告别大模型“幻觉”与“遗忘”，多Agent矩阵与Skill体系搭建AI投研系统

⚡关键信息

• ▸刘晨明团队指出研究员与基金经理的核心工作流是捕捉信息差、形成认知差并转化为投资决策，AI系统设计应以此为第一性原则。
• ▸系统分信息摄入层与经验加工层：前者提升投研语料广度、质量与即时性，后者把投研体系沉淀为可复用Skill。
• ▸主流大模型能力趋同，Agent基座的选择本质是对Harness驾驭工程的权衡，即在不动模型权重下优化外部运行环境。
• ▸报告点名两类低效实践：主观投研金工化丧失超额收益来源，单一机构打通全链路削弱分工并带来隐私泄露风险。
• ▸上下文衰减的根源是标准Transformer全注意力计算复杂度随序列长度呈O(n²)增长，Prompt越长回答质量越差。