金工專題報告：東吳金工AI研究系列之二，AI Agent重構主動投研工作流.pdf

本文系東吳證券金工專題報告，探討AI Agent如何重構主動投研工作流。報告指出，隨著大模型能力演進，AI應用從單點問答走向具備任務拆解、工具調用及流程沉淀能力的Agent階段，為主動投研帶來范式變革。AI Agent定位為“投研助手+流程引擎+知識沉淀工具”，旨在規避傳統投研信息過載、數據口徑不一及歷史觀點難以回溯等痛點。

報告從三個層次梳理重構路徑：一是數據層，通過Wind MCP及內部因子庫封裝Skill，實現結構化數據的標準化調用，提升取數效率與口徑一致性；二是知識層，依托ima知識庫與WorkBuddy協同，將研報、聊天記錄、郵件等分散信息轉化為可檢索、可調用、可執行的專有知識資產，形成“知識沉淀—智能調用—信息加工—知識回流”閉環，構筑機構差異化競爭力；三是復雜應用層，構建宏觀數據分析、投資價值分析、本地知識庫構建、深度研究及投決會等Skill，將重復性工作流結構化，緩解上下文污染，實現從輔助工具到投研協作系統的升級。

報告強調，AI Agent的核心價值在于將分散的信息處理、研究討論和過程留痕轉化為更可執行、可復盤、可迭代的人機協同框架，而非替代研究員的獨立判斷與最終決策。未來，機構競爭優勢將取決于能否持續沉淀專有數據、研究框架與決策經驗，并將其轉化為可調用、可執行、可迭代的投研能力。