智能投研的核心挑战，正在从“能否调用工具”转向“能否组织可信知识”。数据接口、分析工具与大模型能力的丰富，并不必然带来研究质量的提升。投研实践真正需要的是，将分散的数据、研究方法与专家经验转化为口径一致、证据清晰、能够持续更新的知识资产，并据此形成可复核的分析流程。
　　“三位一体”框架以基本面、消息面和技术面组织投研知识，目的不是简单增加分析维度，而是建立相互补充、相互约束的验证机制。基本面解释产业与公司的经济逻辑，消息面识别新增信息及其对原有判断的影响，技术面观察市场定价与交易状态。三者共同连接“原有认知—新增证据—市场反馈”，帮助研究人员识别逻辑与价格之间的一致性、分歧及其可能来源。
　　知识库建设的重点不是保存更多材料，而是沉淀高信息密度、低噪声、可追溯的研究中间成果。在这一过程中，可以充分利用基础skill来确保各类信息和知识以最专业、高效和稳定可持续的方式来落地到知识库中。
　　基础Skill应当成为研究方法的标准化执行单元，而不只是数据查询或文本生成工具。其核心任务是将数据口径、筛选规则、计算流程、专家经验与质量约束固化到知识生产过程中，为知识库提供稳定、可复用的内容供给。
　　构建起“三位一体”智能投研分析的核心知识库框架，并通过基础Skill持续支撑知识库的内容生产、查询与调用。我们可构建基础知识库如：A股复盘、ETF复盘、港股复盘、美股复盘、全球多资产复盘、商品期货复盘、热点公司资讯、涨跌停跟踪及资讯、产业资讯、卡点分析、AI全产业链等。在此基础上，下一步可搭建多Agent协同分析框架，推动智能投研从单点回答迈向多维验证。
　　风险提示：基于历史数据与当前模型能力形成的分析方法，可能因市场环境或模型能力变化而失效。报告中的场景仅用于说明框架设计，不构成投资建议。