二等奖方案｜基于Muti-Agent的智能金融研报生成系统，快速生成高质量研报
本团队在AFAC大赛挑战组赛题四：智能体赋能的金融多模态报告自动化生成中获得二等奖。
获奖团队介绍
AIGC探索者，探索LLM、多模态生成在产业界的落地应用。曾获得10+全国AI创新大赛奖项，包括百川智能、各大Hackathon、百度飞桨、CSDN、阿里云、天池大赛等，毕业于电子科技大学。
- 研究方向：多智能体deep research
- 现处公司：深圳市清程极智科技有限公司
- 兴趣爱好：跑步、唱歌、摄影
- Github主页：https://github.com/wisdom-pan
获奖感想：
在实践中学习新的技术框架，把创意落地，探索最新技术在工业界的应用。
方案综述
1 背景
智能投研、智能投顾等应用展现出广阔前景。金融研究报告作为金融领域的核心产出，在基金管理、资产管理、投行等机构决策中起着重要作用。传统研报撰写依赖人工分析，存在效率低下、主观性强等问题，如何生成高质量的金融研报成为了复杂金融场景的热点研究问题。
2 目标
构建一个基于多智能体协同的金融研报自动生成系统，能够高效产出三大类季度/年度跟踪型金融研报：宏观经济/策略研报、行业/子行业研报、公司/个股研报。系统需同时满足生成研报质量和构建使用技术两个维度的要求。
难点挑战
技术方案
多智能协同：
- 采用planning agent进行任务规划，让执行agent进行不同的action
- Deep Researcher负责信源筛选，检索高质量数据源
- Brower agent负责信息源的细粒度交互，如网页交互、pdf文件浏览等
- Deep analyze负责深度分析数据，挖掘数据财报，进行专业估值分析
- Final report负责最终报告的html渲染，质量评估，格式转换
- 同时可以适配tools能力从而接入不同的场景
1 Planning调度
接收用户研报生成需求，理解报告类型（宏观/行业/公司）和具体要求：
- 将复杂任务分解为可执行的子任务序列
- 动态调度专业智能体，控制执行流程和依赖关系
- 监控各智能体执行状态，处理异常情况和任务重试
2 Deep Researcher
功能职责：
- 根据研报主题筛选高质量信息源
- 构建多层级搜索策略，覆盖官方统计、交易所公告、权威媒体等
- 评估信息源的权威性和时效性
- 为后续智能体提供结构化的数据源清单
Deep Researcher-MCP 接入：
特点：支持工具动态扩展的接口设计和实现方法，不同的tools均可接入信源，为后续智能体提供结构化的数据源清单。
3 Browser use
功能职责：
- 执行自动化网页浏览，获取实时数据
- 解析PDF文件、Excel表格等结构化数据
- 实现智能等待和重试机制，确保数据获取稳定性
4 Deep Analyze分析
深度数据分析
- 实施专业的财务分析方法，如DCF估值、比率分析、同业对比
- 构建量化模型进行趋势预测和风险评估
5 Final Report渲染
- 实现HTML格式渲染，包含图表、表格、高亮显示等
- 执行质量评估，确保逻辑一致性和专业标准
实现效果
1 公司研报生成能力
- 自动生成包含SWOT分析、三阶段DCF模型、分部加总估值(SOTP)等专业分析的完整研报
- 提供详尽的财务指标分析与行业对标，支持投资建议与风险提示
- 实现数据来源完整溯源，确保分析结论的可信度
2 行业研报生成能力
- 涵盖行业概述、市场趋势、产业链格局、竞争壁垒、政策环境等全维度分析
- 支持国际国内对比分析，提供前瞻性的行业发展趋势预测
3 宏观研报生成能力
- 整合全球经济数据，深度解读政策影响与传导机制
- 提供产业链投资机会分析与风险对冲策略建议
测评效果
与同类deep research产品效果对比
后续优化点
1 方案思路：基于规则的查询优化（智能决策路径）
- 根据任务特性选择最优查询路径，引入复杂的任务分类机制
- 大幅减少网络请求次数提高结果相关性，增加分布式操作，降低生成时间
- 维护高质量的本地知识库，采用mcp的方式接入内部数据源
2 基于RL的自适应查询（on policy）
思路：构建reward数据集训练奖励模型，设计动态奖励函数。根据on policy的RL算法进行动态采样，迭代最佳查询路径。持续进化，迭代查询最优路径。
产业界落地
对于如何讲研报系统接入到生成环境的思考：
1 数据接入
- 系统需要接入多样化的数据源，包括官方统计、交易所公告、权威媒体等，这在方案中由Deep Researcher负责筛选和评估。
- MCP接入不同的内部或外部数据源，内部私有数据或者付费数据库。
2 工程优化
- 优化目标包括减少网络请求次数、提高结果相关性、降低生成时间。
- 采用分布式并行处理，让不同智能体分工协作，同时执行数据采集、分析等任务，从而缩短整体流程耗时。
- 引入复杂的任务分类机制和基于规则的查询优化，选择最优查询路径。
3 缓存处理
- 维护高质量的本地知识库可以减少对外部数据源的实时依赖，提高系统响应速度和稳定性。
- 对常用数据和中间分析结果进行缓存，提升数据加载和分析结果缓存性能。
4 反馈机制
建立反馈机制，系统可以记录每一次用户反馈，收集数据训练reward模型。可以作为强化学习（RL）的奖励信号，迭代优化查询和分析路径。
乘风破浪的弟弟队在AFAC总决赛路演现场领奖（左二）