#AlphaAgent — 多视角 AI 金融投研助手

产品需求文档 v2。本文沉淀自 druce-website/docs/prd-version2.md,作为面向读者的产品文档入口。

#1. 文档信息与项目背景

#1.1 核心定位

基于开源数据源与 Agent 协同架构,融合确定性代码计算与多投资哲学(价值/成长/风控)碰撞,提供零幻觉、可追溯的公司深度投研报告。

#1.2 解决痛点

• 传统大模型做金融分析易产生数字幻觉、计算不精准。
• 单一 LLM 生成的研报观点平庸、同质化,缺乏多维度博弈视角。
• 商业金融数据库成本昂贵,缺少面向开发者和中小投资者的零成本自动化投研工具。

#2. 产品总体架构设计

系统采用 "确定性计算 + 多 Agent 协同推演 + 反思审核" 的三层架构:

1. 层 1:数据采集与确定性计算引擎 (Data Engine) — 调用 AKShare / 巨潮资讯,解析 PDF 财报与基础行情,计算财务比率。
2. 层 2:多视角投资框架 Agent — 价值派 / 成长派 / 风控派三 Agent 并行归因推演。
3. 层 3:分歧辩论与综合研判 + 反思核查 Agent — 汇总共识与分歧,逐句核查数据来源,剔除数字幻觉。

[ 用户输入:股票代码 / 公司名称 ]
                                      │
                                      ▼
                  【层 1:数据采集与确定性计算引擎 (Data Engine)】
                (调用 AKShare/巨潮资讯,解析 PDF 财报与基础行情,计算财务比率)
                                      │
              ┌───────────────────────┼───────────────────────┐
              ▼                       ▼                       ▼
  【价值派 Agent (Value)】  【成长派 Agent (GARP)】  【风控/找茬 Agent (Risk)】
   (侧重 ROE/现金流/护城河)  (侧重 PEG/营收增速/效率)   (侧重债务/应收账款/存货)
              │                       │                       │
              └───────────────────────┼───────────────────────┘
                                      ▼
                  【层 2:综合研判与分歧辩论 Agent (Debate/Consensus)】
                     (对比各视角分歧,生成投资判定仪表盘与综合结论)
                                      │
                                      ▼
                  【层 3:反思核查 Agent (Auditor & Traceability)】
                   (逐句核查数据来源,标注文档页码,剔除数字幻觉)
                                      │
                                      ▼
                         [ 最终输出:五章 Markdown 研报 ]

#3. 核心功能模块与需求明细

#3.1 模块一:数据采集与确定性计算引擎 (Data Engine)

需求目标:获取基础数据并完成所有数值计算,保证大模型不参与基础算术。

数据源规划:

功能需求:

1. 自动提取近 3~5 年三大财务报表(资产负债表、利润表、现金流量表)。
2. 确定性计算:在 Python 侧直接计算出 ROE、毛利率、净利率、资产负债率、应收账款周转天数、PEG、经营性现金流/净利润比值等指标。
3. 规则预警打标:若触发特定异常规则(如:应收账款增速 > 营收增速 + 15%),自动打上警告标签 [Anomaly_Tag] 传给后续 Agent。

#3.2 模块二:多视角投资框架 Agent (Multi-Perspective Agents)

需求目标:对同一组确定性数据,从不同投资哲学维度进行并行归因推演。

#1) 巴菲特式价值派 Agent (Value Agent)

#2) 彼得·林奇成长派 Agent (GARP Agent)

#3) 风控与做空视角 Agent (Risk Agent)

#3.3 模块三:分歧辩论与综合研判 Agent (Debate & Consensus Agent)

需求目标:汇总各 Agent 评估结果,寻找"共识"与"分歧",输出综合投资建议。

功能需求:

• 生成多视角对比矩阵(Dashboard 表格)。
• 提取共识点(如:产品市场需求持续增长)。
• 梳理核心争议点。
• 给出分人群操作建议(如:适合成长型资金,保守价值资金建议观望)。

#3.4 模块四:反思核查与数据可追溯模块 (Auditor Agent)

需求目标:解决幻觉,确保生成报告的可信度。

功能需求:

• 溯源标注:对报告中涉及的每一个具体财务数据,自动附带出处索引,对生成的文本与 Data Engine 提供的数据进行二次比对。若发现数字不符或无中生有,打回重写。

#4. 输出成果规范 (Deliverable Format)

Agent 最终输出的报告严格遵循以下五章结构(Markdown 格式):

#第一章:摘要与多视角判定矩阵

定位:给决策者看的"结论先行"仪表盘。无需阅读全篇,1 分钟内掌握核心分歧与结论。

#1.1 公司摘要及核心结论

基于多 Agent 综合研判,给出公司摘要和投资建议。

#1.2 投资视角碰撞矩阵

用标准 Markdown 表格展现各角色的分歧。

#1.3 核心分歧点与共识总结

共识:所有 Agent 达成一致的事实

• 例如:"公司产品在海外市场增速确实达到 45%"

分歧:不同视角争论的焦点

• 例如:"价值派认为高研发削弱了当期利润,创新派认为这是构筑技术壁垒的必要投入"

#第二章:基础数据与确定性指标分析

定位:展现系统的零幻觉底座。所有数据由 Python/AKShare 确定性计算,不依赖大模型猜测。

#2.1 财务健康度硬指标

#2.2 估值与市场表现

#2.3 异常指标自动预警

记录系统通过规则计算触发的异动标记:

• [预警] 应收账款增速 (42%) > 营业收入增速 (15%)
• [预警] 存货同比增速 (25%) > 营收同比增速 (8%)

#第三章:经典投资框架深度推演

定位:展示 3 个独立 Agent 站在不同投资哲学下的深度推演。

#一、价值派 (巴菲特/芒格 视角)

核心逻辑:追求自带高护城河、现金流极其充沛、资产负债表干净的好公司。

#1. 核心指标与定量阈值表

#2. 代码/Prompt 硬性判定规则

• 看多(Pass):ROE > 15% AND FCF 为正 AND 资产负债率 < 40%
• 一票否决(Reject):若连续 2 年 FCF 为负,无论利润多高,判定为【非价值标的】

#二、成长派 (彼得·林奇 GARP 视角)

核心逻辑:寻找"合理价格下的高成长",将业绩扩张速度与估值进行匹配。

#1. 核心指标与定量阈值表

#2. 代码/Prompt 硬性判定规则

• 看多(Pass):营收增速 > 20% AND 0.5 ≤ PEG ≤ 1.0 AND 存货增速低于营收增速
• 一票否决(Reject):若营收增速连续 2 个季度同比 < 5%,判定为【成长逻辑破灭】

#三、风控与做空视角

核心逻辑:基于"怀疑论",验证利润的含金量与资产负债表的问题。

#1. 核心指标与定量阈值表

#2. 代码/Prompt 硬性判定规则

• 低风险(Low Risk):收现比 > 0.9 AND 商誉占比 < 10% AND 应收增速差 < 5%
• 高风险触发(Red Flag):若触发"收现比 < 0.7" 或 "商誉/净资产 > 20%",标记为【高风险/财务粉饰嫌疑标的】

#第四章:数据可追溯性与事实核查

定位:展现 AI 设计的严谨性,解决大模型幻觉问题。

#4.1 关键事实溯源表

#4.2 审查 Agent 修正记录

展示系统自我修正的过程:

#第五章:情景推演与投资策略建议

定位:从分析走向落地决策。针对不同类型投资者的操作建议:

#相关页面