核心要点
　　AI智能体概念介绍及工具选择：
　　AI在券商研究领域的应用已从数据处理、代码编写等辅助场景，逐步向研究报告的核心撰写环节延伸。随着大模型推理能力的迭代与AI智能体编排框架的成熟，AI正从简单的对话助手进化为能够自主使用工具、执行复杂任务的“数字员工”。本系统采用DeepSeek V4 Pro作为推理引擎，负责理解任务、分析数据和生成内容；同时选用Hermes Agent作为执行框架，负责操作文件、调用接口和调度流程。两者分工协作，构成了从数据采集到编辑检查的完整自动化研报生成系统，有望将研究报告的核心撰写环节从纯人工模式，拓展为人机协作的新范式。
　　月度复盘体系介绍：
　　传统研报撰写中，数据准备、信息采集、研报撰写、编辑检查四环节由研究员一人完成，数据整理占据大量时间，手动处理易引入主观偏见，质量把控依赖个人经验等问题长期存在。本体系将传统研报产出流程拆解为四个独立AI角色：
　　新闻收集员：从权威新闻网站采集事件，并按预设维度自动分类去重。
　　数据底稿工程师：校验行情数据的完整性与计算口径的一致性。
　　研报撰写员：基于底稿数据，按标准框架自动生成报告全文。
　　编辑检查员：独立执行编辑检查，并出具书面审查意见。
　　四个角色按线性流水线顺序执行，职责边界清晰、可追溯性强，前一环节未完成则后一环节不启动，确保每一步输出质量可独立检验。实际运行中，写作环节从逐段手动撰写变为框架调用加数据填入的半自动化模式，新闻采集从多步浏览器操作简化为单行代码批量拉取，效率提升显著。
　　使用案例介绍：黄金ETF，2026年5月复盘及6月展望
　　以《黄金ETF，2026年5月复盘及6月展望》这篇报告为使用案例，依次演示了新闻采集、数据底稿校验、研报撰写及编辑检查四个环节的实际运行效果，并附上每个角色在各自阶段生成的报告样例。
　　对比真人撰写的5月报告，AI输出在框架结构、归因逻辑与语言风格上高度一致，在盲测条件下难以区分来源。同时需注意，系统在信息源覆盖度、新闻真伪辨别、对同日发生的多事件进行权重排序、数据源外部依赖以及前瞻性走势结论等方面仍存在局限，需真人研究员进行交叉验证、逻辑复核与最终决策把关。
　　总结
　　本套AI研报生成Skill通过多体系协作实现了研报撰写从数据准备到编辑检查的全链条自动化，实际案例证明其产出在专业水准上与真人研究员高度一致，同时显著释放了研究员在新闻采集与结构性写作环节的时间投入。未来优化方向包括拓展至更多资产类别、引入动态学习机制、打通图表自动化渲染、建立“生成—验证—迭代”的闭环反馈体系。该Skill的有效性验证了AI辅助研究从概念走向实质提效的可行性，为投研领域的智能化转型提供了可复用的实践范式。
　　风险提示：1）新闻采集的覆盖度与真实性局限；2）事件解读的逻辑完备性不足；3）数据底稿的外部依赖风险；4）语言微调与前瞻判断仍需人工介入。