AI赋能固收研究——基于LLM+Wiki和Obsidian的信用研究知识库建设.pptxVIP

2026年10月20日

总量研究

AI赋能固收研究

——基于LLMWiki和Obsidian的信用研究知识库建设

要点

1、理论基础与工具选择

信用研究需对多方面情况进行系统性跟踪，研究员每天面临大量、多源、非结构

化的信息，并需将分散于不同来源的信息整合为持续判断。研究员的判断依据、

分析框架与行业、区域认知等内容往往以相对隐性的经验形式存在，相关内容可

能散落于不同位置，不同来源的碎片化信息难以有效关联，信息溯源往往需要耗

费较多时间。

针对上述问题，我们认为可以引入Obsidian为载体、WorkBuddy为执行环境

的知识积累机制，将研究员“一次性阅读”的信息消费行为，转化为“持续积累

并进化的知识资产”。该机制的理论基础，来自于OpenAI联合创始成员Andrej

Karpathy提出的LLMWiki模式，即让大语言模型将原始素材预先编译为结构

化、可链接的Markdown知识库，使知识在摄取阶段被编译并保持更新，而非

在查询阶段被反复推导。

具体操作中，可通过Obsidian与