在A股投资领域，个A股老许多用户渴望AI能直接给出“买入代码”这一终极答案。手的t实然而，验扣拥有多年实战经验的投研投资者周晴深知，高质量的助理投资决策源于严谨的思考闭环，而非简单的个A股老结论。

面对梳理海量数据、手的t实比对财务指标等耗时耗力的验扣研究痛点，周晴希望借助AI实现投研流程的投研自动化提速。近期，助理面对市场波动，个A股老她将目光重新锁定在高股息资产，手的t实特别是验扣银行股板块，试图利用AI进行系统性的投研深度梳理。

为什么选择扣子（Coze）？助理

周晴的朋友自今年3月起，便利用字节跳动旗下的扣子（Coze）平台，实现了自动盯盘、分析及每日投资日报的生成。周晴认为，扣子之所以能成为投资人的得力助手，核心优势在于：

1. 多源数据接入：无缝对接同花顺、中金、广发等主流金融数据源。
2. 自动化工作流：通过定时任务，将投研中大量重复、连续的工作沉淀为标准化的固定流程。

基于此，周晴在扣子上自建了一个银行股投研Agent，并选取几家头部银行进行了全流程测试。

图注：周晴使用扣子生成报告后，导入飞书，直接查看这一周生成的所有报告

经过数周的迭代，周晴发现扣子逐渐“懂”了她的投资逻辑。这如同在积累“两本账”：一本记录市场数据，一本记录用户偏好。当这两本账合二为一，Agent便真正蜕变为专属的投研助理。

核心方法论：让一套逻辑跑起来

周晴并未向扣子提出“哪只银行股可以买”这种模糊问题，因为这类问题往往只能得到罗列指标、看似完整但缺乏深度的泛泛之谈。

相反，她首先向Agent植入了自己的投研框架：
1. 红利属性：首要关注点。
2. 资产质量：核心风控指标。
3. 净息差与负债成本：盈利能力的关键。
4. 同业比较：相对价值评估。
5. 风险提示：必须单独列出，严禁只报喜不报忧。

这一框架看似简单，实则涵盖了投研的全链路：既需要充足且可靠的指标数据储备，又需进行同业横向对比，更要辨析“高分红”是否源于利润质量，以及“低PB”是否隐含陷阱。

数据源的突破：从“手动喂数据”到“技能调用”

在过去，搭建类似Agent需要耗费大半天时间：从金融终端导出财报、行情、指标，再编写复杂的提示词串联数据。

而在扣子上，周晴直接调用了A股投资分析相关的Skill（技能包），包括：
* 企业财报及业绩数据查询
* 红利股分析
* 机构观点聚合
* 板块热度监测
* 量化分析能力

这些技能背后对接的是专业金融数据库，数据可直接用于分析，无需手动下载农行、工行、建行、中行等财报。

当周晴输入“先看农业银行和工商银行”时，扣子自动拉取行情、财报、红利指标及机构观点，并严格按照预设框架整理输出。

人机协作：交叉验证是关键

周晴并未盲目信任AI输出。她会抽查关键数据（如股息率、不良率、NIM、核心一级资本充足率），并回到年报原文和公告中进行交叉验证。确认口径无误后，才将报告作为后续判断依据。

图注：根据投资框架，银行投研agent输出对xx银行的分析

外部数据解决的是“有据可查”的问题。

记忆机制：它记住了“怎么看”

第一次运行农业银行分析时，周晴主要验证流程可行性。结果显示，扣子成功拆解了银行股的核心维度：
* 负债端：存款成本与负债结构。
* 资产质量：不良率、拨备覆盖率及潜在风险。
* 分红端：股息率、分红支付率及资本充足率。
* 同业比较：将农行与工行置于同一坐标系下对比。

图注：5家银行的股息率对比情况

随后，周晴让扣子继续分析招商银行和交通银行。此时，Agent展现出了“助手”的特质：无需重复指令。

扣子自动沿用了周晴之前的观察习惯：
* 关注分红持续性。
* 警惕净息差压力。
* 重视资产质量。
* 强制进行同业比较。
* 保留风险提示模块。

图注：扣子执行招商银行与交通银行的并行分析

图注：同业横向对比红利属性、资产质量、NIM、估值和风险项

Agent的真正价值在于沉淀用户的方法论。它记住的不仅是“周晴关注银行股”这一标签，更包括关注的原因、指标权重及风险考量。至此，Agent开始具备“风格”——即周晴的投研习惯。

扩展应用：从银行股到全域红利资产

银行股仅是入口。周晴真正寻求的是能为投资组合提供安全垫的资产类别。

经过市场波动洗礼，她的偏好明确为：
* 分红稳定。
* 现金流清晰。
* 估值合理。
* 波动可控。
* 商业模式易懂且风险可追踪。

周晴向扣子提问：“除银行外，A股还有哪些符合上述偏好的资产？”

若为普通问答工具，AI可能仅按股息率排序列出股票。但高股息不等于好红利，其中存在诸多陷阱：
* 股价大跌导致的被动高股息率。
* 周期高点带来的不可持续高分红。
* 支付率超100%导致的未来分红空间受限。
* 看似便宜但现金流/盈利稳定性差的资产。

扣子并未简单排序，而是将资产分类为：公用事业、电力、交通运输、资源能源等，并为每类资产补充特定的风险条件。

同时，Agent主动识别并提示了“红利陷阱”：
* 支付率>100%：分红不可持续。
* 周期股（如煤炭）：依赖当期利润，行业下行时分红迅速回落。

图注：扣子提示高股息率陷阱

Agent没有将周晴的偏好简化为“喜欢高股息”，而是真正理解了其核心诉求：稳定分红、安全边际、低估值/低波动、风险可验证。这正是周晴愿意持续使用并付费的原因。

核心洞察：
当一个Agent只知道你问过什么，它只是一个聊天工具；
当它开始记住你为什么这么问，它才有机会变成真正的投研助手。

总结：构建专属投研Agent的“两本账”

周晴将这一体验概括为：好用的投研Agent，必须同时掌握“两本账”。

1. 一本记市场（外部数据）：
2. 包含行情、财报、公告、研报、板块热度、机构观点、红利指标等。

3. 作用：决定分析是否有据可查。缺乏此账，AI分析不可靠。

4. 一本记你（内部记忆）：

5. 包含用户关注的资产类型、投资风格、指标权重、风险偏好等。
6. 作用：决定Agent能否越用越贴近用户的方法论。

两本账合一，投研Agent才能将一套方法论持续、自动化地运行下去。

虽然Agent无法替代人的最终判断，也不能承担投资风险，但它能接管判断前最耗时、最重复、最易遗漏的环节。

快速搭建指南

周晴原本预估搭建此类Agent需耗时大半天，但实际体验发现，只需完成以下步骤即可启动：

1. 明确框架：清晰定义自己的分析逻辑与投资偏好。
2. 选择技能：在扣子中搜索并添加「A股投资分析」技能包。
3. 创建Agent：输入投资框架，通过对话不断测试和优化Agent。
4. 设定流程：添加跟踪股票池，设置每日或每周定时任务。

第一步无需复杂，从熟悉的板块开始，一个自动化的投研Agent即可成型。

免责声明：以上内容不构成投资建议，不代表刊登平台之观点。市场有风险，投资需谨慎，请独立判断和决策。