报告概述
报告属于东吴金工AI研究系列，聚焦AI Agent在主动投研领域的应用。研究对象是AI Agent如何从数据、知识和复杂应用三个层次重构投研工作流。覆盖范围包括外部与内部数据调用、专有知识资产沉淀与管理、以及宏观分析、投价报告、投决会等多个复杂投研场景。报告采用案例驱动的方式，详细展示了Wind MCP、ima知识库、WorkBuddy等工具的具体应用。旨在帮助投研团队理解AI Agent的能力边界，推动投研流程规范化与效率提升。
报告的核心结论
AI Agent定位为投研助手，可推动投研流程规范化。
报告认为，AI Agent应作为投研助手，承担资料检索、数据调用、文本摘要等高频重复工作，降低研究员在基础信息处理上的时间消耗，并将行业研究、公司跟踪等任务标准化，提示证据缺口和待验证问题。
数据底座是AI Agent深度介入投研的基础。
通过Wind MCP外部数据接口和内部因子库封装Skill，AI Agent能实现标准化数据调用，将分散的数据入口转化为可复用的研究能力，降低基础数据查询和整理的门槛。
投研专有知识是AI时代的核心竞争力。
通用模型日益普及后，机构竞争优势来自可供AI调用的专有知识。借助ima知识库和WorkBuddy，可将内部研究框架、历史讨论、行业经验等系统化和结构化，转化为差异化且难以复制的投研能力。
Agent可构建复杂投研流程，实现人机协同。
在数据和知识底座基础上，Agent能构建宏观分析、深度研究、投决会等复杂Skill，将数据查询、知识检索、观点生成和风险检查串联为完整工作流，使研究员更专注于逻辑判断与决策。
报告回答的关键问题
AI Agent在主动投研中的定位是什么？
AI Agent在主动投研中定位为“投研助手+流程引擎+知识沉淀工具”的组合。它承担数据检索、文本摘要等重复工作，将研究流程标准化，并持续沉淀聊天记录、会议纪要等专有知识资产，从而提升效率并支持决策。
如何构建AI Agent的投研数据底座？
通过外部数据接口（如Wind MCP）和内部因子库封装Skill，实现标准化数据调用。Wind MCP负责行情、财务等基础数据查询，内部因子库提供贴近投研场景的结构化数据，两者结合使Agent具备稳定可靠的数据支撑。
怎样沉淀投研专有知识以形成差异化优势？
利用ima知识库将研报、微信聊天记录、邮件等分散信息系统化沉淀，再通过WorkBuddy调用这些知识完成精准问答与信息加工。形成“知识沉淀—智能调用—信息加工—知识回流”的闭环，将团队经验转化为可复用的知识资产。
AI Agent如何重构投研工作流？
AI Agent从三个层次重构工作流：数据层打通结构化数据入口，知识层将非结构化信息转化为可检索材料，复杂应用层构建研究框架、投决会等Skill。通过任务拆解和流程编排，将单点工具升级为贯穿投研全链路的协作系统。
完整报告包含什么
- 数据底座详细分析：包括Wind MCP外部数据调用的具体方法、自建因子库的Skill封装流程，以及如何通过标准化接口提升数据调用准确性和效率。
- 投研专有知识资产沉淀与管理：深入介绍ima知识库的功能，包括资料采集、摘要生成、浏览器插件等，以及如何通过WorkBuddy实现知识的调用与执行。
- AI聊天记录与邮件整理工作流：具体展示如何将微信聊天碎片化信息结构化导入知识库，以及如何通过WorkBuddy连接邮箱，提炼高价值信息并回流至知识库。
- 宏观数据分析案例：完整演示Agent基于Wind MCP获取CPI、PPI数据，进行通胀现状总结、核心变量锁定和综合结论生成的全过程。
- 投资价值分析报告Skill案例：展示从取数到多维度因子解析、逻辑研判、正式报告输出的全自动化链路，以及如何固化分析范式为机构专属研究框架。
- 本地知识库LLM-Wiki体系构建：基于Obsidian工具，利用Agent完成文档解析、关键词抽取和概念关联，构建私有化投研知识关系图谱。
- 深度研究与投决会Skill：详细说明如何将研究员日常判断方法沉淀为可复用工作流，包括研究框架拆解、角色分工、证据链整理、反方质询和决策留痕。
- 基金经理投研会与投资决策场景：展示如何将多位基金经理的投资方法匿名化，构建专家讨论Skill，以及如何将投决会改造成结构化讨论流程，确保结论可复盘。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
