场景与目标
二级市场投研的典型诉求是：给一个问题（一家公司、一个行业、一个策略），得到一份数据有来源、结论有边界、能进入评审的分析产出。官方金融投资分析助手覆盖 A 股、港股、美股的公司研究、估值建模、宏观策略、量化回测与组合风控，设计目标有三条：- 专业工作流，而不是通用问答：投研任务先被结构化拆解（市场、标的、深度、产出形式），再交给对应的专职角色执行，而不是让一个智能体从头答到尾；
- 数据有来源：所有取数经数据源路由完成，输出标注数据来源与取数日期；无法取数或无法核实的内容列入「待核实」并注明原因，严禁编造；
- 分析不越界：只做研究分析，不执行任何交易；结论区分事实、推断与不确定信息，保留人工审核边界。
设计思路拆解
官方金融投资分析助手的全部能力来自「模型 + 系统提示词 + 多智能体委派 + 投研插件」的组合，工具使用平台默认内置工具集。下面按配置项逐项拆解：官方的选择、背后的考虑、自建时的取舍。多智能体架构：1 个路由主智能体 + 13 个专职子智能体
与 PPT 助手 的单智能体形态不同，金融投资分析助手是一个多智能体团队：- 主智能体（路由）：团队唯一入口，本身不做分析。它负责理解任务、判断该交给谁、组装共享上下文，然后把任务委派给正确的专职角色。
-
执行层 6 个专职子智能体，每个角色负责一类工作：
- 复核层 7 个子智能体：价值、成长、逆向、宏观、质量、动量 6 个分析视角，从不同角度审视同一份证据；另有 1 个负责汇总的子智能体，把六份结果整理成一份对照清单，标出哪些点互相印证、哪些点存在冲突。它们只提供分析视角，不下结论，也不发指令。
multiagent 字段里：13 个子智能体的引用在创建时固定版本，运行时主智能体通过 spawn_subagent 工具按角色名委派任务，机制详见 多智能体编排。
系统提示词：两段式路由 + 上下文信封 + 护栏
主智能体的系统提示词，核心是一套路由规则。其中有三条规则对任何多智能体团队都成立：- 两段式路由：收到模糊或混合的请求时，先用 question-router 技能判断任务类型（市场、标的、工作流、深度），只选定一个牵头的主技能；主技能再自行选择支持工作流。路由只产出元数据（选谁、为什么），不产出交付物。
- 上下文信封（ContextEnvelope）：每次委派都携带同一个上下文信封，包括市场、语言、币种、会计准则、数据质量策略、产出目标和是否需要人工确认。子智能体拿到任务时，不需要再向用户追问这些口径。
- 护栏：不执行任何交易；缺失数据不当作零（除非显式声明假设）；回退数据、陈旧数据、幸存者偏差与重述风险必须披露；建议与事实、计算、假设分开呈现；来源、论断、事项分别使用固定前缀编号，保证整条委派链上的引用可以回溯。
插件：打包完整的投研工作流
官方只挂载了一个插件——金融投资分析（企业版）。它把二级市场投研的完整工作流打包分发：- 工作流技能：插件打包了 70 余个专用技能，覆盖公司研究、宏观策略、财报事件、估值、量化筛选与组合风控等类别（公开视图列出其中 11 个主技能），选用规则写在主智能体的系统提示词里（见上文「系统提示词」）。
- 数据源对接：插件中的数据源技能统一对接 万得 Wind、同花顺 iFinD、恒生、财新数据、新华财经、天眼查、全球金融数据和国际官方组织等数据源；智能体用「能力名」请求数据（如
market.price.eod、fundamental.estimates），不需要关心具体供应商接口。 - 产出与质检：插件中的产出与质检技能覆盖研究报告、演示文稿、数据看板等产出形态，成品由独立的终检技能做最后一道把关。
模型与工具
官方选择kimi-k3：主智能体要做路由判断，子智能体要通读长文档，产出还要严格结构化，对长上下文和指令遵循的要求都很高。工具用平台默认内置工具集：文件读写、命令执行、代码运行、联网检索、待办管理、产物交付等工具开箱即用；外部数据能力已由插件的数据源路由覆盖，一般不需要再接 MCP 服务，需要接时见 接入 MCP。
起点模板
多智能体团队是进阶形态。自建投研智能体的最小起点是 单智能体 + 投研插件：插件自带完整的工作流技能体系，单个智能体挂载后，就能按同样的工作流执行投研任务。下面给出一个可运行的最小起点：agent.id 作为 AGENT_ID。插件 ID 用 GET /v1/plugins 列出后按显示名「金融投资分析（企业版）」查找，或在控制台智能体表单中直接勾选。之后按需调整的字段：
资源准备
- 执行环境：通用云沙箱即可，
config传{"type": "cloud"}，全部使用默认值；投研分析没有特殊的依赖或网络要求，详见 快速开始。 - 原始材料（推荐）：财报、研报等材料先通过
POST /v1/files上传拿到file_id，创建会话时挂进resources，文件以只读副本出现在沙箱的/mnt/agents/upload/下。有原始材料的分析，质量明显高于纯检索，详见 文件。 - 凭据（可选）：数据插件需要授权时，先在凭据库配好凭据，并在创建会话时把凭据库挂进
resources（绑定只在创建时生效），运行时自动注入，见 凭据库。
调用示例
完整的调用流程（选智能体、建环境、建会话、订阅事件流、发消息、取文件）见 快速开始，这里只展示投研任务的特有部分。创建会话（AGENT_ID 是官方或自建智能体的 ID，ENVIRONMENT_ID 是执行环境 ID）：
session.id 作为 SESSION_ID，订阅事件流（见 快速开始），然后下达任务：
idle 后，先通过产物接口取回交付物（下载方式见 快速开始 的「等待执行完成并下载产物」一节）：
运行与观察
事件流能看到团队的完整工作过程。多智能体团队执行任务时，值得关注的信号：agent.tool_use中出现spawn_subagent：主智能体正在委派任务——可以看到它选择了哪个角色、任务说明和上下文信封长什么样。角色选得不对时，这是最早可以介入纠正的时机。session.thread_status与agent.thread_message_received：各专职子智能体所在线程的启动、完成与回报。每个子线程的进展可以单独跟踪，详见 多智能体编排。agent.tool_use/agent.tool_result：能看到每次取数调的是哪个数据源、什么口径。session.status：running表示团队开工，回到idle表示本轮完成，可以下载产物。session.error：任务失败时出现，带错误类型和信息。
写清任务描述
同一个智能体，任务描述决定产出质量。四条原则按重要性排序：1. 说清市场和标的
市场（A 股/港股/美股）和标的（公司名或代码）是路由时最先要确定的信息。给出代码能避免同名歧义。示例：「研究宁德时代（300750.SZ，A 股）」，而不是「帮我看看宁德」。
2. 说清深度
默认主技能是公司研究速览（pm-company-tearsheet）；需要深度研报（pm-equity-deep-dive）就明确说「深度研究」。
- 速览：「做一份宁德时代公司研究速览」；
- 深度：「对宁德时代做深度研究，给出完整投资论点与估值」。
3. 确定数据口径
挂载了投研插件的智能体，任务里写明数据来源与口径要求即可，不用自己准备数据。示例：「用 Wind 拉取最近四个季度的财务数据，所有数据标注来源与取数日期，无法核实的列入待核实。」
4. 确认产出形式
备忘录、深度报告、演示文稿、数据看板各有专用的产出技能，在任务里点名即可；不点名时默认输出文字分析。示例：「输出一份公司研究备忘录，保存到 output/ 目录。」
进阶方向
- 多智能体自建：先跑通「单智能体 + 投研插件」，再参考官方架构拆分团队，委派配置写在
multiagent字段里，详见 多智能体编排。 - 定时投研：晨报、盯盘、定期复盘这类周期性任务，用触发器按计划自动运行，详见 定时部署。
- 批量研究：多个标的可以在同一个会话里一起下达，让主智能体委派给不同子线程并行处理，产出统一落在该会话的 output/ 目录；需要会话级隔离时，再建多会话并发跑。
- 嵌入自有系统：把托管智能体 API 接进已有系统——通过 API 创建会话、订阅事件流、取回产出，接入自己的业务看板、审批流或发布流程。
下一步
多智能体编排
委派配置、spawn_subagent 与线程事件。
插件
插件的引用方式、版本固定与凭据注入。
定时部署
用触发器把周期性投研任务做成定时运行。