核心观点 - 报告提出了一套整合六大投研技能的协同工作流体系，旨在从信源整合到业绩归因，补齐总量研究和组合回溯的拼图[1] - 六大技能并非并列的独立工具，而是以“基金/ETF身份识别”为共同起点，根据用户问题类型路由到具体技能的协同工作流[1] - 风险处理构成完整链条：相关性风险技能→风险贡献校验技能→动态对冲技能，最终给出有效、弱有效、不建议的可执行性评级[1] - 核心的涨跌归因技能采用三层递进结构整合证据，并与宏观背景、研报影响、相关性风险及动态对冲技能形成研究闭环[1] 框架定位与工作流设计 - 框架借鉴了Claude for finance从协同办公到业务工作流的范式，设计了一套从宏观数据、研究资料等信源整合的六大技能工作流体系[4] - AI运行在Wind终端内部，默认输入是基金或ETF代码，首先进行基金身份识别，形成内部判断以决定后续技能的调用顺序与分析深度[4] - 技能调用按用户问题路由，而非机械遍历所有技能，从而避免模板化输出并控制信息噪音[5] - 对多数技能，默认路径是从用户输入基金代码开始，经过基金识别、研究方向推导、技能选择，最终输出从基金出发并回到基金层面的简洁报告[5] 六大技能分层结构与协同 - 宏观背景技能(01)：定位为背景层，可独立调用，专注于提取对该基金方向有约束力的宏观变量并说明传导路径[9] - 研报影响技能(02)：定位为信息中枢，可独立调用，负责观点抽取与去重，区分重复共识、边际变化与直接影响重仓的增量观点[9] - 风险处理链条：由相关性风险技能(03)、风险贡献校验技能(04)、动态对冲技能(05)构成“识别—校验—行动”的完整链条[11] - 03技能识别风险簇，回答“分散化是否失效”[11] - 04技能校验谁贡献最多风险以及集中度是否合理[11] - 05技能给出对冲与替代工具并进行可执行性评级[11] - 涨跌归因技能(06)：定位为核心技能，按三层递进整合证据：第一层核对真实涨跌与持仓贡献；第二层对重仓个股逐只归因；第三层用新闻、产业链、资金流等多维度证据交叉验证[12] - 技能间存在协同：01、02、03技能向06涨跌归因技能供给证据，05动态对冲技能向06反馈对冲结论，形成“背景—信息—风险—行动—归因”的研究闭环[12] 数据、输出与置信度标准 - 数据获取遵循Wind原生优先、MCP（如Wind MCP、同花顺MCP）补充、官方来源兜底的优先级[2][13] - 所有技能统一输出结构为：“结论→证据→拆解表→风险/数据缺口→下一步验证”，重要结论需标注高/中/低置信度[2][13] - 数据缺口需显性化处理：当缺少NAV、最新持仓、资金验证等数据时，需说明缺口影响哪个判断、采用何种替代口径，并相应下调涉及方向、贡献或因果判断的置信度[2][13] - 写作坚持边际变化优先，避免在分析具体基金时撰写泛泛的市场评论[13]