浙商固收投研培训：大模型Agent与新一代生产力应用分享

一、核心要点

1. 本次分享聚焦大模型Agent与新一代生产力在固收领域的应用，核心是构建新型金融生产方式。
2. 明确四大核心议题：大语言模型本质、Agent成为下一代AI形态的原因、Skill与MCP的定义及作用、AI落地固定收益研究流程的路径。
3. 大语言模型本质是海量文本训练的文字接龙模型，核心价值是归纳、总结、推理、表达信息，而非替代搜索和数据库。
4. Agent是以大模型为核心、以目标为导向的自主执行工作的AI系统，与普通聊天机器人的核心差异是具备规划、执行、检查的完整流程。
5. Skill是研究团队标准化作业包，封装特定任务的执行步骤和输出规范，可固化研究经验并保障执行一致性。
6. MCP是Agent与Skill、各类工具交互的通用规则，能降低系统拓展与维护成本。
7. 未来金融机构竞争核心是围绕Agent构建的生态体系，而非单一模型能力。

二、投资线索

1. AI可承接固定收益研究中标准化程度高的重复劳动，如宏观数据收集、政策文本整理、图表绘制、代码编写等，助力研究员聚焦逻辑推演与框架构建。
2. 金融领域正从单点AI工具应用走向流程协同，头部机构如贝莱德、债券AI应用如BondGPT已将AI嵌入核心业务。
3. 固定收益AI落地可分为信息检索整合、代码编写解释、政策财报解读、可视化图表生成等场景，且需坚持‘计算在前、模型解读在后’以保障结果稳定可复核。

三、风险与关注

1. 大语言模型存在‘幻觉’风险，易生成不合理内容，需依赖可靠资料、工具调用及人工复核降低影响。
2. 不同模型的事实准确性与幻觉程度存在差异，选择模型时不能仅看综合排行榜，需结合具体场景评估。
3. AI不会替代研究员，但对研究员的 prompt 设计、任务拆解能力提出更高要求。
4. 未经授权的录音、记录、转发本次交流内容将面临法律追责。