企业官网建设流程全解析

1. 从零拆解一个投资Agent的骨架设计

1.1 为什么是“手搓”而不是“调包”

看到“百亿token手搓”这个说法，很多人的第一反应是：都烧了这么多token了，为什么不直接上现成的框架？我一开始也这么想，但真正动手做过一轮之后才明白，投资类Agent和普通的问答机器人完全是两码事。普通对话Agent可以容忍模糊、可以胡说八道，用户顶多觉得“这AI不太聪明”。但投资Agent不行，它输出的每一个数字、每一条推理链，都可能直接影响真金白银的决策，容错率极低。

所谓“手搓”，核心含义是不依赖某个大而全的Agent框架来包办一切，而是自己把数据管道、推理循环、工具调用、记忆管理、风控校验这几个模块一层层搭起来。框架能帮你省掉胶水代码，但省不掉你对业务逻辑的思考。尤其是投资场景，数据源的清洗规则、指标的计算口径、推理的约束条件，这些东西框架给不了你，只能自己写。

我踩过的第一个坑就是过早引入框架。当时用了一个流行的Agent编排库，结果发现它默认的“思考-行动-观察”循环对投资分析来说太粗糙了——它会把一次财报数据查询和一次情绪分析混在同一个推理步里，导致中间结果无法追溯。后来我把循环拆成“数据采集→特征计算→多空辩论→风险审查→结论生成”五个独立阶段，每个阶段单独控制prompt和工具集，整个系统的可解释性才上来。

所以“手搓”的本质是对推理流程的完全掌控。你清楚每一步在干什么、用了什么数据、为什么得出这个中间结论。这在投资场景里不是可选项，是必选项。

1.2 整体架构：五层分离的设计哲学

一个能跑起来的投资Agent，我把它拆成五层。这个分层不是拍脑袋想的，是反复重构之后稳定下来的结构。

第一层是数据接入层。负责从各类数据源拉取原始数据，包括行情数据、财务数据、公告文本、舆情信息等。这一层的关键是统一数据格式和时间对齐。不同数据源的时间戳精度不一样，有的到秒，有的到天，如果不做对齐，后面计算指标时会出现“用未来数据算过去”的严重错误。

第二层是特征计算层。把原始数据加工成Agent能理解的中间表示。比如把原始K线转成波动率、动量、换手率等指标，把公告文本转成结构化的事件标签。这一层我坚持用确定性代码实现，不用LLM，因为数值计算必须精确可复现。

第三层是推理决策层。这是LLM真正发挥作用的地方。我设计了一个“多角色辩论”机制：一个角色负责看多，一个角色负责看空，还有一个中立角色负责总结分歧点。三个角色共享同一份特征数据，但prompt的立场不同，最后通过投票或加权得出初步结论。

第四层是风控校验层。对推理结论做硬性约束检查。比如仓位建议不能超过预设上限，止损位必须明确，单次建议涉及的标的数量不能超过阈值。这一层是纯规则引擎，不经过LLM，防止模型在极端行情下输出激进建议。

第五层是记忆与反馈层。记录每次决策的完整上下文和后续实际表现，用于定期回测和prompt迭代。这一层让Agent具备“从历史中学习”的能力，但学习的方式不是在线更新模型参数，而是通过检索相似历史场景来调整当前推理的参考权重。

这五层之间通过明确定义的接口通信，每层的输出都是下一层的输入，且每层都有独立的日志记录。这样做的好处是，当最终结论出现偏差时，我可以快速定位是哪一层的哪个环节出了问题，而不是面对一个黑箱束手无策。

1.3 百亿token到底花在哪里了

很多人好奇百亿token的消耗分布。我拉了一下自己的账单记录，大致比例如下：

可以看到，辩论推理是大头。为什么需要多轮采样？因为投资决策对一致性要求很高，单次采样随机性太大。我的做法是每个角色跑3次，取多数一致的结论作为该角色的输出，然后再进入跨角色辩论。这样虽然token消耗翻了3倍，但结论的稳定性明显提升。

长文档解析的消耗也不容小觑。一份年报动辄两三百页，如果直接塞进上下文，不仅贵，而且模型容易“迷失在中间”。我的优化策略是分层摘要：先用小模型对每个章节做摘要，再用大模型对摘要做二次整合，最后只把整合后的关键信息送入推理层。这样能把单份年报的token消耗压到原来的三分之一左右。

2. 核心模块的细节实现与避坑指南

2.1 数据管道：清洗比采集更重要

数据接入听起来简单，实际上是最耗时的环节。我大概花了整个项目40%的时间在数据清洗上。几个关键点：

时间对齐是第一条红线。行情数据通常是秒级或分钟级，财务数据是季度级，公告是事件级。如果不做对齐，很容易出现“用收盘后发布的公告去解释当天盘中走势”这种逻辑错误。我的做法是统一用“决策时点”作为基准，所有数据只取该时点之前已经发布的部分。这个规则听起来简单，但实现时要处理很多边界情况，比如公告的发布时间戳和实际可获取时间可能有延迟。

缺失值处理不能一刀切。财务数据缺失和行情数据缺失的处理方式完全不同。行情缺失可以用前值填充或插值，但财务数据缺失往往意味着公司没有披露，这时候填充反而会引入偏差。我的策略是：行情类缺失做插值，财务类缺失标记为“未披露”并让模型知道这个信息本身就有意义。

异常值检测要结合业务逻辑。纯统计方法（比如3σ原则）在金融数据上经常误杀。比如某天换手率突然放大，统计上是异常，但业务上可能是重大事件导致的，这个“异常”恰恰是重要信号。我的做法是统计检测和事件检测并行，只有两者都触发才标记为需要人工复核的异常。

实操心得：数据管道的日志要记录每个字段的来源、处理方式和时间戳。后期排查问题时，这份日志能帮你省下大量时间。

2.2 多角色辩论机制的设计细节

多角色辩论是我认为最有价值的设计。具体实现上，我定义了三个基础角色：

• 看多角色：prompt中明确要求“寻找所有支持上涨的证据，对利空因素给出反驳或弱化解释”
• 看空角色：与看多对称，要求“寻找所有支持下跌的证据，对利多因素给出质疑”
• 中立角色：不预设立场，负责梳理双方论据、指出逻辑漏洞、给出概率化判断

每个角色都能访问相同的工具集，包括财务指标查询、舆情检索、历史相似场景检索等。但它们的检索策略不同：看多角色会优先检索正面新闻和超预期指标，看空角色则相反。这种检索偏差是刻意设计的，目的是让辩论更充分。

辩论的终止条件不是“达成一致”，而是“分歧点明确”。很多时候多空双方就是无法说服对方，这本身就是重要信息——说明当前标的存在重大不确定性。中立角色会把分歧点列出来，并给出“在何种条件下看多逻辑成立、在何种条件下看空逻辑成立”的条件化结论。

这里有个坑：不要让角色之间直接对话。我试过让看多和看空角色互相回复，结果它们很快陷入互相攻击的循环，token消耗暴涨但信息增量很少。后来改成“各自独立输出→中立角色汇总”的星型结构，效率高很多。

2.3 风控校验层的硬规则设计

风控层是纯代码实现的，不经过LLM。规则大概有这几类：

仓位约束。单次建议的仓位变化不超过总仓位的某个百分比，具体数值根据账户风险等级设定。这个约束是硬性的，如果推理层给出的建议超限，风控层会直接截断并记录一条警告。

止损约束。任何买入建议必须附带明确的止损条件，可以是价格止损，也可以是逻辑止损（比如“如果下季度营收增速低于X%则退出”）。没有止损条件的建议会被风控层打回。

集中度约束。单次建议涉及的标的数量、行业分布都有上限。防止Agent在某个热门赛道上过度集中。

流动性约束。建议的仓位规模不能超过标的近期日均成交量的某个比例，避免建议本身影响市场价格。

这些规则看起来简单，但参数设定需要结合具体账户情况反复调整。我的经验是先用保守参数跑一段时间，观察风控层拦截了多少建议、拦截的原因分布，再逐步放宽。一开始就设得很宽松，等于没有风控。

2.4 记忆系统的检索策略

记忆系统不是简单的“存下来、查出来”。投资场景的记忆检索有几个特殊要求：

时间衰减。越久远的记忆权重越低，但衰减速度不是线性的。我的做法是给每条记忆打一个“时效分”，根据决策类型不同，衰减曲线也不同。比如宏观判断的记忆衰减慢，个股事件的记忆衰减快。

相似度计算要结合结构化特征。纯文本相似度不够用，还要考虑市场状态（波动率水平、趋势强度）、标的特征（行业、市值、估值分位）等结构化维度。我最终用的是文本嵌入和结构化特征的加权组合。

检索结果要重新排序。初步检索出Top-K条记忆后，再用一个轻量模型对每条记忆与当前场景的相关性做二次打分，只保留高分的前几条送入推理层。这一步能显著减少无关记忆对推理的干扰。

3. 完整实操流程：从数据到决策的全链路

3.1 决策触发与数据准备

整个流程的起点是决策触发。触发方式有两种：定时触发（比如每天开盘前跑一次）和事件触发（比如某标的出现异常波动或重大公告）。事件触发的响应速度要求更高，所以数据准备策略也不同。

定时触发时，我会提前把大部分数据准备好，决策时只需要拉取最新增量。事件触发时，需要快速拉取相关数据，这时候数据源的响应速度就成了瓶颈。我的做法是对关键数据源做本地缓存，缓存更新频率根据数据类型设定，行情类高频更新，财务类低频更新。

数据准备完成后，会生成一个“决策上下文包”，包含：当前市场状态摘要、标的特征向量、相关记忆检索结果、可用工具列表。这个包会作为后续所有推理步骤的共享输入。

3.2 多轮辩论的完整执行记录

我截取一次实际决策的简化记录来说明流程。假设决策时点是某日开盘前，标的是某消费行业公司。

第一轮：独立分析。看多角色输出：营收连续三个季度加速，毛利率企稳回升，舆情正面占比65%，给出“偏多”判断。看空角色输出：估值处于历史80%分位，机构持仓拥挤度高，近期有大股东减持公告，给出“偏空”判断。中立角色输出：双方论据都成立，核心分歧在于“业绩加速能否抵消估值压力”。

第二轮：针对性补充。中立角色提出需要补充两个信息：一是历史上类似估值分位下，业绩加速标的的后续表现；二是大股东减持的规模和节奏。系统自动调用历史检索工具和公告解析工具，获取补充信息。

第三轮：条件化结论。基于补充信息，中立角色给出条件化判断：如果减持规模低于流通股的某个比例，且下季度业绩预告超预期，则看多逻辑成立；否则看空逻辑占优。最终结论附带明确的触发条件和观察指标。

整个流程跑了三轮，消耗token约数万，耗时约两分钟。这个速度和成本对于日频决策来说是可以接受的。

3.3 风控校验与最终输出

推理层输出后，进入风控校验。假设推理层建议“买入，仓位增加2%”，风控层检查：仓位变化在允许范围内，通过；止损条件明确，通过；标的集中度未超限，通过；流动性约束满足，通过。最终输出建议。

如果任何一项不通过，风控层会返回修改意见，推理层需要重新生成建议。我设定最多重试两次，两次都不过就放弃本次决策并记录异常。

最终输出格式是结构化的，包含：建议动作、建议仓位、止损条件、核心逻辑摘要、主要风险点、需要持续跟踪的指标。这个格式是固定的，方便后续回测和复盘。

3.4 回测与迭代的实操方法

回测不是简单地把历史数据跑一遍。我的做法是逐决策点重放：对历史上每个决策时点，用当时可获取的数据重新跑一遍完整流程，记录输出，然后与实际后续表现对比。

回测中最容易犯的错误是未来函数。比如用了后来才发布的财务数据，或者用了事后修正过的行情数据。我的防范措施是：所有数据都带版本号，回测时严格使用决策时点对应的数据版本。

迭代方面，我主要调整三类东西：prompt的措辞、辩论角色的数量、风控规则的参数。每次只调一类，观察回测指标的变化。回测指标我关注三个：方向准确率、风险调整后收益、最大回撤。三个指标要同时看，单独优化任何一个都容易过拟合。

4. 常见问题与排查技巧实录

4.1 模型输出不稳定的排查思路

模型输出不稳定是最高频的问题。同样的输入，跑两次结论相反，这在投资场景里是致命的。排查思路按优先级排列：

第一，检查温度参数。推理层我最终把温度设到很低，接近确定性输出。但即使这样，由于浮点计算的微小差异，极端情况下仍可能出现不一致。所以关键决策我会跑三次取多数。

第二，检查上下文长度。上下文过长时，模型对中间部分的注意力会下降，导致关键信息被忽略。我的做法是严格控制送入推理层的token数量，超长内容先做摘要。

第三，检查prompt的歧义。有些措辞在不同语境下理解不同。比如“近期”这个词，模型可能理解为三天，也可能理解为三个月。所有时间相关的表述我都改成明确的天数。

第四，检查工具返回结果的格式。如果工具返回的JSON格式有细微变化，模型可能解析失败但不会报错，而是基于错误理解继续推理。所有工具返回都做了严格的格式校验。

4.2 数据延迟导致的决策偏差

数据延迟是另一个隐蔽的坑。有一次回测表现很好，实盘却差很多，排查后发现是回测时用了修正后的财务数据，而实盘时用的是原始数据，两者有差异。

解决方案是建立数据版本管理机制。每个数据点都记录：原始值、修正值、修正时间、修正原因。回测时根据决策时点选择对应版本。实盘时只用当时可获取的版本。

另外，对于公告类数据，要区分“发布时间”和“可获取时间”。有些公告在非交易时段发布，实际可获取时间是下一个交易时段开始。这个细节对短线决策影响很大。

4.3 辩论陷入僵局的破解方法

多空辩论有时会陷入僵局，双方各执一词，中立角色也无法判断。这种情况我遇到过几次，破解方法有这几个：

引入第三方视角。比如从产业链上下游的角度看，或者从跨市场比较的角度看。有时候A股看不清的，看看港股或美股的同类标的表现，会有启发。

降低决策粒度。如果日频决策僵持不下，就退到周频看趋势。粒度放粗后，噪音减少，分歧往往自然消解。

标记为“不确定”并放弃决策。这是最后的手段。投资中“不决策”也是一种决策。当分歧无法弥合时，空仓等待比强行决策更安全。

4.4 常见问题速查表

避坑技巧：每次修改prompt或参数后，不要只看单次结果，要跑一批历史决策点看整体指标变化。单次结果好可能是运气，整体提升才是真的改进。

4.5 成本控制的几个实用手段

百亿token听起来多，但分摊到每次决策其实可控。几个降本手段：

分层用模型。简单任务用轻量模型，复杂推理才用大模型。比如文档摘要用轻量模型，多角色辩论用大模型。

缓存复用。相同的数据查询结果缓存起来，避免重复调用。尤其是历史回测时，大量查询是重复的。

批量处理。多个标的的决策可以批量跑，共享部分上下文，减少重复计算。

定期清理记忆。低价值的记忆及时归档或删除，减少检索时的计算量。

这些手段综合下来，我的单次决策成本比最初降低了约60%，而决策质量没有明显下降。

5. 一些个人体会和后续可扩展的方向

这个Agent跑了一段时间，最大的体会是：投资Agent的核心竞争力不在模型，而在数据质量和流程设计。模型能力是公开的，大家都能用，但数据清洗的细致程度、辩论机制的设计、风控规则的合理性，这些才是差异化的来源。

另一个体会是不要追求全自动。我目前的定位是“决策辅助”而非“决策替代”。Agent输出建议，人来最终拍板。这样既利用了Agent的信息处理能力，又保留了人的判断力和责任感。完全自动化的投资系统，在可预见的未来我都不太放心。

后续可以扩展的方向有几个：一是引入更多非结构化数据，比如供应链数据、卫星图像数据等；二是优化辩论机制，引入更多元的角色视角；三是完善反馈闭环，让记忆系统能更智能地识别“哪些历史经验在当前场景下真正适用”。

这个项目我还会继续迭代，有新发现再分享。