在金融領域，研報作為決策參考的核心載體，其生成過程往往涉及海量數據采集、多維度分析及專業內容整合，傳統人工制作模式不僅耗時耗力，還難以滿足實時性與標準化需求。隨著人工智能技術的發展，“智能體賦能的金融多模態報告自動化生成”方案應運而生，通過整合大語言模型（LLM）、檢索增強生成（RAG）、MCP等技術，實現了研報從需求識別到最終交付的全流程自動化。

效果圖：

一、方案整體架構與核心目標

本文將基于完整技術架構，詳細拆解該方案的核心模塊、工作邏輯與實現細節。

1.1 核心目標

以“提高效率、標準化輸出”為核心，實現用戶輸入觸發→多源數據采集→多維度分析→研報自動化生成→下載交付的端到端閉環，支持金融研報的快速生成與重復利用（若當日已生成同公司研報，直接返回下載地址），同時兼顧內容的專業性（如財務比率分析、行業對比）與格式的規范性（HTML轉PDF、Markdown表格）。

1.2 整體技術棧

方案融合了數據采集、知識檢索、智能調度、內容生成等多類技術工具，核心組件如下：

技術類別	具體工具/模塊	核心作用
數據來源	東方財富、Akshare、同花順、財經新聞網站、MCP服務	提供上市公司全維度數據（財務報表、股票信息、機構評級等）
知識檢索	RAG（檢索增強生成）、向量庫（Milvs）、CRUD工具	快速召回目標公司相關數據，支撐研報分析內容
智能調度	任務拆分LLM、任務調度模塊、子任務執行Agent	拆解用戶需求為可執行子任務，調度資源完成任務執行
內容處理	內容潤色Agent、圖表工具、HTML模板填充、HTML轉PDF	生成標準化研報內容，轉換為可下載的PDF格式
交互與接口	對話窗口、FastApi接口（/fin/gen_report、/fin/download_report）	接收用戶輸入，返回研報結果與下載地址

二、全流程工作拆解：從用戶輸入到研報交付

整個研報自動化生成流程可分為意圖識別→任務拆分→任務調度→子任務執行→研報合成→格式轉換與交付六大核心環節，各環節環環相扣，形成完整工作流。

環節1：意圖識別——判斷需求并提取關鍵信息

用戶通過“對話窗口”輸入需求后，系統首先進行意圖識別，區分需求與研報的關聯性，同時提取生成研報必需的關鍵要素。
意圖識別這部分功能屬于后期規劃的內容，目前還處在第一期建設。

1.1 意圖分類與處理邏輯

• 無關研報需求：若用戶輸入為閑聊內容（如“今天天氣如何”），系統可直接閑聊互動，或回復“你的對話內容和生成研報無關！”。
• 相關研報需求：需進一步提取“上市公司名稱”或“股票代碼”，這是后續數據采集與研報生成的核心標識，處理規則如下：
  • 若識別到“上市公司名稱”（如“寧德時代”）：自動查詢對應的股票代碼（如“sh300750”）。
  • 若直接識別到“股票代碼”（如“sh300750”）：無需額外查詢，直接進入“任務拆分”環節。

1.2 研報重復生成判斷

為避免重復計算資源浪費，系統會校驗“當日是否已生成該公司研報”：

• 是：直接返回歷史研報的下載地址，無需執行后續流程。
• 否/用戶要求“重新生成”：觸發下游“任務拆分”環節，啟動全新研報生成工作流。

環節2：任務拆分——基于LLM拆解研報核心子任務

研報內容涵蓋財務、行業、戰略、風險等多維度分析，需通過LLM將“生成某公司研報”這一總需求，拆解為多個可獨立執行的子任務，確保分析維度全面、邏輯清晰。

2.1 核心子任務清單（含必選與可選）

LLM需至少拆解出以下子任務，覆蓋研報核心模塊：

1. 采集并整理公司三大會計報表數據（資產負債表、利潤表、現金流量表）；
2. 分析公司主營業務、核心競爭力與行業地位（含市場份額、技術優勢、客戶群體等）；
3. 計算關鍵財務比率（如ROE、毛利率、現金流匹配度），并與行業同行對比；
4. 選取可比公司進行橫向競爭分析（財務表現、市場定位、技術能力對比）；
5. 解讀公司發展戰略與未來規劃（市場擴張、研發投入、合作項目等）；
6. 總結潛在風險因素（市場風險、經營風險、政策風險），并給出風險提示。

環節3：任務調度——整合子任務并調用API接口

任務拆分完成后，“任務調度模塊”接收所有子任務作為輸入參數，調用后端核心API接口（/fin/gen_report），啟動研報生成流程。API接口是連接“任務調度”與“子任務執行”的關鍵樞紐，執行以下四步操作：

1. 子任務合并：將LLM生成的“動態子任務”與系統“預制子任務”（如“公司基本信息整理”“股票價格趨勢分析”）合并，形成完整子任務列表；
2. 子任務分發：輪詢取出每一個子任務，分配給下游“子任務執行Agent”；
3. 執行狀態監聽：待所有子任務執行完成后，觸發下游“研報章節合成”環節；
4. 異步返回結果：API接口接收到任務后，立即向調用方（任務調度模塊）返回結果，包含研報下載地址（子任務執行在后臺異步完成，不阻塞前端交互）。

3.1 API返回結果示例（JSON格式）

{"code": "000","msg": "研報生成完成:sh300750-寧德時代","data": "http://127.0.0.1:8001/fin/download_report?report_file_name=sh300750_寧德時代_02.md"
}

環節4：子任務執行——Agent驅動數據檢索與內容生成

“子任務執行Agent”是研報內容生產的核心執行者，基于RAG知識檢索與數據抓取工具，完成“數據獲取→數據校驗→內容潤色”的子任務閉環。

4.1 核心執行邏輯

1. 子任務傳遞：Agent接收子任務名稱（如“計算寧德時代ROE并與行業對比”），傳遞給“知識檢索RAG工具”；
2. 知識檢索與數據校驗：
   • RAG工具通過“語義相似度檢索”和“關鍵字檢索”兩種方式查詢數據，每種方式最多返回3條記錄，共6條候選數據；
   • 對6條數據進行精排（基于相關性、時效性），最終取前2條作為檢索結果；
   • Agent判斷檢索結果是否足以完成子任務：若不足，調用“數據抓取工具”補充數據；若足夠，進入“內容潤色”環節。

4.2 數據抓取工具：多源數據采集與存儲

數據抓取工具從東方財富、Akshare、同花順等權威金融平臺獲取數據，覆蓋以下核心維度：

• 公司基礎數據：基本信息（成立時間、注冊資本）、股權結構、股票信息（股價、成交量）；
• 財務數據：三大財務報表、季度/年度財務指標；
• 行業與機構數據：行業對比數據、機構評級數據、股價預測數據、經營分析數據。

抓取的數據存儲到Milvs向量數據庫，存儲規則如下：

• 核心存儲內容：原始數據、數據主題（如“寧德時代2023年利潤表”）、數據來源（如“Akshare”）、股票代碼、公司名稱；
• 元數據（metadata）：將“數據主題、數據來源、股票代碼、公司名稱”存入元數據，便于后續RAG工具快速檢索。

4.3 內容潤色Agent：生成標準化子任務內容

內容潤色Agent基于“檢索數據+子任務標題”，生成符合研報規范的內容，核心規則如下：

• 表格數據：自動轉換為Markdown格式表格（如“寧德時代2023年關鍵財務比率表”）；
• 圖表需求：調用“圖表工具”生成可視化圖表（如“寧德時代與同行毛利率對比圖”）；
• 來源標注：所有表格數據、圖表數據必須標注數據來源（如“數據來源：東方財富2023年報”）；
• 格式輸出：最終生成包含“子任務標題+潤色內容”的Markdown文件（如“子任務3：財務比率分析.md”）。

環節5：研報章節合成——整合子任務內容形成完整框架

所有子任務的Markdown文件生成后，需通過“研報章節合成”模塊整合為完整研報，核心依賴LLM實現“內容歸類與標題結構化”：

1. LLM接收所有子任務Markdown文件，根據內容邏輯（如“基礎信息→財務分析→行業對比→戰略風險”），將子任務填充到研報的一二級章節中；
2. 自動生成研報總標題（如“sh300750寧德時代2023年年度研報”）與目錄，確保章節邏輯連貫、層次清晰；
3. 輸出帶有HTML標簽的完整研報內容（為后續HTML模板填充做準備）。

環節6：格式轉換與交付——HTML填充→PDF生成→下載

研報內容框架確定后，需完成格式轉換與存儲，最終通過“對話窗口”向用戶交付下載地址。

1. HTML模板填充：將“帶有HTML標簽的研報內容”填充到預定義的HTML模板中（模板包含字體、排版、頁眉頁腳等樣式，確保研報格式統一）；
2. HTML轉PDF：調用工具將HTML格式研報轉換為PDF格式，存儲到服務器指定目錄；
3. 下載地址返回：系統將PDF文件的下載地址（通過FastApi的/fin/download_report接口生成）返回至“對話窗口”，用戶點擊即可下載研報；
4. 交互限制：對話窗口采用“單輪阻塞”機制——只有當前工作流完成并返回結果后，才能接收用戶下一次輸入，避免任務沖突。

三、關鍵技術亮點與應用價值

3.1 技術亮點

1. 多模態數據融合：整合文本（新聞、財報）、表格（財務數據）、圖表（對比分析）等多模態內容，滿足金融研報的專業性表達需求；
2. RAG+Agent協同：通過RAG實現精準數據檢索，Agent實現動態推理與任務執行，解決“數據不足→補充抓取”的自適應問題；
3. 異步任務調度：API接口異步返回結果，避免前端等待，提升用戶交互體驗；
4. 向量庫高效檢索：Milvs向量庫結合元數據檢索，確保數據召回的時效性與相關性，支撐研報快速生成。

3.2 應用價值

• 對金融機構：將研報生成周期從“數天”縮短至“分鐘級”，降低人工成本，同時通過標準化流程減少人為誤差；
• 對個人投資者：快速獲取專業、全面的公司研報，為投資決策提供實時參考；
• 對行業生態：可擴展至“行業研報”“宏觀經濟報告”等場景，成為金融AI化的核心基礎設施之一。

上一篇《開發金融分析Agent，讓AI寫研報，你敢用嗎？》
下一篇《AI賦能金融研報自動化生成：智能體系統架構與實現》

開源代碼庫