报告行业投资评级 未提及 报告的核心观点 聚焦AI投研向辅助投资判断演进，提出以固收专家自述框架为初始骨架，结合专家历史观点表达语料，提炼可复用投研框架的方法论，并结合实时数据构建具有框架分析、观点审计、内部辩论和投研培训功能的固收投研Agent [1] 根据相关目录分别进行总结 1 AI赋能投研从"执行流程"到"辅助判断" - 大模型与Agent使AI从信息处理延伸到研究执行，投资判断成最难处理一步 [15] - Agent推动AI进入完整投研流程，可把复杂目标拆成步骤，完成研究输出，已进入投资团队日常工作 [16] - Skill将成熟研究流程沉淀为可稳定执行的能力，如将政策文本比较固化为Skill，让AI按预定义方法开展研究 [19][20] - 流程自动化后投资判断难复制，研究员差异体现在判断上，需在复杂情况下权衡证据 [21][22] - 专家认知提炼让Agent学习判断方式，从长期研究材料中提取可复用认知框架，使Agent走向“知道该怎样看一项研究” [23] 2 固收专家投研框架提炼方法论 - 采用“框架先验 + 行为验证”双向路径，结合专家自述与历史研究行为，反向识别稳定判断结构，转化为可复用认知资产 [27][28] - 专家投研框架提供初始认知骨架，关注客观信息到价格的反映，初步勾勒认知骨架，但需进一步检验 [29][30] - 用包含真实策略思考的历史文章检验专家判断，将其拆解为原子判断，便于比较判断方式 [31][33] - 跨案例比较提炼可复用规则，交叉验证专家自述框架和策略文章，分为核心认知、待验证、隐性候选规则，排除单一案例证据 [33][34] - 建立历史决策回放，降低“事后合理化”风险，得到可调用的投研框架 [37] 3 从专家投研框架到固收投研Agent - 构建专家型固收投研Agent，将专家投研框架、市场证据与大模型推理能力组合，使框架在新任务中运行 [38] - 投研框架为大模型提供研究坐标系，知识包指引判断逻辑，市场证据让方法在新环境中运行，Agent需配置工具获取数据 [41][42] - Agent将投研框架转化为Research Loop，围绕问题获取信息、分析证据和更新判断，可开发多种功能 [43][45] 4 专家型固收投研Agent应用场景 - Agent可形成框架分析、观点审计、内部辩论和投研培训能力，共享规则等，目标分别为“现在怎么看”“逻辑哪里可能有问题”“多空分歧集中在哪”“如何传递专家方法” [48] - 框架分析按专家框架重构市场，建立市场快照，组织证据并给出条件化判断，识别主要矛盾和交易线索 [51] - 观点审计定位投资逻辑薄弱环节，拆解观点逻辑，检查各环节，找到值得研究的部分 [57][58] - 内部辩论将多空分歧转化为结构化压力测试，澄清问题和快照，双方论证回应，收敛分歧，产生研究问题清单 [62][67] - 债市投研框架培训结合专家规则和历史案例教学，增加追问功能，帮助理解研究方法 [68][69] 5 总结与展望 - AI赋能固收投研逐步升级，专家认知提炼将判断框架转化为组织认知资产，由Agent在新环境中运行 [70] - 后续完善方法论，延伸到连续研究能力，完善长期记忆系统和知识库数据库，使Agent走向连续投研辅助体系 [70]