在金融投研领域，信息的海洋浩瀚无边，而从中提取有价值的洞察和分析结论，对于投资决策至关重要。随着人工智能技术的发展，AI在自动化金融纪要生成中的应用正逐渐革新传统的信息处理方式。

过去几年，我在投研内容平台的建设中，深刻感受到金融市场信息爆炸的速度。特别是在路演方面，信息量的激增已经超出人工整理和分析的极限。

这篇文章，我想分享一下我在AI自动化金融纪要项目中遇到的挑战、解决方案以及下一步的探索方向。

一、投研内容生成和提取：为什么迫在眉睫？

举个例子，根据2023年的样本调查：

• 线上路演次数在3年内增长了18倍。
• 2023年，有1921家金融机构共进行了近14万次调研。
• 在我们内部的一个平台上，主要面向机构投资者，基金经理路演场次在今年也有非常大的增长。

每位基金经理都有自己独特的投资框架和观点。信息这么多，如何快速提取并整理出有用的洞察，成了我们每天都在面对的挑战。人工整理不仅耗时，还容易遗漏关键信息。

于是，自动化、智能化的投研内容生成和提取，就成了提升效率的关键。

二、基金经理调研AI项目：挑战与解决方案

在我们的AI项目落地过程中，我们遇到了不少技术和业务挑战。下面是我总结的几大难点和应对策略：

1. 大模型的精准应用

• 如何选择合适的大模型？ 我们尝试了多种大模型，发现通义千问和豆包在金融领域的泛化能力和性价比表现不错。
• 角色塑造和Prompt工程 在实际应用中，我们通过Prompt定义AI的角色、分析框架和输出规则，让模型更贴合金融业务场景。

2. 输出质量的稳定性

AI生成的内容，偶尔会出现冗余和不连贯。我们采取了以下措施：

• 内容拆分：将大段文本拆成小块，分步生成，再汇总。
• 总结优化：让AI在通读全篇后生成总结，减少重复，保持连贯。

prompt示例如下：

下面的信息都属于调研要点，请你先学习和理解下，再次深度阅读并理解全文后，给出结果；

请合并内容重合的地方，避免重复，使总结更流畅和连贯。

请综合这些角度，通读全篇纪要后，输出能体现基金经理整体市场观点的总结，而无需逐一分项列出。

3. 减少模型幻觉

AI“瞎编”是个老大难问题。为此，我们设置了以下限制：

• 严格指令：如无信息，直接忽略，不要臆测。
• 内容筛选：优先输出更具概括性的内容，避免细节出错。

prompt示例如下：

如无对应信息，忽略该项；如有重复，优先选择更具概括性的内容。

4. 输入内容的质量分级

垃圾进，垃圾出。我们在输入环节引入了质量分级机制，根据内容来源和专业度打分，提升整体生成质量。

在这一步我们发现不合规的内容，大概占比为1.1%

5. 合规性保障

金融领域，合规是底线。我们的解决方案包括：

1）安全围栏工程：结合大模型自带的安全机制、敏感词库和风险词改写，保障内容合规。

2）风险处理策略：

• 风险拒答：直接拒绝生成高风险内容。
• 风险改写：替换敏感词，在安全范围内保留内容完整性。

三、系统实现方式

四、下一步：如何用AI赋能投研内容，让信息有“灵魂”？

这只是个开始，接下来我想探索更多可能性。我深刻感受到一个现实：机构投资者对内容的专业性和深度有着极高要求。他们不是单纯地在寻找新闻线索或简单的调研纪要，他们追求的是能支撑投资决策的洞察和分析结论。面对这样的群体，AI生成的信息，如何避免“机械化”、让数据和文字真正“有灵魂”？ 这是我一直在探索的问题。

五、成熟应用的局限：新闻和录音转文字、总结是不够的

市面上已经有很多成熟的AI工具能完成新闻信息提取和调研录音转文字，并在一定程度上提升了信息处理的效率。但是，某些直接的“信息堆砌”方式，对机构投资者来说，缺少了核心价值：

1. 缺少深度分析： 转文字只是基础，真正有价值的是这些信息背后的逻辑推导和投资观点。
2. 缺少观点提炼： 机构投资者更希望看到提炼后的关键信息和核心观点，而非大段冗长的文本。
3. 缺少个性化见解： 每位基金经理的投资框架和逻辑是独特的，仅仅记录他们的原话，并不能体现他们观点的“灵魂”。
4. 缺少可视化呈现： 机构投资者希望通过图表、数据可视化快速理解复杂信息，而不是被海量的文本压垮。

六、我的探索：如何让AI生成内容更专业、更有灵魂？

1）AI辅助深度分析，而非简单提取

tob的应用，还是优先利用的市场上比较专业的资料和素材，然后对输入的内容进行质量分级，用高质量的内容去归纳出基金经理的投资逻辑、市场判断和风险偏好。

示例探索方向： “在这次路演中，基金经理强调了哪些行业趋势？他们的核心观点如何影响资产配置？与过往调研相比，有哪些观点变化？”

2）融合大数据，让结论更有支撑力

简单的文本输出无法满足专业机构的需求，因此未来我可能会尝试将AI提取的调研内容与市场数据、财务数据、宏观指标结合，生成有数据支撑的结论。

举个例子： “根据基金经理对科技行业的乐观预期，我们结合最近半年科技板块的财务表现，验证其观点的合理性。”

3）自动化观点对比，挖掘潜在洞察

机构投资者关心的不只是单一观点，而是不同基金经理之间的观点差异。我们探索让AI自动生成观点对比分析，帮助投资者找到市场共识和分歧点。

应用场景： “在新能源板块调研中，A经理强调短期回调风险，B经理则看好长期增长。这种分歧背后的原因是什么？”

4）数据可视化，让信息“图说话”

最终呈现时，我们发现机构投资者更偏爱图表和可视化展示。因此，在AI生成文字内容的基础上，自动生成相关的图表，让信息更加直观。

探索方向： “将基金经理的行业配置观点，用饼图或折线图呈现，快速展示他们的持仓偏好和变化趋势。”

AI是工具，但真正的“灵魂”，是我们赋予它的专业性和洞察力。希望我的探索，能为你在投研路上的信息整理和决策提供一些灵感。也非常欢迎关注微信公众号私聊我进行交流~