AI投研：第一性、原理、远期思考-260828.docxVIP

01

|投资策略|专题报告|2026/08/28

AI投研：第一性、原理、远期思考

AI投研应以“最大化还原复刻二级从业者的投研生产链路”作为第一性

主观投研从业者的核心工作流，是通过公开数据、调研、路演等渠道摄入信息，并根据自身经验加工成认知差，最终转化为研究观点或投资决策。基于该思想，AI投研系统建设有两个核心环节：

①信息摄入层：公域数据接口和私域知识库相结合，提升投研语料广度、质量、即时性；

②经验加工层：真实投研体系沉淀成可复用的Skill，借助AI工程学思想落地，确保Agent无损高效执行。

本报告将从大模型和Agent的微观原理出发，系统性讨论AI投研系统的进阶优化路径

一些从业者的AI投研工作流，已达到当前大模型的性能瓶颈，如复杂任务输出质量低、稳定性差、幻觉率高、Tokens消耗快等，需在理解AI技术原理的基础上，系统性重构Agent基建层，才能实现AI工作流的性能跃升。从当代大模型的三个原生技术缺陷切入，讨论投研场景下的优化优化方向：

①Harness与AI工程学：借助上下文工程思想，通过微调Harness、多Agent矩阵、Skill编排架

构，克服当代大模型的三大原生技术缺陷。

②私域RAG投研知识库：比LLM-Wiki更适用投研场景，但需要配合数据预处理优化、意图识