东吴金工AI研究系列之二：AI Agent重构主动投研工作流

总结

AI Agent正推动主动投研工作流从单点工具调用走向流程化协作，其重构路径可分为数据层、知识层和复杂应用层。

数据层通过Wind MCP和内部因子库等封装Skill，打通结构化数据入口，提升行情、财务、公告等数据的调用效率和准确性。例如，Wind MCP可封装成Skill，实现基础数据查询、事件跟踪和研究流程中的数据支撑；内部因子库Skill可标准化因子获取流程，降低取数门槛并提升口径一致性。

知识层通过ima知识库、聊天记录和邮箱等多渠道信息整理，将分散的非结构化信息转化为可检索的研究材料，构建投研专有知识资产。ima知识库可将研报、网页等资料系统沉淀为可调用知识资源，WorkBuddy则将相关知识调用至具体流程。AI聊天记录整理和AI邮箱整理是典型场景，分别将微信聊天和邮件信息转化为可复用的研究素材，形成“知识沉淀—智能调用—信息加工—知识回流”的闭环。

复杂应用层在数据层和知识层基础上构建研究框架、投决会等多流程Skill，使Agent从单点工具升级为协作系统。例如，宏观数据分析Skill可自动提取数据并生成观点；投资价值分析报告Skill可封装分析范式，生成标准化报告；深度研究场景Skill将研究任务拆解为标准化步骤；投资专家讨论场景Skill将不同基金经理的投资方法匿名化沉淀为会议流程；投资决策场景Skill将投资决策流程结构化，记录证据、分歧、风险和留痕。

核心观点是，AI Agent在主动投研中的定位是“投研助手+流程引擎+知识沉淀工具”，其核心竞争力取决于机构能否将专有数据、研究框架与决策经验转化为可调用、可执行、可迭代的投研能力。AI不会替代研究员，而是承担重复性信息处理和流程组织工作，帮助研究人员聚焦关键判断和最终决策。

风险提示：智能体产品和AI模型仅作为辅助工具，无法替代专业投研人员的独立判断和最终决策，其输出结果可能存在不一致性、偏差甚至错误。