人工智能91：GPT-Kline：MCoT与技术分析
　　本研究对多模态大模型的推理能力及其在投研中的应用进行了深入探索。多模态思维链——MCoT是近期多模态领域炙手可热的研究方向，其将大模型的多模态与推理能力相结合，大大提升了大模型应对复杂多模态任务时的表现。本研究尝试将MCoT应用于投研中K线技术分析场景，构建了智能化、自动化的技术分析平台GPT-Kline，实现了从K线绘图、走势分析、指标标注到报告输出的技术分析全流程自动化，并构建了网页端方便直观的用户交互入口。测试结果显示，GPT-Kline能基于K线图像进行准确识别和深入推理，技术分析全流程中能实现可靠的走势分析、精准的技术指标及形态标注、逻辑连贯的技术分析报告输出。
　　多模态推理：从LLMs到MLLMs，从CoT到MCoT
　　多模态协同是大模型通往通用人工智能的必经之路，这就要求大模型不能仅仅是大语言模型，而需成为多模态全能的通才。早期计算机视觉领域的蓬勃发展为大模型带来了感知图片的能力，而近期思维链技巧的迅速崛起则为大模型提供了缜密的逻辑推理思维。MCoT将两者相结合，使大模型从简单的“感知理解图片”转为“基于图片思考”，进一步拓展了多模态大模型处理复杂任务的能力边界。OpenAI于2025年4月上线“满血版”O3模型，展示了惊艳的图片推理能力，或是通用人工智能的缩影。
　　MCoT在投研中的应用初探：O3模型用于自动化技术分析
　　K线图和技术分析符合多模态、逻辑推理的特征，是完美匹配MCoT能力圈的应用场景之一。本研究对MCoT在基于K线图进行技术分析中的应用进行初步探索，首先尝试将O3模型应用于技术分析。结果表明，O3模型能够完成完整的技术分析流程，包括对原始K线图像进行裁剪、缩放等灵活的预处理，并在图像上进行简单标注，最终输出技术分析观点。O3模型展现出强大的思考规划、工具使用能力，可以与图片多步交互进行多模态推理，不过依然存在输出稳定性弱、内容有限以及使用门槛较高的潜在问题。
　　GPT-Kline：智能化、自动化的技术分析平台构建
　　本研究将MCoT与大模型的工具调用能力相结合，进一步构建专用于K线技术分析的专业版O3模型，称作GPT-Kline。研究为其设计了画图分析、指标标注、报告撰写的自动化技术分析全流程，并基于Gradio构建了网页端界面，实现了方便直观的用户交互。测试表明，GPT-Kline能实现可靠的形态走势分析，基于多模态推理在K线图上进行技术指标或形态的精准标注，并输出和思考过程、标注结果一致的技术分析报告。同时用户界面可实时显示标注图像和思考内容，操作逻辑简单，结果展示较为直观。
　　风险提示：大模型存在幻觉现象，模型生成结果可能不符合事实。大模型生成内容可能存在随机性。大模型作出的判断可能不准确，请谨慎参考。大模型提取信息可能存在遗漏。大模型训练集广泛，可能存在过拟合风险。