一個A股老手的Agent實驗：在扣子里養出了一個投研助理

很多人用AI做投資，最想要的是一個直接答案：買哪只股票？

在A股摸爬滾打多年的周晴則認為，任何一個好的投資決策背后都離不開扎實的思考過程。

但問題在于梳理數據、比對指標等一系列研究的過程耗時耗力，她希望 AI 能幫她把這個過程提速。

最近市場持續波動，周晴重新把目光轉向高股息資產，想借助AI系統地梳理一遍銀行股。

朋友向她推薦了字節旗下的扣子。今年3月起，朋友就用扣子自動盯盤、分析、復盤，生成每日投資日報。

在她看來，扣子之所以適合投資人，關鍵在于接入了同花順、中金、廣發等多個數據源，再配合定時任務，能把投研中大量重復、連續的工作沉淀為固定流程。

周晴聽完就上手了，在扣子上自建了一個銀行股投研Agent，拿幾家銀行跑了一遍。

周晴使用扣子生成報告后，導入飛書，直接查看這一周生成的所有報告

用了數周后，她發現扣子已經越來越“懂她”，這就像同時在攢“兩本賬”：一本記市場，一本記你。

兩本賬合到一起，這個Agent就真正成了周晴的專屬投研助理。

讓一套方法跑起來

周晴打開扣子以后，沒有直接問“哪只銀行股可以買”。

這種問題出來的回答大概率沒什么意義。它可能會羅列幾家銀行，摘幾個指標，再給一段看起來很完整的總結，但這不是她需要的投研助手。

她先把自己的觀察順序告訴它：以后看銀行股時，先看紅利屬性，再看資產質量，再看凈息差和負債成本，最后做同業比較和風險提示。不要只看股息率，也不要只寫優勢，風險項必須單獨列出來。

這聽上去只是幾句話，但放到實際投研里卻是一整套流程：既要有充足的指標等各項數據儲備，又要保證數據來源的可靠性。同時還要考慮同業對比、分紅高是否與利潤質量有關、低PB是否有陷阱等。

以前在其他平臺搭類似Agent時，雖然她可以說清楚自己的框架，但財報、行情、指標都要從金融終端導出，最后還要寫提示詞把這些內容串起來，前后至少得大半天。

扣子有A股投資分析相關的Skill可以調用，比如企業財報及業績數據查詢、紅利股分析、機構觀點、板塊熱度、量化分析等能力，這背后對接的是專業金融數據庫，跑出來的數據可以直接用于分析。

這意味著她不需要從零開始接數據源，也不需要先把農行、工行、建行、中行的財報一份份下載下來喂給它。

她告訴扣子先看農業銀行和工商銀行，它會把行情、財報、紅利指標和機構觀點一起拉進來，再按照她設定的順序整理。

一開始，扣子輸出結果后，周晴并不會直接照單全收。她會先抽查幾個關鍵數據，比如股息率、不良率、NIM、核心一級資本充足率，再回到年報原文和公告里做交叉驗證。確認口徑沒有偏差后，才把這份報告作為后續判斷的依據。

根據投資框架，銀行投研agent輸出對xx銀行的分析

外部數據解決的是一件事：是否有據可查。

它記住了怎么看銀行股

第一次跑農業銀行時，周晴主要是想驗證這套流程能不能成立。

結果里最有用的是它把銀行股該看的幾個維度拆開了。

負債端關注存款成本和負債結構；資產質量看不良率、撥備覆蓋和潛在風險；分紅端看股息率、分紅支付率和資本充足；同業比較里把農業銀行和工商銀行放在同一套坐標系下看。

5家銀行的股息率對比情況

后來她又讓扣子繼續跑招商銀行和交通銀行，這次真正讓她感覺它像投研助手的地方出現了：她不需要把前面的框架完整再說一遍。

扣子執行招商銀行與交通銀行的并行分析

扣子會沿用她之前的觀察習慣：在意分紅的持續性，關注凈息差壓力和資產質量，每次分析都要做同業比較、不能省風險提示，這些它都記著。

同業橫向對比紅利屬性、資產質量、NIM、估值和風險項

一個投研Agent真正好用的地方是它能把用戶的方法沉淀下來。它記住的不只是"周晴關注銀行股"這個標簽，還有她關注銀行股的原因、指標的權重、風險考量等更多細節。

到這一步，Agent 開始有了一點“風格”——周晴的投研習慣。

從銀行股，到更大的紅利資產池

銀行股只是一個入口。

周晴真正關心的其實是一類能給組合提供安全墊的資產。

經過過去幾年的市場波動，她越來越偏好幾類東西：分紅穩定，現金流相對清楚，估值不太貴，波動不太大，商業模式最好能看懂，風險項也能被持續跟蹤。

銀行符合其中一部分特征，但紅利資產當然不止于此。

所以她后來問它：如果按照這種偏好，除了銀行之外，A股還有哪些資產值得納入觀察？

如果只是普通問答工具，它可能會直接列一批高股息股票，把股息率從高到低排出來。

但高股息不等于好紅利。例如有些公司股息率高是因為股價跌得多；而有些公司分紅高是因為正處在周期景氣高點；有些公司支付率超100%則可能未來繼續分紅的空間反而有限；還有些資產看起來便宜，但現金流和盈利穩定性并不支持長期分紅。

這一次，扣子沒有簡單按股息率排序。

它把可觀察資產分成了幾類：公用事業、電力、交通運輸、資源能源等。每一類后面又補了不同的風險條件。

它還主動列出了需要避開的“紅利陷阱”

扣子提示高股息率陷阱

支付率大于100%的標的分紅或不可持續；煤炭等高股息的周期股依賴當期利潤，行業景氣下行時分紅會快速回落。

這個Agent沒有把周晴的偏好理解成“喜歡高股息”，真正懂了她偏好的是穩定分紅、安全邊際、低估值或低波動，以及風險可驗證的資產。

這也是她愿意繼續用它的原因，也是愿意為它付費的原因。

當一個Agent只知道你問過什么，它只是一個聊天工具；

當它開始記住你為什么這么問，它才有機會變成投研助手。

一本記市場，一本記你

后來周晴把這套體驗概括成一句話：一個真正好用的投研Agent，手里要有兩本賬。

一本記市場。行情、財報、公告、研報、板塊熱度、機構觀點、紅利指標，這些東西決定了Agent的分析有沒有來源。沒有這本賬，AI不一定靠得住。

一本記你。你關注什么資產、風格、指標、風險等，這些內部記憶決定了Agent能不能越用越貼近你的方法。

兩本賬合在一起，投研Agent才能把一套方法持續跑下去。

它不會替代人的判斷，也不能替用戶承擔投資風險。但它可以先接管判斷之前那些最耗時、最重復、最容易遺漏的環節。

周晴原本以為要搭出這樣一個銀行股投研Agent，至少要花大半天：找數據、接工具、寫提示詞、調流程。

實際體驗下來，她只是把自己的分析框架說清楚，再選上扣子里已有的A股投資分析能力，流程就開始跑了。

第一步不用復雜。

從一只自己熟悉的板塊開始，創建一個投研 Agent，搜索并添加「A股投資分析」技能包，輸入自己的投資偏好和投資框架，跟它對話來不斷測試和培養自己的扣子，添加要跟蹤的股票池，設置每日或每周定時任務，一個每天自動跑的投研Agent就搭起來了。

*以上內容不構成投資建議，不代表刊登平臺之觀點，市場有風險，投資需謹慎，請獨立判斷和決策。