金融投研AI究竟发展到哪一步了这是过去两年我在各种场合被问到最多的问题。问的人里面有基金公司想给研究员配工具的技术负责人有想用AI加速行业扫描的独立分析师也有刚入行担心被工具替代的应届生。我的答案一直没有变过它已经能完成很多“脏活累活”但离“替你思考”还很远。今天这篇东西不想复述发布会上的话术而是想把真实项目里沉淀下来的技术路径、选型逻辑和踩坑记录摊开聊聊希望能给准备落地金融投研AI的团队一个相对完整的参考。1. 金融投研AI落地现状从能查到能用中间隔了多少个“RAG”1.1 两年间的变化从“聊天机器人”到“岗位实习生”过去两年金融大模型的变化最明显的不只是模型参数而是应用形态。早期大家试通用大模型做金融问答得到的答案看起来像模像样但仔细核对出处就发现很多是拼凑的信息。现在的主流方案已经换成了“检索增强生成”也就是让模型只在给定的资料库里找答案找不到就直说。这个转变意味着投研AI从“背书的考生”变成了“开卷考试还带资料目录的助手”实用价值完全不同。在金融机构里AI已经插进了真实的投研流程公告一发自动生成要点摘要机构路演录音半小时出纪要研究员复盘历史行情AI先把相关公告、新闻、宏观数据整理成时间线。这些能力看着不炫酷但极大节省了信息处理时间。为了便于理解我常打一个比方现在的投研AI像一个阅读速度极快的实习研究员。你让它通读几百份年报它能快速告诉你每家公司变了什么但如果你问它“这家公司明年利润能否翻倍”它只能给你证据链不能替你做判断。1.2 真实工作流中已经跑通的核心场景真实工作流中跑得最顺的是四类场景。第一类是非结构化文档处理。招股书、年报、研报、监管公告大量PDF和图片过去靠人扫现在用OCR加视觉模型配合结构化抽取能把“公司治理、股东变化、财务指标、风险因素”这些字段自动填到模板里。第二类是会议纪要生成。基金经理调研、卖方路演录音转写以后用大模型做发言人分离、要点总结把对话里提到的关键数据单独拎出来成表。第三类是舆情与预警。新闻、社交媒体、行业政策用文本分类和情绪分析做信号结合行情数据做异动归因。第四类是研报辅助撰写。基于RAG检索到的数据和过往报告起草行业概览、公司分析草稿分析师在草稿上修改效率提升肉眼可见。这四类场景的共同特点是任务边界清晰、评价标准明确模型出错的影响可控因此最容易先落地。反过来涉及预测、定价、交易执行这些决策性环节目前落地都还只是辅助。没有一家机构会真让AI自己下单这既不是技术问题也不是勇气问题而是责任归属和监管逻辑还没完全理顺。1.3 仍然没有被解决的硬骨头最难啃的部分主要有三个。一是因果推理。AI能发现总营收和股价相关但没法判断是哪个政策变化导致的拐点更无法在年报发布前预判业绩雷。二是低频率高影响的“长尾事件”。比如“某公司实控人突然被调查”这种多年一遇的事件训练数据里几乎没有再大的模型也只能靠直觉猜。三是可信度证明。即使AI给了一串数据如果无法证明这些数据是从哪份公告第几页来的合规和风控部门就很难放心使用。另外投研AI对“语义微妙的变化”理解还有限。管理层在业绩说明会上说“我们持谨慎乐观态度”AI很难判断这到底是真乐观还是示警。这些硬骨头不是靠模型迭代一两年能解决的需要更可靠的事实性评估机制和更强的领域知识注入。1.4 一个容易被忽略的判断指标团队采纳率技术团队容易陷入指标导向但真正决定投研AI项目成败的往往是一个很朴素的指标采纳率。也就是AI生成的内容有多少被分析师直接用了或者只做了少量修改。我在一些项目里见过POC演示效果很好上线后却没人用。原因是产品形态没有嵌入日常工作流研究员还需要额外打开一个网页复制粘贴内容体验远不如原先的Excel插件。一个可行的策略是把AI能力嵌入到研究员已经每天在用的终端、IM或者文档协作工具里。比如在群里机器人就能触发一份个股公告摘要或者在同一份研究文档中直接调用AI起草段落。当打开率和使用频率稳定后再逐步增加复杂功能。所以衡量一个投研AI项目是否成功不应该只看模型评测分数而要看“用户每周活跃次数”和“草稿采纳率”。这两个指标上去了说明工具真的帮人省了时间。2. 支撑投研AI的核心技术支柱RAG、Agent、微调与多模态2.1 RAGAI的“开卷考试”机制解决知识新鲜与可溯源RAG是目前投研AI落地最核心的机制没有之一。它把外部资料切块、向量化放进向量数据库。用户提问时先做相似度检索把最相关的资料段和问题一起交给大模型生成答案。这样模型不需要把公司财报背下来只需要在回答时“翻资料”。我在搭建知识库时最重要的经验是不要用固定字数简单切块。金融文档表格多固定字数切块会把一个完整的财务表格拦腰截断。常见做法是先用文档结构解析按标题层级切分表格单独切成块并保留上下文元数据例如“2023年报-管理层讨论-第25页”。检索时再做一层“段落重排”先粗召回50段再让一个轻量级排序模型挑出最相关的5段。这一套组合下来答案质量会显著提升。很多团队问我既然模型窗口已经很大为什么不让它直接读所有资料因为输入窗口再大也装不下十家公司的三年年报而且成本随输入长度快速增长。RAG用“先查后写”的方式把不必要的信息挡在窗外同时让答案附带引用来源这是投研场景最关键的合规友好特性。2.2 Agent把“你问我答”变成“按流程办事”如果RAG解决的是“怎么回答问题”Agent解决的是“怎么完成一项复杂任务”。投研分析不是单一查询而是多步骤任务先找行业数据再找可比公司然后做财务对比最后输出报告。用Agent可以把这些步骤串成工作流由一个“调度模型”决定下一步调用哪个工具。举例来说用户提出“整理A股白酒板块三季度表现”Agent会先调用新闻搜索工具检索板块新闻再调用行情API拉取季度涨跌幅再用RAG从研究报告库中提取券商观点最后让写作子模块生成带图表的汇总。整个过程由多个“工具调用”串联每一步都有可见的中间结果研究员可以随时介入修正。这里就引出了“多AI协作”的概念。现在很多团队不是让一个Agent干到底而是让多个Agent分工一个负责数据检索一个负责风险核查一个负责表达润色。数据Agent发现某个指标异常会主动转给风险Agent复核最后才交给写作Agent。某种意义上就像把一个分析小组拆成了AI角色各司其职又互相校验。但也要注意多Agent的调试成本不低任务复杂度和Agent数量要匹配否则容易陷入循环调用和资源浪费。2.3 微调垂直领域不是不能做而是要先问三个问题很多人以为要做一个“金融版大模型”必须做基座微调实际从投入产出比看多数团队不需要。在做微调前先问三个问题一是现有通用模型在典型任务上的效果是否已经够用二是是否有足够多带标注的领域数据比如几万条规范化的“公告-摘要”对三是是否需要模型内部固定记住某些私有术语和风格。如果答案都是“是”再做微调否则先用RAG加提示词工程。微调的价值在于“行为示范”而不是“灌输知识”。举个例子如果希望AI把财报分析按固定结构输出比如“业绩概览-业务拆分-风险提示”用几十条高质量样本做指令微调效果会好过在prompt里反复强调。但任何微调都应该在冻结知识库的情况下只调整生成风格和格式。否则模型在训练数据里接触到少量财务数据可能记住了一些过时的数字反而增加幻觉风险。2.4 多模态与另类数据金融投研的“新矿”金融投研AI的另一块技术在往多模态延伸。以前看年报只看文本现在卫星图像、会议视频、货架照片都可以成为信号。大模型可以做卫星图像分析例如停车场车辆密度可以做商品陈列识别也可以做高管发言时的表情和语气分析。虽然听起来有点边缘但在某些行业这些另类数据可能比传统财务报表更早反映企业变化。实际项目里文本加表格加图片的混合输入正在变多。例如从一份带复杂图表的能源行业报告中AI要能同时理解折线图的趋势和文字描述。这需要视觉语言模型参与。处理时要注意图像解析质量可能成为瓶颈建议先用OCR加版面分析把图表转成结构化数据再交给语言模型推理。直接把整页图片丢给多模态模型在密集表格上的识别错误率明显更高。2.5 开源模型与商业API部署选择背后的现实账金融数据敏感多数机构倾向私有化部署但开源和商业API之间不是非此即彼。我见过不少团队采用混合架构数据处理阶段用本地小模型做格式清洗、脱敏和结构化最终复杂报告生成阶段才调用云端大模型。这样既控制了数据风险又保留了顶级的生成能力。选择开源模型时要重点评估中文金融语料上的表现、推理成本和GPU资源。选择商业API时安全底线是绝不能把未脱敏的持仓数据、客户信息直接传给外部模型。部署层面还要考虑延迟。自建大模型单卡推理可能耗时很长批量场景下需要多卡并行或者用vLLM这类推理框架做并发优化。如果只是内部几十个人使用成本可控但要先把并发和响应时间压到可接受范围。不要在一开始就追求“万亿参数”很多场景下70亿参数的小模型把数据预处理做好效果已经能满足内部使用。3. 实操搭一个能用的投研AI工作流从最小场景开始3.1 定场景别一开始就做“全能助理”最常见失败原因是想一步到位。我的建议是从一个50小时重复劳动的场景切入。比如“自动把每季度的卖方研报摘要汇总到Excel表格”这就是很好的起步题。目标明确收益可量化失败也不会影响核心决策。确定场景后要把评价指标写出来。例如摘要准确率不低于90%单份处理时间不超过30秒来源引用完整。只有指标先定下来后面调模型才有方向。不要用“感觉更智能了”这种说法做验收。另一个建议是找一个愿意每天用这个工具的“种子用户”由他提需求、做验收、反馈问题。没有种子用户的AI项目大概率会做成自嗨。3.2 数据接入与知识库构建决定系统上限投研AI的上限由数据和知识库决定而不是模型。优先接入三类数据公司公告与财报、行业研报与新闻、宏观经济数据。数据格式极不统一PDF、Word、HTML、图片都有需要一整套解析管道。我的常用做法是四步。一是格式标准化图片类先走OCR扫描件做去污和倾斜校正。二是版面解析用版面分析模型把“标题、正文、表格、页眉页脚”区分开表格单独提取成结构化数据。三是文本切块按前面说的层级切块并附加元数据。四是向量化选择中文训练过的embedding模型不要直接用通用英文embedding。中文金融文本里“收付实现制”“商誉减值”这类词很常见embedding如果切得不好检索质量会明显下降。知识库需要版本管理数据有有效期。建议在向量数据里存发布日期字段问答时按“截至某日期”做过滤。这样当最新年报发布后旧数据不会继续污染答案。索引更新要做增量任务避免每天全量重建否则数据和算力成本都会失控。3.3 检索增强与生成提示词的关键设计检索效果直接决定答案质量。我用过效果很稳的组合拳关键词BM25检索和向量语义检索并行再通过重排序模型融合。这样既保住了“现金流”这种精确词命中也保住了“公司现金充裕度”这种语义匹配。重排序模型可以用开源的Reranker一次调用耗时几十毫秒带来的准确率提升却非常明显。提示词设计上金融场景有几个特殊之处。要强制模型采用结构化输出。例如你是一个擅长财报分析的助理。请基于以下资料回答不要使用资料之外的信息。 如果资料中没有相关内容请明确回答“资料未提及”。 回答格式 - 核心变化50字内 - 关键数字列出具体数值和出处 - 风险点不超过3条 资料 {context} 问题 {question}这个提示词把任务边界、输出格式、溯源要求都写清楚了。不要迷信复杂prompt关键是约束模型“不能编”。生成阶段还需要让模型在回答中插入引用标记例如“[来源1]”。前端可以把引用和原文弹窗关联起来。这个设计是保证投研AI可被采信的底线否则再准确也可能被合规团队拒绝。3.4 Agent化改造从“助手”变成“员工”当单轮问答稳定后就可以往Agent化走。可以先做一个“任务分解器”把“写一份行业跟踪简报”拆成“找本周行业政策、汇总头部公司动态、提取三季报业绩变化、生成简报草稿”几个子任务每个子任务调用不同的工具由Agent调度。建议用LangChain或LlamaIndex这类开源框架起步但不要过度依赖现成的Agent模板因为金融任务往往需要自定义工具API。一个实用做法是先用Python写一个可以被大模型调用的函数例如def get_stock_news(ticker: str, date_range: str) - list: 获取指定股票在时间范围内的新闻列表用于舆情分析 # 这里接入自己的新闻数据库API data news_db.query(ticker, date_range) return [{title: n.title, url: n.url, publish_time: n.time} for n in data]然后把这个函数注册到Agent的工具列表里。大模型看到函数描述会在合适时机调用它再基于返回结果继续推理。整个过程要让每个中间结果可保存、可回溯千万不要让Agent在无人监管的情况下自动执行重要任务。我习惯给每个Agent加一个最大工具调用次数上限比如5次避免它陷入无效重试。3.5 迭代与评估给AI建一套“回归测试”体系AI应用和传统软件最大的区别是会越改越偏。今天优化了一个提示词可能让另一个场景的回答变差。所以要建一套最小的回归测试集。准备50道覆盖典型场景的问题每道题有标准答案或者人工打分维度。我常用“三段评价法”事实一致性看答案是否和检索资料冲突完整度看是否漏掉关键点格式符合度看是否按模板输出。每次修改提示词、换模型、调切块参数都跑一遍回归测试对比平均分。只有分数没有下降时这次改动才算通过。这个流程听起来麻烦但能避免“改一个问题炸三个问题”的噩梦。4. 金融投研AI落地中的常见问题和排查实战4.1 幻觉AI一本正经地给出不存在的数据金融场景最怕幻觉。明明公司没有这个财务指标AI却能合理地编出一个数。我遇到过AI把A公司毛利率套到B公司头上也见过AI把去年净利润当成今年。排查时先看知识库这道题的参考资料里是否真的包含答案很多时候是因为检索召回不完整模型被迫用“常识”填空。解决方法是提高召回率、加入重排序同时在提示词里明确要求“资料未提及就直说”。另一种幻觉来自“知识冲突”。模型预训练阶段记住了市场上流传的旧信息而知识库里的新公告与它矛盾。这时候模型倾向于用自己的记忆而不是检索到的内容。一个有效技巧是在prompt里强化“以资料为准忽略先验知识”并让生成过程显式输出依据片段再做一致性校验。如果追求高保真可以用“抽取式回答”替代“生成式回答”作为兜底先抽取原文片段再拼接答案。4.2 数据时效你以为AI知道其实它停在去年金融投研对时效敏感度极高。今年三季报出来了AI还在用去年的数字写分析。原因大多是知识库没有做好增量更新。我建议建立一个“数据新鲜度监控”机制每天定时抓取新增公告做增量切块和入库同时用更新时间戳标记删除过期片段。问答时如果检索结果里有过期数据通过时间过滤机制自动降权。排查时效问题最直接的方法是问AI“最新一期财报的发布日期是几号”如果答不对说明知识库增量管道有问题先检查数据源的抓取任务是否正常运行。不要让AI直接消费所有历史数据应该给它一个“只读最近六个月”之类的窗口再按需要扩大。4.3 合规与权限AI不知道“谁有权看什么”金融数据的权限管理比算法本身更复杂。同一个AI系统基金经理和合规人员能看的范围应该不同。很多团队只注重准确率忽略了权限隔离。比如一个实习生用AI提问“某未公开客户敏感数据”系统不应该直接回答。落地时可以在两个层面加控制。数据层向量数据库按权限打标签检索时只返回当前用户权限范围内的片段。应用层构建一个“权限判断”模块在大模型回答前先对输入问题进行分级。操作留痕也必须要做每次问答、每个引用源都要记录日志这样才能通过内部审计。这个环节一旦疏忽再智能的AI也无法真正上线。4.4 延迟与成本深度报告不是无限生成投研AI能否规模化很大程度取决于单位成本。把包含20万字的研究资料库全部喂给大模型做一次摘要按API价格计算成本可观如果每个研究员每天生成五份长报告月度费用会高得离谱。用“路由”机制省钱是常用做法。简单问题用便宜的小模型复杂问题才调用旗舰大模型。比如“某公司2023年营收是多少”只做检索用小型模型抽取而“结合财务和非财务指标写一份投资备忘录”才让大模型全力生成。另外给Agent设置max token上限避免无限制生成长文。缓存重复查询也是一个重要优化点同一问题一周内大量重复时直接命中缓存能省掉一大半成本。对于长报告的增量生成也可以先生成提纲逐段生成而不是一次性生成全文这样既降低失败率也方便中途介入修改。4.5 快速排查清单症状可能原因快速排查动作答案张冠李戴检索召回不完整或重排序未生效检查召回Top20观察重排序结果是否包含正确资料引用来源与内容不符生成阶段引用没有绑定具体段落打开引用原文检查并加强提示词后校验总是引用过时数据索引更新时间滞后查看增量任务日志做一次手动全量同步对敏感问题来者不拒缺少权限判断模块检查是否接入用户权限标签对问题做分级测试生成报告非常慢输入token过大或模型过大查看是否触发长窗口改用路由模型或减少上下文费用快速上涨Agent循环调用工具增加工具调用次数上限检查是否陷入无效重试这个表格可以直接打印出来贴在工位上。遇到问题先按表排查别急着改模型很多问题出在数据和调度层。最后说说我自己的感受。投研AI目前更像是一个“读过全市场文件、但需要人盯着”的实习研究员它能把信息处理的效率提升一个量级但不具备分析师的商业直觉和担责能力。我在实际项目里最深的体会是不要一开始就做“自动驾驶式投研”而是先让它做“增强驾驶”帮人把仪表盘擦亮。等到数据管道、权限机制和评估体系都跑顺了再往更深的辅助决策层迈进。这也是我现在最推荐团队走的路——稳一点反而更快。