我试着让AI智能体群体去判断哪些企业具备巴菲特式的行业领导者气质结果比我预想的有意思得多。单个大语言模型生成的价值投资分析看起来头头是道但稍微追问几个关键细节就露馅比如自由现金流的计算口径、资本开支的真实去向、管理层历史上说过的话和后来做的事是否一致。于是我不再指望一个超级AI分析师而是搭了一套多智能体系统让它们像真实投研团队一样分工、交叉验证最终输出一份结构化的领导者画像评分卡。这套东西不是用来替代基本面分析师而是帮你把阅读年报、拆解财务指标、比对管理层言行这类耗时的前期工作自动化。对于关注长期价值挖掘的投资者、做量化研究的开发者以及想探索AI Agent落地场景的技术人来说都有实际参考价值。下面我把整个思路、架构、落地过程和踩过的坑完整写出来。1. 为什么一套投研系统比不上一群分工明确的智能体先讲清楚出发点。我最早也尝试过把巴菲特式的评估逻辑写进一个超长提示词让大模型一口气输出护城河判断财务分析管理层评估估值结论。第一版效果还行但用久了暴露一个致命问题认知串味。让同一个模型在同一段上下文里既扮演宏观分析师又扮演财务审计员还要在最后扮演价值投资大师它输出的内容很容易在几个视角之间来回摇摆到后期甚至出现用估值理由来倒推财务结论的循环论证。多智能体的核心价值是把一个复杂的综合判断拆成若干个彼此隔离的专业判断。每个智能体只接受特定类型的数据只输出自己职责范围内的结论互相之间通过统一的协议传递信息最后由一个仲裁者角色整合全部证据。这个过程更像真实投研团队宏观研究员不会直接评价某家公司的护城河他交出自己的宏观环境评估财务分析师只看报表和附注行业研究员专注竞争格局。各有各的数据源和论证逻辑最终再拿到投委会上碰撞。我设计的这套智能体群体分工如下微观环境扫描器判断行业所处周期、政策方向、需求稳定性输出行业景气度评分。财报深挖智能体只分析财务报表与附注计算自由现金流、ROIC、负债结构、盈利质量输出财务质量卡。管理层洞察智能体阅读股东信、访谈纪要、资本运作记录评估管理层是否言行一致、是否理性配置资本输出管理层评分。护城河评估智能体基于行业格局、品牌、专利、成本结构等判断竞争壁垒的持续能力输出护城河评级。估值定价智能体用绝对估值方法估算内在价值区间独立输出当前价格下的安全边际。风险审计智能体职责是挑毛病对所有前序结论提出反证和质疑输出风险清单。仲裁整合智能体汇总全部证据标注冲突给出最终等级和置信度。这个结构最大的好处是隔离即公正。任何一个智能体的偏见都被限制在自己的上下文里无法污染其他环节。比如财务数据出了幻觉护城河评估智能体不会因为它评分高就同步调高自己因为两者不共享原始材料只共享结果字段。另一个隐含收益是可追溯性。单模型输出一篇文章你很难说清楚它为什么给出某个结论。智能体群体模式下每个结论都有对应智能体的输出协议、来源字段和评估理由出了问题可以直接定位到是哪个环节、哪条数据导致的。2. 巴菲特式领导者的评估标准拆解从抽象妙语到可执行评分卡很多人把巴菲特式理解成买好公司然后长期持有这个说法太模糊没法落地到系统里。要让AI智能体群体可操作必须把理念翻译成一组能够通过数据反复验证的评估维度。我最终落地的评分卡包含六个维度。评估维度核心问题主要数据来源典型正向信号商业模式可理解性能否三句话讲清它靠什么赚钱年报业务描述、收入结构收入来源单一清晰、预判性强长期竞争优势对手为什么很难抢走利润行业格局、品牌、专利、成本数据高复购率、稳定毛利率、份额稳固自由现金流与资本配置赚到的钱是否真金白银且被理性使用现金流量表、资本开支历史自由现金流持续为正、资本开支克制管理层理性与诚信说的话和做的事是否一致股东信、资本运作、回购分红记录坦承错误、回购与盈利周期匹配财务结构稳健度碰到逆风期会不会倒下资产负债表、偿债指标低杠杆、高流动性、少依赖外部融资估值安全边际现价买入是否留有足够容错空间财务模型、绝对估值结果内在价值高于市价、隐含回报率合理每个维度内部再拆成分项。以长期竞争优势为例我让护城河评估智能体依次检查四类证据无形资产品牌溢价、专利数量与到期时间、转换成本客户更换供应商的难度、成本优势单位成本与同业对比、网络效应用户增长带来的正反馈。每类证据给出强/中/弱/无判断并附上支撑该判断的具体事实最后汇总成护城河评级。这样做的好处是即使模型判断错了我也能看到它是基于哪条事实做判断能人工复核。这里要特别强调一点这套评估体系不是给已经涨了很多的热门股打高分而是给符合长期复利特征的商业模式打高分。因此评分卡里刻意不含近期股价涨幅市场热度这类变量。那些信息属于市场情绪不属于企业质地。智能体的数据输入端从一开始就屏蔽掉它们避免涨得好的公司什么都是对的这种偏差渗透进系统。3. 群体架构与协作流程七类智能体如何分工、接力与互斥架构上我采用的模式是漏斗式筛选深度评估分成两个阶段。第一阶段用轻量级扫描覆盖全市场第二阶段只对入围对象启动完整智能体群体评估。这样能控制算力成本也能避免小样本带来的幸存者偏差。第一阶段叫粗筛通道。只跑两个轻量智能体一个做行业景气过滤一个做财务门槛过滤。行业景气过滤排除需求长期萎缩的行业财务门槛过滤要求近五年自由现金流至少四年为正、连续营收增长、杠杆率低于行业下四分位。通过这两个门槛的标的加上人工指定的强跟踪名单才进入第二阶段。第二阶段启动完整七智能体协作。我按这样的接力顺序组织宏观环境扫描器先跑输出行业景气评分。这个分数只作为背景信息不直接决定入选与否。财报深挖智能体基于结构化财务报表计算关键指标输出财务质量卡。护城河评估智能体在拿到行业信息但不接触财务数据的前提下独立评估竞争壁垒。管理层洞察智能体单独阅读股东信和资本运作记录输出言行一致性评分。估值定价智能体拿到财务质量卡后独立完成绝对估值。风险审计智能体拿到以上全部结果专门寻找反向证据和逻辑漏洞。仲裁整合智能体最后出场读取所有输出标注矛盾点汇总出最终评分与结论。为了更直观我把关键角色的输入输出协议整理成下表方便你参考复现智能体输入范围输出内容对其他环节的影响宏观环境扫描器行业数据、周期指标行业景气评分0-10提供给护城河评估与仲裁者参考财报深挖智能体财报、报表附注财务质量卡现金流评级、资本开支评分、ROIC传给估值定价与仲裁者护城河评估智能体行业报告、公司公告护城河评级强/中/弱传给仲裁者管理层洞察智能体股东信、访谈纪要、资本运作记录言行一致性评分、风险提示传给仲裁者估值定价智能体财务质量卡、行业参数内在价值区间、安全边际传给仲裁者风险审计智能体前五者全部输出反证清单、逻辑漏洞、被忽视的风险直接影响仲裁结论仲裁整合智能体全部输出综合评分、等级、置信度、关键分歧说明最终结果这个流程里有几个刻意设计。一是护城河评估与管理层洞察互相隔离因为前者看生意本身后者看做事的人混在一起容易用管理层优秀来证明护城河深反之亦然。二是风险审计智能体不参与打分只负责找茬它的输出没有调和余地仲裁者必须明确回应每一条质疑。三是估值定价智能体只能基于财务质量卡输出值不能直接调用财报原始数据逼着它依赖上游分析结论从而暴露财务分析质量不足时的问题形成上下游互相制衡。4. 落地运行的三个关键工程数据治理、岗位说明书与版本管理架构再漂亮跑不起来也是白搭。我在这套系统上花时间最多的不是提示词而是数据工程。先说数据分层。我把数据分成三个层级。L1层是结构化数据包括财报三大表、主要财务比率、股本结构这些尽量用数据库批量导入不依赖模型从网页上抓。L2层是半结构化文本包括年报原文、股东信、公告、招股说明书。L3层是非结构化文本包括新闻稿、访谈纪要、行业评论。对应关系上财报深挖智能体主要消费L1数据管理层洞察智能体消费L2数据护城河评估智能体消费L2和L3数据。L3数据情绪性最强、误差最大我会在输入前做一轮简单的相关性过滤只保留与竞争格局、产品力、管理层动作有关的内容丢掉纯市场情绪内容。第二个工程是给每个智能体写岗位说明书而不是人设提示词。两者差异很大。人设提示词是你是一位资深的财务分析师请分析这家公司模型容易自由发挥。岗位说明书则限定四件事目标、约束、方法、输出格式。举一个财报深挖智能体的实际示例【目标】判断A公司的财务质量是否支持长期复利成长 【约束】只能使用L1结构化财务数据和L2年报附注原文不得引用新闻或他人观点 【方法】 - 自由现金流 经营现金流 - 资本开支连续计算五年 - 区分一次性损益与经常性损益重点看经常性部分 - ROIC按 NOPAT / 投入资本 计算并观察五年稳定性 【输出】财务质量卡现金流评级(高/中/低)、资本开支合理性(0-10)、ROIC趋势说明、一句话总结岗位说明书能显著降低模型的自由度压缩幻觉空间。我在实践里发现角色扮演式提示词输出的内容漂亮但不可靠工序式提示词输出的内容朴素但可用。第三个工程是版本管理。多智能体系统最容易被忽视的问题是结论不可复现。同一个公司上周跑和这周跑评分可能不一样。原因很多模型服务更新、提示词微调、数据源刷新。我采用四版本号机制来管理数据版本财务报表的截止日期和数据库快照ID、模型版本每个智能体实际调用哪个模型的哪个版本、提示词版本每次岗位说明书的git提交ID、运行批次ID。任何一次评估结果都要把这四个版本号打包存档。这样如果下个月分数漂移能立刻定位是数据过期还是提示词改动导致的。5. 一次完整识别演示虚构消费企业的全链路评估理论讲再多不如走一遍流程。以下是一个完全虚构的演示案例仅用于展示系统运行逻辑不代表任何真实企业。假设候选对象是A公司主营日用消费品在区域市场有较高的品牌认知度产品单价低、复购率高。粗筛阶段顺利通过进入深度评估。宏观环境扫描器输出行业景气评分8分日用品属于必需消费需求受周期波动的影响较小在通胀温和环境下具备提价能力。这一项为背景分不额外加分。财报深挖智能体的输出相当关键A公司过去五年营收年均复合增长9%增速不快但稳定自由现金流连续五年为正且占净利润比例逐年上升资本开支占营收比重从8%降到5%说明业务已越过大规模扩张期ROIC稳定在15%-17%波动很小。财务质量卡给出现金流评级高资本开支合理性8分。护城河评估智能体的结论是中等偏强。核心事实是A公司终端产品复购率高可比同类产品有约20%的品牌溢价区域渠道渗透率高新进入者要复制这套分销网络需要较长时间配方层面有若干项专利但有效期集中在五年后到期长期保护能力一般。管理层洞察智能体读完了A公司过去八年的股东信和资本运作记录给了8.5分。理由很具体管理层在第三年明确承认一次区域扩张失败并做了资产减值没有遮掩回购行为集中在股价低于账面内在价值估算的年份而不是随意回购分红稳定资本配置没有出现高溢价并购。估值定价智能体基于财务质量卡做了绝对估值给出内在价值区间比当前市价高出约18%安全边际属于中等偏低。它特别标注由于依赖未来提价假设估值结果对毛利率的敏感性较高。风险审计智能体这时候出来找茬提出三条质疑第一A公司原材料成本占比高大宗价格波动会直接压缩利润财务质量卡中未充分体现这一敏感性第二护城河评估依赖的品牌溢价数据来自公司自身披露缺少第三方渠道验证第三管理层持股比例近年来小幅下降需要关注激励一致性。这三条质疑没有被仲裁者忽视而是直接写进了风险清单。仲裁整合智能体的最终输出综合评分7.8分等级接近符合巴菲特式行业领导者画像置信度中高。关键分歧说明中写道商业模式、财务结构与管理者理性这三个维度高度达标但估值安全边际不足且原材料风险存在较大不确定性因此不建议在当前价位进入最终候选池建议列入观察名单并等待更合适的价格或风险缓解证据。走完这一遍你会发现这套系统最大的价值不在于给你一个买入信号而在于逼着你把评估依据一条一条摊开。A公司是不是好公司系统里每个判断背后的证据是什么、反方论点是什么一目了然。6. 实战中反复踩过的五个坑幻觉数据、滞后口径与观点趋同运行这套系统半年来踩过的坑不少挑五个最典型的详细说。这五个问题如果不处理再好的架构也会被带偏。第一个坑是AI幻觉财务数据。有一次财报深挖智能体在输出里写资产负债率连续三年下降我顺手一查发现它根本没法区分流动负债减少和总负债减少甚至一个数字完全是编造的。查了日志才发现它为了凑出财务稳健的结论把一个有息负债率指标误当成资产负债率使用。解决办法是强制数据溯源所有输出里的关键数字必须标注来源字段来源可以是财报附注第X页也可以是数据库字段名无法标注来源的判断一律降权处理。第二个坑是滞后口径。数据库更新到最新季度后如果智能体使用的缓存还是半年前的它就会对着旧数据给出过时结论。尤其麻烦的是宏观环境扫描器和财报深挖智能体如果使用不同时间点的数据两者结论会互相打架。解决方式是在流水线入口统一做数据新鲜度检查任何智能体调用数据前先校验快照时间戳过期数据直接阻断运行而不是靠人肉去发现问题。第三个坑是观点趋同。多个智能体背后的推理模型如果有同一个供应商它们的输出会有一种隐蔽的趋同性措辞风格相似论证结构相似连挑毛病的方式都相似。风险审计智能体名义上是找茬实际经常给出虽有风险但整体可控这种和稀泥结论。要破这个局光靠提示词里写你要严厉批判不够。我给风险审计智能体加了一条规则每条结论必须引用至少一个具体事实作为反例否则该条质疑作废。同时让不同智能体尽量调用不同厂商的模型服务从底层减小风格相关性。第四个坑是评分漂移。同样是A公司一个月前跑是7.8分一个月后变成8.3分中间没有公告、没有财报更新纯粹是模型更新导致的评估尺度变化。我排查了很久才确认是底层模型服务悄悄升级了。后来我固定了模型版本号并建了一个基准评测集十家历史结论已知的虚拟公司样本每次模型升级后先跑到基准集上对比分数偏移超过设定阈值就回滚或重训提示词。这个机制极大减少了上周和这周结论不一致的困惑。第五个坑是幸存者偏差。一开始系统只分析人工指定的名单结果发现它特别容易给知名度高的公司打高分因为训练语料里的正面信息也多。后来我改成先跑全量粗筛再对粗筛入围者做深度评估让系统自己发现公司而不是验证名单。这个过程反而让我注意到好几个以前完全没听过、但财务质地相当扎实的细分领域公司这算是系统真正给我的认知增量。7. 输出的正确用法构建候选池、生成研究简报与纪律性复核跑通了智能体群体之后最需要想清楚的问题反而是输出结果到底怎么用。我的答案是把它当作研究漏斗的前端工具而不是决策终端。落地的输出物分为三层。第一层是全市场粗筛后的提示列表通常有几十家这部分信息量少只服务扩大视野的目的。第二层是深度评估评分卡包含每个维度的具体得分、关键支撑事实、风险清单这是我们做进一步阅读的导航地图。第三层是研究简报由仲裁整合智能体生成控制在两页纸以内包含综合评分、核心逻辑、最大不确定性、需要人工重点复核的事实列表。第三层输出我不允许系统直接写买入建议只能写若进行人工深度研究应重点核实以下几条核心假设。使用纪律上我有三条铁律。一是凡涉及估值结论的必须人工复核。AI的估值模型建立在太多假设上一个小数点的输入差异就能改变结果机器可以算得很快但假设的合理判断必须交给人类。二是风险清单优于评分卡。评分是抽象的风险清单是具体的每次我宁可只看风险清单也不去跟综合分数较劲。三是季度性复盘。每季度把所有候选池公司的系统结论与最新实际情况做一次自动对比看哪些判断得到验证、哪些被证伪把偏差反馈回提示词和数据管道。这套系统目前在我这里扮演的角色相当于一个不知疲倦的首席研究助理它帮我把每年需要精读的年报从几十上百份缩小到个位数。我必须强调整套方法属于研究辅助工具不构成任何投资建议市场有市场的逻辑算法有算法的边界。如果你打算复刻这套框架我的建议是从最小配置起步先只搭财报深挖和管理层洞察两个智能体拿五家公司做测试跑顺了再加角色别一上来就铺满七个智能体否则排查问题会非常痛苦。最后说一点个人体会。AI智能体群体真正厉害的地方不在于它比我聪明而在于它把评估一家企业是否具备长期领导者气质这件事从一场灵光一现的直觉游戏变成了一套可以反复校验的流水线工序。每一次判断的偏差都会被记录、被追溯、被修正。这种纪律性某种意义上比模型本身的智能水平更能提升长期研究的胜率。
