用与执行，可完成数据分析、报告撰写、邮件处理等任务。
• 知识闭环：形成“知识沉淀—智能调用—信息加工—知识回流”的完整链条，提升知识复用效率。

3. Agent 应用场景构建

• 宏观数据分析：通过 Wind MCP 获取 CPI、PPI 数据，分析通胀结构，识别核心变量。
• 投资价值分析报告：基于 Wind 工具和自建 Skill，实现多维度因子解析与自动化报告生成。
• 本地知识库构建：利用 Obsidian 等工具构建 LLM-Wiki 体系，实现投研资料的私有化管理与深度挖掘。
• 深度研究流程：将研究拆解为可复用的步骤，如材料处理、假设生成、证据链整理等，提升研究可审计性与可迭代性。
• 专家讨论流程：将基金经理调研纪要转化为标准化的会议流程，保留分歧、共识与行动建议。
• 投资决策流程：构建结构化投决流程，包含议题、证据包、角色讨论、风险质询与行动建议，提升决策的透明度与复盘能力。

总结与展望

AI Agent 重构投研工作流，标志着主动投研从单点工具走向流程化协作。未来，机构的核心竞争力将取决于其能否持续沉淀结构化、可执行的专有知识资产与研究流程。AI 将更多承担信息处理、流程组织与初步分析任务，使研究员能够更专注于关键判断与最终决策。

风险提示

• AI 输出结果可能存在不一致性、偏差或错误。
• 智能体产品仅作为辅助工具，不能替代专业投研人员的独立判断与决策。

数据来源：Wind、WorkBuddy、ima 知识库、东吴证券研究所
免责声明：本报告仅供内部研究参考，不构成投资建议，使用需谨慎。