核心观点 - Seek-Alpha定位为“机构知识可编程”的投研工作台，通过多智能体协作与MCP开放接口，将分散的数据资产、分析框架与专家经验转化为可调度、可复用的生产力，实现AI从“通用问答”到“专业研究”的能力跃迁 [7] - 报告认为投研的深度不取决于模型参数规模，而取决于能够调用的高质量数据维度、严谨的研究方法论以及机构自身积累的可复用知识资产与经验范式 [4] - 平台价值来源是“能力沉淀”而非“模型调用”，差异化来自专有数据、专业方法和持续积累，用得越久库越厚回答越准 [97] 平台定位与架构 - 平台定位为面向投研的AI知识库与研究工作台，以AI对话为入口，把研究所积累的知识、研报、调研、产业链数据和实时行情打通 [16] - 采用四层解耦架构：底层为金融资讯库、行情财务库与自建产业链知识库三大支柱构成统一数据底座；之上为可灵活切换的多模型层；再上层为任务编排与调度服务层；最终通过Web交互界面与MCP标准化接口两个并列出口交付能力 [2] - 两个出口共享同一套后端服务与核心能力，确保功能天然对齐，实现“一次构建，多端交付” [2] - 独创性引入“调度官+专家组”多智能体协作架构，调度官负责意图理解与任务拆解，精准派发给数据源专家、基本面专家、技术面专家等专业智能体 [3] - 各专家智能体拥有独立上下文管理、专属工具链与知识调用权限，串联协作完成从数据采集、逻辑分析到报告成稿的全流程自动化作业 [3] - 平台功能矩阵覆盖投研日常八大核心场景：AI问答、个股深度研究、资讯聚合、知识库管理、网盘存储、面对面协作、MCP服务集成及Skills技能广场 [3] 核心功能模块 - AI问答页面：向私有知识库提问，AI结合检索资料作答并标注来源，支持调用Skills、分析文件、跑研究任务 [18] - 工作台三标签：聊天（Skills模板）、研究（网盘根目录文件解析Excel/PDF/Word）、任务（长时间或定时运行工作） [20] - 支持多轮上下文追问，切换模型档位（Frontier/Ultra/Lite/本地），满意回答可一键加入精品回答收藏 [23] - 对话中内容可直接落盘：研究结论存Markdown、财务数据存Excel、代码存脚本 [24] - 个股页面：针对单只股票的深度资料中心，包含基本面、产业链、公告、研报与历史分析 [29] - 产业交叉功能基于真实产业链图谱与财务数据分析上下游关联，并附调研纪要佐证 [31] - 资讯页面：接入各类新闻库（4400万条存量，日增3-4万条），支持按来源筛选、情绪标签识别、热点榜单 [34] - AI影响分析是资讯页面核心差异点，可分析消息对相关标的的影响路径、传导链条、受益或受损环节、影响程度与时间窗口 [34] - 知识库页面：八个分类（股票、行业、概念、宏观、宽基、专题、摘要、洞察），配套知识图谱视图可视化实体关系 [41] - 知识库与AI对话打通，AI直接检索内容作为事实依据，权限按账号行业授权范围过滤 [41] - 网盘页面：每个账号独立研究文件空间，集成OnlyOffice在线编辑Word/Excel/PPT [42][43] - 研究成果自动归集：深度研究任务报告、转写文稿、翻译外文研报都汇到网盘同一处 [45] - 面对面页面：首席分析师AI人设库与投资大师思维框架库，回答基于特定视角与风格生成 [46] - 精品回答沉淀机制，有价值问答可标记收藏形成可复用观点库 [46] - MCP页面：23个工具按六类组织（投研分析、数据查询、知识与舆情、首席与大师、文件、实用工具） [55] - 积分计费：初始2000分，轻量工具1分/次，查询数据库3分/次，调大模型或多源聚合10分/次 [55] - Skills广场页面：官方技能按类目组织（公司一页纸、行业一页纸、调研大纲、历史复盘、基本面分析等），支持自建个人Skill [57] 文档智能处理能力 - PDF版式保留翻译：基于版面识别模型与大模型翻译，输出译文版与中英双语对照版，图表、公式、栏位排布与原文一致 [74] - 语音转写：支持会议、路演、电话调研录音转写与结构化归档，转写结果自动进入知识库 [74] - 转写输出三个层次：原版逐字稿、精炼版（区分发言人）、AI摘要 [58] - 转写提供上下文提示：指定上市公司、所属行业、自定义关键词列表，提升专业内容识别准确率 [58] - 转写结果与原始音频时间轴关联，点击任意段落可跳转复听 [58] - 在线文档编辑：集成OnlyOffice，Office文档在浏览器内直接查看与编辑 [74] - 录音页面：基于浏览器原生录音接口，一键开始录制，支持暂停与继续 [65][66] - 录音与转写打通，保存后点击“转为纪要”自动完成语音转写并生成结构化会议纪要 [66] 数据底座 - 新闻库：实时金融资讯，带有关联标的、行业分类、市场情绪、重要性分级等结构化标签 [73] - 行情与财务数据库：统一数据源提供K线、财务报表、估值指标，避免多源口径不一致 [73] - Obsidian知识库：产业链上下游、概念板块、量化因子等关系型知识以wiki形式沉淀，可持续增量更新 [73] - 研报解读、新闻分析的结论会回写入库，形成“用得越久、库越厚”的正反馈 [73] 权限与安全机制 - 独立用户体系与严格数据隔离策略，支持OAuth标准授权流程 [4] - MCP接口单独签发与管理访问凭证，确保权限控制颗粒度与灵活性 [4] - 按工具资源消耗分档计费，每笔调用均留痕可查，为团队协作、成本分摊与使用分析提供清晰数据基础 [4] - 积分计量：轻量查询1分、常规检索3分、深度分析与专家问答10分，执行前校验余额，成功后原子扣减，失败不计费 [76] 典型应用场景 - 早盘前速览：打开资讯页按“重要性高+自选股”筛选，AI对新闻做批量摘要输出利好/利空/中性分组结论，全过程自动归档 [78] - 个股深度研究：调度官自动拆解为四步（数据源专家取数、基本面分析师出结论、技术面分析师出结论、整合成一页纸），双维度并置基本面与技术面 [81][82][83] - 研报生产：外文PDF上传后版式保留翻译，核心观点与数据沉淀进知识库，基于知识库整合成稿 [84] - 会议与调研记录：面对面页面开启录音，会议结束生成转写文本，提取要点与待跟进事项结构化归档 [86] - 程序化调用：通过MCP协议在Claude Desktop、Cursor等客户端直接调用KB-Web能力，不切窗口不断思路 [90] 后续规划 - 数据源扩展：补齐另类数据（招投标、专利、招聘、海关进出口、供应链关系），公告与研报全量化自动化采集，港股与海外标的覆盖 [93] - 流式响应改造：深度分析思考过程、中间结论、数据取用情况实时推送到前端，用户可提前干预或中止 [91] - 移动端与多端协同：按移动场景重新设计能力优先级，路上看资讯摘要、会议现场开录音、临时查数据 [92] - 消息通道推送：重要资讯、任务完成、异动提醒直接推到即时通讯工具 [94] - 稳定性与工程化：公网入口替换为稳定链路，服务常驻与自动恢复机制完善，完善用量监控与成本看板 [99]