报告行业投资评级 未提及 报告的核心观点 - AI数据采集已达实用水平，人机协作是当前有效模式，API优先策略可显著提升效率 [61] - 建议将重复性数据采集交由AI代理，对AI结果进行人工校验，关注合规边界 [62] - 当前AI浏览器自动化处于早期阶段，需关注其对复杂网页的理解准确率、多步骤操作完成率和错误恢复能力、大规模调用成本 [63] - 下一步可引入多Agent并行机制提升效率，需解决登录平台的会话共享问题 [65][66] 根据相关目录分别进行总结 1. 背景与思路 - 投研数据采集痛点在于传统方案极端，需中间路径，AI自主操作浏览器带来突破 [7] - AI驱动的浏览器操作是新范式，从代码地址定位转向语义理解，虽处于早期但值得提前布局 [8][9] - web - data - scraper以分析师思路加程序员技巧为核心理念，具备多种关键特征，可解决数据采集和信息检索问题 [10][11][14] - 选择在巨潮资讯网检索并下载REITs报告的实战任务验证方案可行性，web - data - scraper约20分钟完成任务 [15] 2. 实战过程：23分钟下载50份REITs报告 - 任务目标是从巨潮资讯网批量下载27只公募REITs的一季报和评估报告，任务涵盖多难点 [17] - 第一阶段AI像人一样探索网页，建立对网站结构的基本认知，探索策略有层次性 [18][23] - 第二阶段AI发现背后API，结合“像人一样看”和“像程序一样取”的能力，完成从了解网站结构到掌握批量获取方法的跨越 [24][33] - 第三阶段AI编写脚本首次批量下载，解决编码格式和标签污染问题，成功下载26只REITs的一季报，但评估报告搜集出现问题 [34][37] - 第四阶段AI诊断评估报告问题，调整策略，人工反馈帮助精准定位逻辑bug，体现人机协作模式 [38][44] - 第五阶段AI设计“双模式匹配”修复方案，重新执行脚本，完成成果校验 [45] 3. 成果与数据验证 - 最终成果为下载50份PDF文件，一季报26份完成率96.3%，评估报告24份完成率88.9%，文件均经校验 [48][49] - AI对异常情况进行主动识别和处理，体现异常识别能力 [50][52] - 下载文件按产品维度组织，目录结构清晰，便于查阅和分析 [53] 4. 两个值得关注的细节 - AI突破人工操作视觉限制，通过发现数据接口获取完整REITs产品清单 [55][56] - 评估报告误下载展示人机协作范式，AI设计“双模式匹配”机制解决问题 [57][59] 5. 总结与展望 - 本次实战启示AI数据采集达实用水平，人机协作有效，API优先策略提升效率 [61] - 对固收应用建议将重复性任务交AI代理，人工校验结果，关注合规边界 [62] - 当前AI浏览器自动化有局限，需关注理解准确率、操作完成率和成本控制 [63] - 下一步可引入多Agent并行机制，解决登录平台会话共享问题提升效率 [65][66]