17.1 投资研究的 AI 工作流

面向经管学生、研究者与从业者的 AI 智能体设计教材

四阶段投研流水线

把深度研究拆开看，可以分为四个阶段。每个阶段有明确的输入、产出和质量要求。

flowchart LR
    A["信息采集"] --> B["多维分析"]
    B --> C["报告生成"]
    C --> D["审阅验证"]

flowchart LR
    A["信息采集"] --> B["多维分析"]
    B --> C["报告生成"]
    C --> D["审阅验证"]

下表是这条流水线的完整说明。AI 自主度标注的是 Claude Code 能独立完成的程度，人在回路（HITL）标注的是必须由分析师确认的节点。其中”报告生成”阶段由 report-writer 负责，它在整合三份分析报告时完成交叉验证，识别各维度结论的矛盾和分歧。

阶段	核心任务	负责 Agent	AI 自主度	HITL 节点
信息采集	财报提取、研报整合、新闻监测	data-collector	高	数据源确认
多维分析	基本面、估值、行业三维评估	financial-analyst、industry-analyst	中	核心假设审查
报告生成	整合分析结果，交叉验证各维度结论，输出投资备忘录	report-writer	高	分析逻辑审查、结论措辞审查
审阅验证	数字核对、逻辑检查、合规审查	人工 + Hooks	低	全程人工主导

前两个阶段消耗的时间占整个研究周期的 70% 以上。其中信息采集阶段涉及三类互不依赖的数据源，多维分析阶段涉及三个独立的分析维度。这正是 Agent Teams 发挥作用的场景。

AI 投研的效率基准

根据多家机构的实践数据：单笔投资评估时间从 1-2 小时缩短到 5-10 分钟，研究周期整体缩短 50%-70%。中信建投报告投研效率提升超过 40%。AI 处理的是数据收集和基础计算，分析师得以专注投资判断和风险评估。

为什么需要 Agent Teams

一个单独的 Claude Code 实例当然可以串行完成四个阶段。但在信息采集阶段，三类数据源互不依赖：财报数据来自公司年报和季报，券商研报来自卖方研究团队，新闻舆情来自公开媒体渠道。串行处理每类数据需要约 40 分钟到 1 小时，三类加起来就是 2-3 小时。并行处理只需要最慢那一路的时间，通常 1 小时以内。

同理，多维分析阶段的基本面分析、估值分析和行业分析也互不依赖。基本面分析师关注盈利能力和财务健康度，估值分析师关注 DCF 和可比公司法，行业分析师关注竞争格局和 SWOT。三者的输入数据不同、分析框架不同、产出格式不同。串行执行不仅慢，还容易让单一 agent 在切换分析框架时混淆上下文。

这和真实投研团队的分工是一致的。一个研究团队里，行业分析师、财务分析师和宏观分析师各自独立工作，定期开会对齐发现。Agent Teams 做的是同样的事情：每个 agent 在自己的 Tmux 窗口里独立运行，通过共享文件目录交换产出，由 report-writer 负责最终整合。

单 agent 串行和 Agent Teams 并行的差异，在时间上大致如下：

阶段	单 agent 串行	Agent Teams 并行
信息采集（3 类数据源）	约 2-3 小时	约 1 小时
多维分析（3 个维度）	约 2-3 小时	约 1 小时
报告生成 + 审阅	约 1-2 小时	约 1-2 小时
合计	约 5-8 小时	约 3-4 小时

时间节省只是一个方面。更关键的是上下文隔离：每个 agent 只加载自己需要的 Skill 和数据，不会因为一个超长的 10-K 年报挤占其他分析任务的上下文窗口。

Agent Teams 不是万能方案

Agent Teams 的开销高于子代理。每个 agent 都是独立的 Claude Code 实例，占用独立的上下文窗口和 API 调用配额。如果你只需要快速扫描一家公司的基本面，一个 agent 加几个 Skill 就足够了。Agent Teams 适合的是需要多维度并行、产出量大、各维度互不依赖的深度研究场景。

本章案例预告

本章以一家上市公司的深度研究为案例，从项目搭建到投资备忘录输出，完整演示四阶段流水线的运作。你会看到如何配置 4 个 agent 和 6 个 Skill，如何用 Tmux 多窗口部署 Agent Teams，如何在关键节点设置人在回路检查，以及如何用 Hooks 做质量门禁。

案例的最终产出物是一份包含投资概要、核心逻辑、财务分析、估值区间、风险因素和投资结论的投资备忘录。这份备忘录的每一个数字都标注了来源，每一个结论都可以追溯到具体的分析报告。