投资智能体先要有风险控制层，才能进入研究流程

投资智能体真正改变的，未必是“替你做出结论”，而是把研究的第一轮从通读所有材料，改成排序哪些事项值得人继续核查。它最有用的产物不是一段流畅的判断，而是一条带时间、来源、理由和不确定性的研究提醒。没有这层控制，自动化只会把难以追溯的判断包装得更像研究。

FINRA 2026 年监管观察材料把通用智能体的领域知识不足、奖励设计失配列为风险。美国证交会关于人工智能与投资管理的讨论，也把重点放在流程、披露和投资者保护上，而不是把投资裁量交给模型。这些材料共同指向一个实际变化：智能体可以检索、比较和分派工作，但不能因为表达自信就获得决策权。

一个可复现的流程是：每天结束时，系统只接收一个固定时间点以前的财报、电话会文字稿、组合风险报告和获准新闻源。智能体先抽取说法，并把每条说法对应到原文段落；第二轮再判断它是新信息、相互矛盾、对既有研究假设有影响，还是仅仅重复。达到规则的事项才进入队列，字段包括说法、来源链接、发布时间、比较区间、升级理由和不确定性说明。人再决定接受、驳回或要求补充来源。最终交付的是可审计的研究队列，不是交易建议。

控制层比模型的文采更重要。提示词应要求原文引证；找不到证据时必须写“未找到”。检索范围要锁定在观察时点，避免后来出现的资料泄漏进早先的判断。确定性规则可以处理重要性，例如指引措辞变化、新披露的依赖关系、风险指标是否越过历史区间；语言模型则负责抽取和比较。复核者还要记录提醒是有用、错误、重复、太晚，还是无法验证。

这也划清了能力边界。AI 可以降低搜索和比较成本，发现措辞不一致，让大批文件更容易导航；它不能仅凭管理层说法证明因果，也不能把一次意外变成持续影响，更不能把供应商给出的“置信度”当作校准概率。若只记录被人采纳的提醒，会有选择偏差；若消失的研究假设不再进入样本，会有幸存者偏差；若团队偏爱简短提醒而忽略准确但不方便的提醒，还会有报告偏差。激励也会污染结果：外部供应商可能偏好更多提醒，内部团队可能偏好更高的自动化数量。

可以用 60 分钟做一次安全测试，只使用研究资料。基线是预先选好的十份文件：人工找出五条会升级核查的说法，记录原文和时间。处理组让受约束的智能体对同一批文件生成上述队列，再隐藏标签进行比较。记录五条基线说法的召回率、无来源说法比例、重复率、核验中位时间和复核者一致率。不要下单，也不要使用未来信息。若智能体无法引用原文、违反资料截止时间，或无来源说法超过你事先设定的阈值，就停止测试。若延长为七天纸上观察，也只能检验流程稳定性，不能证明收益。

可参照两篇内部文章：AI 可以把业绩电话会变成可审计的研究队列 和 AI 可以先筛财报，但每个提醒都必须说清时间与理由。它们共享一个判断：可追溯的研究工件，比听起来像分析师的答案更可能留下长期价值。

主观投资者应练习检查来源和遗漏；系统团队应先测试信息泄漏、非平稳、延迟、成本和制度变化；构建者则要把复核标签、升级规则、访问权限和留存策略视为系统输入。前沿不在于智能体能否像分析师一样说话，而在于另一位分析师能否重建它看过什么、为何升级，以及哪些判断仍然必须由人承担。

Read in English →