AI赋能投研：构建高效投研工作流与知识库

时间：8月30日参会人：无 全文摘要 通过利用人工智能（AI）与高级数据处理工具，如万德和optionc，优化了投资研究（投研）工作流程。AI在投研中的角色包括工作助手、流程引擎和知识沉淀工具，其输出结果的可靠性和专业性可通过高质量数据来源和结构化知识层构建得到显著提升。optionc等工具帮助研究者有效管理、结构化知识资产，提高研究质量。讨论展示了AI在数据分析、报告撰写、知识管理及构建结构化知识库方面的应用，强调了AI对提升工作效率和投研能力的重要性。建议投研人员将AI融入真实工作流程，以增强判断力和产出质量，而非单纯为AI而使用AI。 章节速览 00:00AIAgent在投研工作流中的应用与构建 讨论了AIAgent作为投研助手、流程引擎和知识沉淀工具的角色，强调了高质量数据源和知识层构建的重要性。介绍了通过万德MCP接入数据和腾讯知识库管理知识资产的方法，以及如何利用这些资源提升AIAgent输出的专业性和质量，最终实现复杂应用的构建。 04:51数据分析与投研工作流优化 对话围绕数据分析与投研工作流的优化展开，介绍了通过万德MCP进行宏观数据分析，构建标准化投研任务如投价报告的工作流，以及利用agent构建本地结构化知识库和投资专家讨论场景，以提升知识资产质量和工作效率。此外，还提到了代码实现、信息搜集和定时任务的自动化，以及选股策略的开发，强调了团队合作和交流的重要性。 08:50AI时代的投研知识库管理：OPC点工具的应用与优势 报告强调了在AI时代，投研工作应聚焦于解决实际问题，而非陷入方法焦虑。介绍了OPC点工具，其本地化管理和开放生态建设特点，能更好地适应AI需求，提升知识库管理的灵活性和安全性。通过丰富的插件生态，用户可根据自身工作流定制知识库，实现高效、灵活的信息管 理。 14:53AI与Option协同提升投研工作效能 对话探讨了在投研工作中利用AI和Option插件协同提高效率的方法，通过实时文档协作、自动补全等功能，解决了传统工作流中版本混乱、文风不一致等问题，有效提升了研究和写作的流畅度与效率。 19:45AI赋能研究：构建可追溯的知识库与驾驶舱 通过AI工具，将长篇报告拆解成结构化的观点卡片，形成研究驾驶舱，便于追踪卖方观点变化及券商金股推荐逻辑，提升研究效率与判断力。 思维导图 要点回顾 AIagent在投研场景中应该被如何看待和定位？构建高质量数据库和知识层对AIagent在投研工作流中的作用有何重要意义？ 我们认为AIagent在投研场景中的定位应该是我们的工作助手、流程的引擎以及知识沉淀工具 三者的结合。底层数据库和知识层的构建对于AIagent最终产出结果的可靠性、专业性和质量至关重要。高质量的数据来源是AI深度介入投研工作流的基础，而通过整合内部数据和外部数据（如万德提供的各类数据），以及利用知识库（如腾讯知识库）系统化沉淀和管理投研专有知识资产，可以提升AI输出内容的专业性。 如何选择和使用不同定位的AI产品？ 根据投研场景或工作中的实际需求，可以选择不同定位的AI产品进行选则和使用，并综合考虑其接入门槛、便捷性等因素。 如何利用AIagent进行数据分析和投研任务自动化？ 可以借助万德MCP获取宏观数据进行分析，例如通过生成PPI和CPI等数据的小章节；对于标准化的投研任务，如投价报告，可以将整个工作流沉淀为模板供多次调用，甚至对周期性的固定框架报告进行类似操作。 如何利用本地结构化知识库辅助决策？ 通过AIagent构建本地结构化知识库，能够调用本地知识资产以获得更高质量的产出，比如深度研究中的多方和空方论据展示，以及投资专家讨论和投票辩论过程，这些都有助于对投资观点进行补充和特定工作流分析。 AIagent还能实现哪些其他功能？ AIagent不仅可以进行复杂应用构建，还能进行简单代码实现、信息搜集和定时任务，例如团队成员构建了选股模型等。 AI在信息生产中起到什么作用？ AI能够帮助提高信息生产的效率，但过度依赖可能导致投研能力的惰性和依赖性。 卡帕西卡神提出的viki知识库有何特点？ viki知识库与传统的rak型知识库不同，它采用两步法，将知识整理成结构化、相互链接的卡片形式，更适合AI时代的信息管理需求。 OCP点工具相较于在线笔记工具有什么优势？ OCP点工具具有本地化管理和开放生态建设的优势，用户可以在本地文件系统上进行管理，且可通过丰富的插件生态实现个性化定制，适应不同的工作流需求。 为什么在AI时代，本地化管理知识库变得重要？ 在AI时代，知识不仅要给人看，还要给AI看，本地化管理可以确保知识资产的安全性和灵活性，并且随着工具迁移，本地文件依旧可控。 AI写作在研究过程中的挑战及OCP点如何改善这一状况？ AI写作通常需要反复修改和迭代，而OCP点配合插件和AIent可以实现无缝协作，如同程序员用AI编写代码那样，实时读取并整合文档最新内容，减少重复操作，提高研究和写作过程的流畅度。 AI在文档编辑中有哪些具体的应用场景？ 在当前版本的LP点中，AI能够帮助用户方便地搭建框架，并围绕框架进行修改和展开。例如，用户可以框选出某一段内容，让AI根据上下文进行单独修改和润色，无需离开当前文档。此外，AI还具备自动补全功能，如在写代码或论文时，可以根据已输入的内容自动完成后续部分。 使用AI进行研究和撰写材料的实际工作效率提升体现在哪些方面？ AI在研究和撰写材料的各个环节都能帮助提高效率，包括从明确研究需求、整理碎片化信息到最终产出成果。通过AI辅助，可以压缩时间、提升工作效率，因此推荐使用AI与option相结合的工作方式来进行研究和撰写工作。 AI如何协助管理知识库中的信息？ 在知识库场景下，AI可以协助对大量信息进行结构化整理。例如，用户可以利用webclipper插件将卖方策略等内容保存至本地，并借助AI将其拆分整理成结构统一的观点卡片，卡片包含必要字段如机构、时间、主题、核心观点等。这样形成的卡片不仅便于查询和追踪，还可以通过AI创建研究看板或驾驶舱，直观展示不同卖方或首席分析师的观点变化，以及对某一特定主题的关注度和分歧点。 AI在券商金股跟踪方面的应用是如何实现的？ 对于券商金股跟踪，AI能够将原始文本结构化并整理出包含多个维度的数据分析结果，如推荐的券商、股票、行业主题、推荐时间、状态及投资逻辑等字段。这些数据被存入PC点的知识库中，形成可追溯、循序渐进的研究成果。通过这种方式，用户能够多层次、多角度地查看和比较各类数据，比如当月推荐的股票有哪些、哪些行业主题被集中推荐、新增和连续推荐的股票分别是什么等。 AI在构建知识库时，如何帮助提升信息的价值和可追溯性？ AI使得知识库结构清晰且易于扩展更新，用户在实际工作中遇到的问题和关注的结论会被固定为标准的知识结构。后续若有新增报告、新股或观点，只需进行增量更新，即可快速形成直观的研究驾驶舱形式。这样不仅节省了大量工作，也方便后续验证和追溯，真正实现了AI嵌入到研究流程中，提升判断力和产出质量的目标。