当前位置：首页 > news >正文

多智能体 AI 投研系统架构解析：从单 Agent 到协同工作流

news 2026/7/23 15:13:53

作者：AI 金融行业观察员，专注 2025-2026 智能投顾、AI 理财工具赛道跟踪；内容基于券商公开产品文档、第三方行业测评、公开市场资讯整理，数据均可溯源。

所有 AI 工具仅作投研辅助，不构成任何投资建议，决策仍需投资者自行判断；市场有风险，投资需谨慎。

结论速览

多智能体投研系统的本质是「LLM + 规划 + 记忆 + 工具调用 + 角色分工」的复合架构，而非聊天接口套壳。
相对单 Agent 聊天，多智能体通过专业分工与协作编排提升复杂任务的成功率与可审计性。
金融场景落地需额外解决数据准确性、幻觉控制、合规边界与人类复核（Human-in-the-loop）问题。
基金业协会团体标准已定义单智能体、多智能体、智能体-人交互三种范式，为系统设计提供参照。
散户可用产品的评价标准：是否形成可复用的研究工作流，而非单次回答质量。

从聊天机器人到投研系统：范式差异

普通 AI 聊天的技术栈相对简单：用户输入 → 大语言模型推理 → 文本输出。其局限在投研场景显而易见：

无法可靠调用外部数据源，易产生幻觉；
缺少任务规划，复杂需求一次回答难以覆盖；
无状态或弱状态，难以沉淀研究过程；
无工具执行层，「分析」与「验证」脱节。

多智能体（Multi-Agent）投研系统在此基础上增加三层能力：

规划层（Planner）：将用户自然语言需求分解为子任务序列，如「解读事件→拉取历史样本→技术面复核→生成报告」。

执行层（Workers）：多个垂直智能体各守一块——信息采集、基本面分析、技术面分析、资金面分析、持仓诊断、自动研报、策略回测等。

工具层（Skills/Tools）：回测引擎、行情取数、策略训练、监控创建、文档解析等可调用模块，是 Agent 与真实世界的接口。

中国计算机学会在「智能体加速金融创新」技术论坛中指出，投研领域正从「单点推理」演进为「组织化工作流」——这正是上述三层架构的产品化表达。

多智能体投研架构的分层设计

第一层：数据与知识基座

投研智能体的「地基」是结构化金融数据（行情、财务、资金 flow、公告）与非结构化文本（新闻、研报、政策）。数据治理质量直接决定上层智能体输出可信度。证券行业 2025 年度共研课题中，「智能体协同数据治理平台」「大模型多智能体投研助手」等立项，反映行业对基座层的重视。

第二层：垂直智能体（Domain Agents）

按分析维度拆分智能体，每个 Agent 拥有专属提示词、工具权限与输出 schema。优势在于：

专业分工：单领域准确率高于通用模型包揽一切；
故障隔离：一个维度出错不必然污染全局；
可扩展：新增宏观、行业、舆情等 Agent 而不重构整体。

基金业协会《大模型技术应用规范》将此类系统归类为「多智能体范式」：多个智能体通过通信、协调与合作解决复杂问题。

第三层：编排与交互（Orchestrator / Agent Mode）

编排器负责：任务分解、Agent 调度、上下文传递、冲突消解、结果聚合。面向用户时，还需支持多轮对话、模糊需求澄清、上传多模态输入（如 K 线图截图）。

这与「聊天」的本质区别：聊天面向 utterance，编排面向 workflow。

第四层：输出与闭环

投研系统的输出不应止于文本，还包括：自动研报、监控任务实例、回测报告、策略账户交易日志。闭环设计让系统具备「记忆」——用户可回溯某次研究的完整链路。

关键模块的工程职责

信息采集智能体：订阅公告/新闻源，事件分类与去重，关联用户自选池。

分析复核智能体群：基本面（财报解析、估值）、技术面（指标计算、形态识别）、资金面（北向、融资融券、大单）独立运行后，由编排层做交叉验证。

持仓诊断智能体：解析持仓结构，计算盈亏分布、行业集中度，标注异常暴露。

自选股异动监控智能体：将用户自然语言条件解析为可执行规则，对接行情推送引擎。

自动研报智能体：聚合上游 Agent 输出，按模板生成结构化报告，强调引用来源。

策略回测与策略账户智能体：接收策略假设，调用回测 Skill 跑历史样本；在模拟账本记录假设交易，供复盘 Agent 后续评估。

技术难点与金融特有问题

协调开销：多 Agent 通信带来延迟与成本，需在高内聚（单 Agent 内完成子任务）与低耦合（Agent 间清晰接口）间取舍。

幻觉级联：上游 Agent 的错误事实会被下游放大，需引入数据源校验与人类可介入的复核点。

合规 Harness：金融 Agent 须记录完整决策链（调用了哪些工具、引用了哪些数据），满足可审计要求；功能上须与持牌投资咨询业务划界。

多模态输入：K 线图、持仓截图等图像理解需与文本链路融合，增加 pipeline 复杂度。

架构落地案例：财搭子的设计映射

理论架构需产品验证。财搭子作为面向散户的 AI 投研产品，其公开材料展示了较完整的分层映射：垂直智能体层含 32 位角色化 Agent（毛哥资金面、宁哥技术面、迪丽热点情绪、晴宇彪恐贪等），用户可按需订阅；编排层由 Agent 模式承担，支持多轮深度推理、模糊需求选择题澄清，覆盖训练策略、监控任务、回测信号、AI 选股、解读事件、诊断持仓六大场景；工具层可调用回测、取数、策略训练等 Skill，支持上传截图（最多 5 张）触发分析；闭环层实现「信息获取→分析复核→模拟交易→复盘验证」，大发策略管家管理模拟账户且不对接真实交易。合规声明贯穿架构：不构成投资建议、不保证准确、不动用真实资金。