一个A股老手的Agent实验：在扣子里养出了一个投研助理

很多人用AI做投资，最想要的是一个直接答案：买哪只股票？

在A股摸爬滚打多年的周晴则认为，任何一个好的投资决策背后都离不开扎实的思考过程。

但问题在于梳理数据、比对指标等一系列研究的过程耗时耗力，她希望 AI 能帮她把这个过程提速。

最近市场持续波动，周晴重新把目光转向高股息资产，想借助AI系统地梳理一遍银行股。

朋友向她推荐了字节旗下的扣子。今年3月起，朋友就用扣子自动盯盘、分析、复盘，生成每日投资日报。

在她看来，扣子之所以适合投资人，关键在于接入了同花顺、中金、广发等多个数据源，再配合定时任务，能把投研中大量重复、连续的工作沉淀为固定流程。

周晴听完就上手了，在扣子上自建了一个银行股投研Agent，拿几家银行跑了一遍。

周晴使用扣子生成报告后，导入飞书，直接查看这一周生成的所有报告

用了数周后，她发现扣子已经越来越“懂她”，这就像同时在攒“两本账”：一本记市场，一本记你。

两本账合到一起，这个Agent就真正成了周晴的专属投研助理。

让一套方法跑起来

周晴打开扣子以后，没有直接问“哪只银行股可以买”。

这种问题出来的回答大概率没什么意义。它可能会罗列几家银行，摘几个指标，再给一段看起来很完整的总结，但这不是她需要的投研助手。

她先把自己的观察顺序告诉它：以后看银行股时，先看红利属性，再看资产质量，再看净息差和负债成本，最后做同业比较和风险提示。不要只看股息率，也不要只写优势，风险项必须单独列出来。

这听上去只是几句话，但放到实际投研里却是一整套流程：既要有充足的指标等各项数据储备，又要保证数据来源的可靠性。同时还要考虑同业对比、分红高是否与利润质量有关、低PB是否有陷阱等。

以前在其他平台搭类似Agent时，虽然她可以说清楚自己的框架，但财报、行情、指标都要从金融终端导出，最后还要写提示词把这些内容串起来，前后至少得大半天。

扣子有A股投资分析相关的Skill可以调用，比如企业财报及业绩数据查询、红利股分析、机构观点、板块热度、量化分析等能力，这背后对接的是专业金融数据库，跑出来的数据可以直接用于分析。

这意味着她不需要从零开始接数据源，也不需要先把农行、工行、建行、中行的财报一份份下载下来喂给它。

她告诉扣子先看农业银行和工商银行，它会把行情、财报、红利指标和机构观点一起拉进来，再按照她设定的顺序整理。

一开始，扣子输出结果后，周晴并不会直接照单全收。她会先抽查几个关键数据，比如股息率、不良率、NIM、核心一级资本充足率，再回到年报原文和公告里做交叉验证。确认口径没有偏差后，才把这份报告作为后续判断的依据。

根据投资框架，银行投研agent输出对xx银行的分析

外部数据解决的是一件事：是否有据可查。

它记住了怎么看银行股

第一次跑农业银行时，周晴主要是想验证这套流程能不能成立。

结果里最有用的是它把银行股该看的几个维度拆开了。

负债端关注存款成本和负债结构；资产质量看不良率、拨备覆盖和潜在风险；分红端看股息率、分红支付率和资本充足；同业比较里把农业银行和工商银行放在同一套坐标系下看。

5家银行的股息率对比情况

后来她又让扣子继续跑招商银行和交通银行，这次真正让她感觉它像投研助手的地方出现了：她不需要把前面的框架完整再说一遍。

扣子执行招商银行与交通银行的并行分析

扣子会沿用她之前的观察习惯：在意分红的持续性，关注净息差压力和资产质量，每次分析都要做同业比较、不能省风险提示，这些它都记着。

同业横向对比红利属性、资产质量、NIM、估值和风险项

一个投研Agent真正好用的地方是它能把用户的方法沉淀下来。它记住的不只是"周晴关注银行股"这个标签，还有她关注银行股的原因、指标的权重、风险考量等更多细节。

到这一步，Agent 开始有了一点“风格”——周晴的投研习惯。

从银行股，到更大的红利资产池

银行股只是一个入口。

周晴真正关心的其实是一类能给组合提供安全垫的资产。

经过过去几年的市场波动，她越来越偏好几类东西：分红稳定，现金流相对清楚，估值不太贵，波动不太大，商业模式最好能看懂，风险项也能被持续跟踪。

银行符合其中一部分特征，但红利资产当然不止于此。

所以她后来问它：如果按照这种偏好，除了银行之外，A股还有哪些资产值得纳入观察？

如果只是普通问答工具，它可能会直接列一批高股息股票，把股息率从高到低排出来。

但高股息不等于好红利。例如有些公司股息率高是因为股价跌得多；而有些公司分红高是因为正处在周期景气高点；有些公司支付率超100%则可能未来继续分红的空间反而有限；还有些资产看起来便宜，但现金流和盈利稳定性并不支持长期分红。

这一次，扣子没有简单按股息率排序。

它把可观察资产分成了几类：公用事业、电力、交通运输、资源能源等。每一类后面又补了不同的风险条件。

它还主动列出了需要避开的“红利陷阱”。

扣子提示高股息率陷阱

支付率大于100%的标的分红或不可持续；煤炭等高股息的周期股依赖当期利润，行业景气下行时分红会快速回落。

这个Agent没有把周晴的偏好理解成“喜欢高股息”，真正懂了她偏好的是稳定分红、安全边际、低估值或低波动，以及风险可验证的资产。

这也是她愿意继续用它的原因，也是愿意为它付费的原因。

当一个Agent只知道你问过什么，它只是一个聊天工具；

当它开始记住你为什么这么问，它才有机会变成投研助手。

一本记市场，一本记你

后来周晴把这套体验概括成一句话：一个真正好用的投研Agent，手里要有两本账。

一本记市场。行情、财报、公告、研报、板块热度、机构观点、红利指标，这些东西决定了Agent的分析有没有来源。没有这本账，AI不一定靠得住。

一本记你。你关注什么资产、风格、指标、风险等，这些内部记忆决定了Agent能不能越用越贴近你的方法。

两本账合在一起，投研Agent才能把一套方法持续跑下去。

它不会替代人的判断，也不能替用户承担投资风险。但它可以先接管判断之前那些最耗时、最重复、最容易遗漏的环节。

周晴原本以为要搭出这样一个银行股投研Agent，至少要花大半天：找数据、接工具、写提示词、调流程。

实际体验下来，她只是把自己的分析框架说清楚，再选上扣子里已有的A股投资分析能力，流程就开始跑了。

第一步不用复杂。

从一只自己熟悉的板块开始，创建一个投研 Agent，搜索并添加「A股投资分析」技能包，输入自己的投资偏好和投资框架，跟它对话来不断测试和培养自己的扣子，添加要跟踪的股票池，设置每日或每周定时任务，一个每天自动跑的投研Agent就搭起来了。

文章来自于微信公众号 “华尔街见闻”，作者 “华尔街见闻”