简介
本文详细介绍了如何利用大模型技术创建"巴菲特风格"投资智能体的实战过程，包括Multi-Agent系统架构设计、ADP平台实现及工作流编排。作者分享了从创意构思到落地开发的完整流程，重点解决了Agent幻觉、网页生成失败等技术难题，通过RAG技术提升分析专业性。内容涵盖投资框架知识库构建、Agent分工协作、在线报告生成等关键环节，为读者提供了可复现的技术方案和避坑指南。
写在前面：AI 时代，不进则退
在日新月异的大模型时代，哪怕一个月的懈怠都可能意味着掉队。 经历让我更确信一点：机会属于那些愿意动手“折腾”的人。
基于此，我将开启一个新的分享周期，希望与大家一同进步。12月，我给自己定的关键词是“实战落地”，内容将围绕以下三点展开：
- 投资提效（本期主题）： 用 Agent 抓取分析资讯，辅助决策。
- 自嗨提效： 比如近期入手3D打印，手搓一个能懂我视频图片的“小红书文案 Agent”。
- 工作提效： 从 PM 视角，探索 AI 如何重构需求分析与迭代流程。
今天，我们先来聊聊第一个话题：如何手搓一个“巴菲特”智能体？
一、 创意原点：打破散户的信息茧房
投资是一场认知的变现。对于大多数普通投资者（包括我）来说，我们与专业机构之间隔着的，不仅是信息差，更是分析框架的差距。
我就在想：能不能利用大模型，打造一个“克隆版巴菲特”？ 让它不仅拥有海量的金融数据，更重要的是注入巴菲特的价值投资灵魂，帮我自动清洗噪音，生成一份专业的分析报告。
它的核心能力定义（One-sentence pitch）：
一个不仅懂查数据，更懂“巴菲特投资框架”的智能助理。 通过多 Agent 协同（Multi-Agent），自动完成“数据收集-框架分析-报告生成”的全流程。
二、拆解：不仅要“手”，更要“脑”
在动手之前，作为产品经理，我习惯先画出它的“骨架”。
🧠 大脑（投资框架知识库）： 注入巴菲特的核心逻辑：
- 护城河分析： 盈利能力、成长性、行业地位。
- 估值逻辑： PE/PB、安全边际。
- 市场情绪： 机构研报、资金流向（北向、主力）。
🖐 手脚（多 Agent 分工）：
- 主Agent（总指挥）：说明角色定义和工作流程，调用辅助agent。
- Agent A（基本面侦探）： 查公司介绍、主营业务、营收构成。
- Agent B（市场面侦探）： 查 K 线、资金流向、机构观点。
Controller（报告主编）：
汇总信息，结合“大脑”的知识，输出结论并生成网页。
三、实战：如何用 ADP 平台落地？
这次我选用了 腾讯云智能体开发平台 (ADP)。当然，思路是通用的，你也可以用 Coze 或 Dify 复刻。
说明：ADP提供了不少开箱即用的插件和能力，如知识库搜索，同时在multi-agent模式下，能够灵活设置不同的agent协同模式，包括工作流编排模式。
Step 1：定义应用——建立信任
首先，要让 Agent 像个真人。设置好欢迎语，引导用户输入“股票代码”或“关注点”。
欢迎语设计：
“您好！我是您的专属‘股票分析小助理’🤖。基于公开金融数据与经典投资逻辑，为您提供全维度分析。请告诉我您想分析哪只股票？（如：贵州茅台 / 600519）”
操作步骤（ADP）：
1. 新建Multi-agent应用
登陆ADP控制台，新建应用，选用multi-agent模式
设置欢迎语和示例问题
效果如下：
Step 2：搭建 Multi-Agent 军团
这里是核心。我采用了 “分而治之” 的策略，创建了主agent和两个专门的子Agent。
🤖 主Agent：股票分析助理
核心任务：
基于公开金融数据与经典投资逻辑，为用户提供「公司基本面-技术面-资金面-机构观点-投资建议」的全维度分析服务。
工具：
混元AI搜索插件
prompt：
#角色定义你是一个「股票分析小助理」🤖，基于公开金融数据与经典投资逻辑，为用户提供「公司基本面-技术面-资金面-机构观点-投资建议」的全维度分析服务。 #工作流程1. 欢迎语：介绍自己，询问用户需求；2. 理解用户意图：解析股票信息，输出股票代码；3. 搜索公司介绍，主营业务，行业情况，收入构成，进行总结4. 查询股价成交数据；（5天的成交+MACD+KDJ），进行指标和技术分析；5. 搜索股票其他信息，进行分析，包括：1）北向资金、公募基金、主力资金、产业资本流向等要素；2）市盈率、市净率的角度，进行搜索；3）从企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度；4）市场主流机构的积极评价及论据，进行搜索；5）市场主流机构的负面评价及论据6. 将以上分析结论，结合巴菲特的投资逻辑，给出是否建议投资的结论。7. 生成一份报告🤖 Agent 1：基本面分析员
核心任务：
搞定“这家公司是干嘛的”。
工具：
挂载混元AI搜索插件。
Prompt ：
#任务目标对用户指定的特定股票进行全面深入的分析。#任务流程1.问题提取 - 从用户询问中提取包含时间、股票名。2. 问题重写 - 将提取的问题重写成不超过80字的简明问题。3. 联网搜索 - 使用mode=plugintool_desc=利用搜索引擎获取信息，并通过混元大模型总结回复plugin_name=混元AI搜索HunyuanSearchSummary/插件对重写后的问题进行搜索。4. 结果总结 - 按照“公司基本情况、主营业务、行业情况、收入构成”四个维度总结搜索结果。5. 输出结果 - 按照一级标题+二级标题+内容的格式输出，确保整体字数控制在500字以内。# 限制条件1. 只能对用户指定的特定一只股票进行分析。2. 所有数字数据必须准确无误，不得捏造。3. 若某一分析项没有检索到具体信息，需说明“没有找到相关信息”。4. 检索时需注意信息来源的时效性。5. 对于未指定特定股票的其他问题，统一回复“抱歉我无法回答，我只能进行特定的股票分析”。6. 输出的语言需专业、清晰。🤖 Agent 2：市场与估值分析员
核心任务：
搞定“现在贵不贵，资金在不在”。
工具：
挂载混元AI搜索插件。
prompt：
##角色指令你是一个专业的股票分析助手，只能进行特定一只股票的分析，其他任何问题一律回复“抱歉我无法回答，我只能进行特定的股票分析”###任务步骤#问题提取：根据用户询问的股票信息，将其提取为简单的短语，至少包含时间、股票名信息#分析维度：将提取到的用户问题以以下维度进行问题重写，重写后的问题字数不超过80字1、结合当天、近5日、近10日、近20日的涨跌情况，进行重写2、将用户的问题加入北向资金、公募基金、主力资金、产业资本流向等要素，进行重写3、将用户的问题结合市盈率、市净率的角度，进行重写4、将用户的问题从企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度，进行重写5、将用户的问题结合市场主流机构的积极评价及论据，进行重写6、将用户的问题结合市场主流机构的负面评价及论据，进行重写#将重写后的问题使用插件进行联网搜索mode=plugintool_desc=利用搜索引擎获取信息，并通过混元大模型总结回复plugin_name=混元AI搜索HunyuanSearchSummary/#将搜索结果总结并按以下格式输出：# 1. 近期涨跌股价表现：过去当天、近5日、近10日、近20日的涨跌幅，简要描述股价波动情况。短期趋势：股价是否突破关键阻力位或支撑位，当前走势是否有加速上涨或下跌的迹象。# 2. 资金流向资金净流入/流出：最近几天/周的资金流向，是否有显著资金流入（或流出）。外资动向：是否有外资大幅买入或卖出，反映市场对该股的信心或风险。# 3. 市盈率&市净率市盈率（PE）：当前市盈率与行业平均市盈率对比，是否高估或低估。市净率（PB）：市净率的高低反映公司资产的市场溢价，结合行业背景说明其合理性。# 4. 企业&行业分析主营业务：简要描述公司核心业务、市场份额及增长潜力。财务表现：公司最近的财报数据，包括收入、利润、毛利率、净利率等关键指标。发展前景：公司未来战略及增长动力，是否有新产品或市场扩展计划。行业表现：该企业所在行业的近期表现# 5. 主流机构评价机构评级：主流机构的投资评级和目标价。市场反应：机构是否看好该股票的长期前景，包含积极和消极的评价，以及市场对这些评价的反应。###输出要求1、所有数字数据必须要准确无误，不可以捏造不存在的数据，若某一分析项没有检索到具体信息可以说没有找到相关信息2、检索时注意检查信息来源的时效性3、按照一级标题+二级标题+内容的格式输出，整体输出字数控制在500字以内4、语言话术专业、清晰5、对于没有指定某一只特定股票分析的其他问题，统一回复“抱歉我无法回答，我只能进行特定的股票分析”操作步骤（ADP）：
设置提示词
挂载工具
选取“水滴上市公司”插件实现股票代码查询，采用混元AI搜索进行信息查询汇总
同样的操作步骤，增加辅助agent A和B并完成设置。
Step 3：工作流编排 (Workflow) —— “指挥棒”
这是最像“写代码”但也最有趣的一步。我把 ADP 的工作流看作一条流水线，整体的链路如下：
1）用户输入后，通过主agent已经获取到了股票名称及代码，启动工作流调用不同的agent协同工作。
2）工作流双线并行减少等待： 开始节点后，呼叫 Agent A 和 Agent B进行工作 RAG 知识增强（重点！）：检索到巴菲特投资框架及其它内容（我上传了巴菲特投资框架，巴菲特投资书记和《巴菲特致股东信精选》作为知识库。）
3）大模型节点汇总生成分析报告；
4）打印输出报告，同时，生成网页；
5）调用EO MCP插件渲染并输出在线报告。
操作步骤（ADP）：
1. 呼叫Agent A和B干活
在开始节点后边，选用左侧Agent节点，连续添加两个，分别选中前边定义好的Agent1 和 Agent2。
2. 投资框架RAG增强：
添加投资知识库并让AI运用到分析框架里
1）知识管理-添加知识库
提前准备好对应的知识内容，支持导入整个电子书的PDF文档并初始化进来👍
2）工作流添加大模型知识问答
设置知识库和提示词，进行检索
选取导入知识库
3. 添加大模型节点，进行汇总和改写
1）输入的设置：设置变量名，引用前边两个3个节点的输出。
2）选用模型，设置提示词，这里包括了系统提示词和用户提示词
如下所示：
4. 打印报告，同步设计网页
1）打印报告
选择“回复”节点，完成输入变量和回复内容设置
2）网页设计
目标是把报告生成一个网页格式，以便于后面通过EO MCP来部署生成网页报告。
添加一个大模型节点
设置好输入为前边输出的汇总生成内容；
系统提示词
定义好角色，将deepseek生成的网页设计框架输入给它，有要求可以这里做进一步明确。
用户提示词
选用输入的report即可。 如下：
5. 生成网页报告
输入为一个html文件，输出为一个网页链接；
添加“插件”
搜索EO，点击添加 “deploy-html“插件。
设置插件：
body里输入value变量，选择引用“设计网页html"节点的输出 Content
输出在线报告
采用“回复”节点输出在线报告链接
- 避坑指南：那些我踩过的雷 💣
实战中并不顺利，以下经验或许能帮你少走弯路：
🛑 坑一：Agent “幻觉”，或者报告太水
原因： 仅靠搜索，模型没有深度分析能力。
解法： 必须上 RAG (检索增强)。我在工作流里强行插入了“知识库检索”节点，并把检索结果作为 Context 喂给最终写报告的模型。这让输出的“含金量”瞬间提升，有了那股“巴菲特味儿”。
🛑 坑二：EdgeOne 生成网页失败
原因： 插件直接吃大段文字会消化不良。
解法： 中间加一层“翻译”。专门用一个 LLM 节点，提示词写上“请把上述内容转换为美观的 HTML 代码，使用 Bootstrap 风格…”，然后再传给 EdgeOne。
🛑 坑三：等待时间太长，像死机了
原因： 串行任务太多。
解法： 优化工作流，将“生成网页”和“文字简报”并行输出。用户先看到文字结论（安抚焦虑），2秒后网页链接生成完毕（提供惊喜）。
效果调测
经过反复调整，最终效果还算满意。
输入“贵州茅台”，Agent 吐出了一个包含基本面、资金面和巴菲特视角的分析页面。 👉
在线报告链接：https://mcp.edgeone.site/share/NiU–AA6Vz5f_xnbB8pbT
下期预告
然而，这个agent上线第一天我就收到了蛮多“中肯”的反馈：
- 幻觉问题：为什么有的股票，比如美团的股价查出来不对？
- 能力不足：为什么做不了技术指标的分析，看不到历史价格？
- agent定位：我是小白，只想问问什么是股票，怎么理性投资，为什么它回答不了？
- 记忆问题：基于问题进行追问，agent怎么无法理解我的问题？
- ……
下期预告：
作为一个不服就干的打工人，我怎么解决上述问题，将agent从demo提升为好用的呢？
敬请期待！
往期文章可查看合集内容。
