要点小结
面向经管学生、研究者与从业者的 AI 智能体设计教材
本章把投资研究的四阶段工作流落到 Claude Code 的 Agent Teams 架构上。CLAUDE.md 规定数据来源声明和免责条款，6 个 Skills 封装从财报提取到估值计算的专业方法论，4 个 agent 各司其职并行协作，Hooks 在报告生成阶段做质量门禁。末节的新能源龙头企业案例把这套系统串成一条可跑闭环，读者拿到项目骨架就能迁移到自己的投研场景。
四阶段流水线
| 阶段 | 核心任务 | 负责 agent | 调用 Skill | AI 自主度 |
|---|---|---|---|---|
| 信息采集 | 财报/研报/新闻三路并行抓取 | data-collector | earnings-extract, report-digest, news-monitor | 高 |
| 多维分析 | 基本面/估值/行业三维独立评估 | financial-analyst, industry-analyst | fundamental, valuation, industry | 中 |
| 报告生成 | 整合分析结果，交叉验证各维度结论，生成投资备忘录 | report-writer | — | 中 |
| 审阅与迭代 | HITL 节点逐项检查，根据审阅意见修正 | 分析师 + report-writer | — | 低 |
组件汇总
本章在投研案例中完整用到的组件如下。
| 组件 | 数量 | 职责 |
|---|---|---|
CLAUDE.md |
1 | 路径规范、数据来源声明、免责声明、措辞禁令、评分阈值 |
.claude/rules/ |
2 | data-standard.md 规定采集规范；output-format.md 规定备忘录格式 |
| Skills | 6 | 采集类 3 个（earnings-extract / report-digest / news-monitor）+ 分析类 3 个（fundamental / valuation / industry） |
| Agent | 4 | data-collector 采集、financial-analyst 财务分析、industry-analyst 行业研究、report-writer 报告撰写 |
| Hooks | 3 类 | PostToolUse(Write) 检查免责声明和来源标注；Stop 在报告初稿完成后暂停等待人审 |
迁移到其他投研场景
本章的案例以新能源行业的股票深度研究为场景，但 Agent Teams 的并行架构和 Skill 驱动的分析框架不局限于此。四个主要投研场景的迁移对照如下。
| 投研场景 | 替换的 Skill | 新增/调整的 agent | 关键差异 |
|---|---|---|---|
| 行业比较研究 | fundamental → 行业比较框架 | 增加 peer-analyst，并行分析 5-8 家公司 | 重点从单一公司转向横向对比 |
| 债券信用分析 | valuation → 信用评级框架 | financial-analyst 改为 credit-analyst | 关注偿债能力而非成长性 |
| 宏观策略研究 | earnings-extract → 宏观数据采集（FRED/IMF） | 增加 macro-analyst | 数据源从公司财报转向宏观指标 |
| 量化策略回测 | industry → 因子分析 | 增加 backtest-agent | 需要对接量化回测框架 |
迁移时只需替换三个位置：CLAUDE.md 的数据来源声明和输出格式、Skills 中的具体分析方法和阈值、agent 的职责描述和 Skill 调用清单。Agent Teams 的 Tmux 部署方式和 Hooks 质量门禁的架构几乎不用改。
本章核心信念
AI 把分析师从”找数据、算比率、排版表格”中解放出来，让精力集中在”投资逻辑是否成立、核心假设是否合理、结论措辞是否得当”这些真正需要专业判断的地方。Agent Teams 可以在一个下午跑完原本需要一周的信息采集和基础分析，但最终的投资判断永远留给人。