从行业逻辑验证走向知识库精细化搭建
　　在《大模型赋能投研之十九：主观投资框架验证与个股决策Agent》中，我们以医药生物行业为样本，首次搭建了从卖方研报自动挖掘投资思维链、经滚动回测筛选有效逻辑、再由多链投票生成持仓的主动化投研体系。但原框架在个股判断时仅输入滚动窗口内的增量信息，局限于事件驱动的时点式判断，对信息密度高、叙事跨越多季度的行业而言短板明显。本篇报告将框架下沉至多个科技属性最强的申万二级行业，引入纵向沉淀的个股记忆栈与横向理解的产业链认知层，使Agent从“阅读时点信息的判断者”进化为“携带行业与个股记忆的行业专家”。
　　行业投资专家Agent：CoT框架×双层认知架构
　　直接将个股全部历史研报新闻塞入提示词，既受制于上下文窗口与推理成本，又因中部迷失导致的关键信息召回率下降；Agent记忆架构研究表明，对历史信息做压缩、结构化与分层管理，是LLM稳定完成长时序判断的必要组件。同时，受投资者注意力约束，客户与同行的重大信息对产业链关联个股存在系统性定价迟滞，跨主体信息的组织与注入本身即是超额来源。据此，在原有思维链提取与迭代的基础上，我们叠加双层认知架构：第一层“个股记忆栈”用六个维度逐月滚动维护每只个股的基本面画像；第二层“产业链供需认知层”以三级行业为客观骨架、以客观过滤的Wind概念板块生成需求锚点，按环节聚合跨主体供需信息（海外锚点需求、环节景气与价格、订单能见度、国产替代进度），经可溯源的“个股-环节”映射在判断时注入，专门弥补科技板块订单确定性藏在客户与同行信息里的结构性缺口。
　　多科技子行业超额表现与收益归因
　　回测数据显示（样本外2025.02–2026.07），六个科技子行业策略相对申万二级行业指数全部录得正超额：半导体年化超额106.8%（信息比率1.94）、光学光电子43.3%（1.44）、通信设备42.8%（2.25）、元件27.4%（1.57）、消费电子17.7%（0.52）、计算机设备11.8%（0.34）。按行业等权合并的行业中性科技组合年化超额46.9%、累计超额71.0%，而超额年化波动仅14.9%、超额最大回撤收窄至-6.6%、信息比率高达3.14，各风险维度均优于所有单一子行业，体现出多行业复制下特异性风险的显著分散。以“判断时是否注入M-1月环节供需快照”为唯一变量的A/B对照进一步显示，第二层产业链认知层在多数行业带来更高质量的超额并明显压缩尾部风险。我们从持仓法与收益法两个独立口径交叉归因验证，一致表明策略呈成长质量的风格画像，超额并非一致预期、动量、市值等风格搭车的结果，而是来自真实的选股能力。
　　技能与应用
　　我们把上述框架成果工程化为一条完整的数据管道对接两个应用产品：一是面向客户的active-quant智能问答技能，通过意图路由与只读取数机制，支持行业概览、有效单链、持仓预测、个股符合度与证据、跨行业定位个股、产业链环节供需等自然语言查询，并支持跨行业对比等复合问法；二是与每次问答相对应的单文件可视化看板，集净值曲线、绩效汇总与分年度表现、最新有效单链、持仓预测与个股查询于一体。至此，我们的主观投资框架从研究结论升级为可对外交付的决策辅助工具，形成一条可持续迭代的个股决策Agent闭环。
　　风险提示
　　1、以上结果通过申万二级行业分类科技子行业历史数据统计、建模和测算完成，若历史数据产生环境发生变化，可能出现模型失效风险；2、策略依据一定的假设通过历史数据回测得到，当交易成本提高或其他条件改变时，可能导致策略收益下降甚至出现亏损；3、大模型输出的结果具有一定的随机性和幻觉风险，仅供参考；4、回测样本约2年且与AI产业景气上行期重叠，统计功效有限，归因结论需随样本延长持续检验。