如何利用大语言模型辅助投研：方法和路径.docx

内容目录

如何利用大模型高效写代码？ 5

GitHubCopilot 5

RooCode插件 7

如何利用大模型高效处理案头文字工作？ 12

对已有文本和数据自动化归纳和总结 12

文本分析和信息提取 14

深度研究 15

如何利用大模型进一步解放双手？ 17

智能体 17

知识库 19

API和本地部署？效果和风险 21

API用哪家 21

如何本地部署 23

效果比较 24

大模型对工作效率的提高可能存在哪些风险？ 26

模型局限与过度依赖风险 26

数据偏差与模型偏见 26

模型“幻觉”与错误信息风险 26

合规风险 27

风险提示 27

图表目录

图1：美国劳工职业和Claude使用量对比 4

图2：不同职业的AI使用深度 5

图3：Copilot的模型选择 6

图4：CopilotEdits自动创建代码示例 6

图5：RooCode提供的API接口 8

图6：RooCode的Ollama示例 8

图7：RooCode自动编写代码示例 9

图8：RooCode自动安装依赖包并读取安装结果的示例 10

图9：RooCode自动运行编写的代码、读取运行结果、修复代码的示例 10

图10：RooCode运行结果示例 11

图11：RooCode依据指令画图的示例 12

图12：大模型总结研报的过程 13

图13：情感分析提示词和内容 14

图14：情感分析结果 14

图15：产业链分析提示词和内容 15

图16：产业链分析结果 15

图17：OpenAI的DeepResearch思考过程 16

图18：OpenAI的DeepResearch返回文章的示例 16

图19：X.ai的DeepResearch返回文章的示例 17

图20：ChatGPTTask页面 18

图21：ChatGPTTask的推送设置 18

图22：Operator自动浏览网页的过程 19

图23：Operator浏览网页后总结的结果 19

图24：用户查看Operator操作过程的截图 19

图25：ima.copilot的知识库提问思考过程 20

图26：ima.copilot的知识库提问返回结果 20

图27：火山引擎的知识库提问思考过程 20

图28：火山引擎的知识库提返回结果 20

图29：OpenRouter上大模型调用量排名 21

图30：火山引擎的模型广场 22

图31：阿里云百炼平台的模型广场 22

图32：调用大模型API示例（火山引擎） 23

图33：python代码访问本地大模型端口 24

图34：python代码访问本地大模型端口返回结果的示例 24

图35：Chatbox前端模型选择页面 24

图36：Chatbox调用本地大模型的生成结果 24

图37：满血版DeepSeek-R1的思考过程 25

图38：满血版DeepSeek-R1的总结结果 25

图39：DeepSeek-R1-Distill-Qwen-32B的思考过程 25

图40：DeepSeek-R1-Distill-Qwen-32B的总结结果 25

图41：DeepSeek-R1-Distill-Llama-70B的思考过程 26

图42：DeepSeek-R1-Distill-Llama-70B的总结结果 26

表1：DeepSeek-V3总结行业研报示例（2025-02-16） 13

表2：DeepSeek-V3解读行业研报示例（2025-02-16） 14

2024年度诺贝尔物理学奖和化学奖均与人工智能研究有关，《自然》作为科学杂志一星期内发表了五篇关于DeepSeek的文章，这表明主流科学界释放出科学研究范式已经开始转变强烈的信号。投资研究作为科学和艺术的融合，其范式也正在随着人工智能的发展而产生变化。

2025年1月发布的DeepSeek-R1展现出不弱于OpenAIo1的水平，使得大家切身体会到高水平大语言模型对工作效率的影响。美国大模型领域Anthropic公司也在2025年2月10日发布了《TheAnthropicEconomicIndex》报告，这份报告基于Claude.ai平台上数百万次匿名对话的数据，分析了人工智能对人类工作的影响。报告的主要发现有：①AI的使用主要集中在软件开发和写作任务上，这两者占总使用量的近50?，特别在软件开发方面，软件开发人员仅占美国职业的3.4但却贡献了3