让AI替你“消化”海量文档，从此告别信息过载。

大家好，我是[倦鸟的情绪小站]。在第一天，我们让智能体接上了“眼睛”（实时数据插件），它能看见现在正在发生什么。

今天，我们要给它装上一个“外接大脑”——知识库。让它不仅能看见当下，更能理解一家公司的过去、业务细节和所有复杂背景。最终实现：你扔给它一份上百页的PDF年报，一分钟内，它就能给你一份结构清晰的摘要。

一、为什么需要“知识库”？大模型不是什么都懂吗？

这是一个关键的误区。以解读财报为例：

你问一个基础大模型：“腾讯2023年金融科技业务增速如何？”

它可能会基于2023年之前的公开信息，给你一个笼统的回答。但对于2023年财报中披露的具体、最新的数字，它无能为力。因为它的训练数据有截止日期，且不包含非公开的、具体的文档内容。

知识库，就是解决这个问题的“独家记忆盘”。

你可以把公司的年报、招股书、深度研报、内部产品手册等任何文档上传进去。从此，这个智能体在回答相关问题时，会优先从你提供的“独家记忆”里寻找答案，给出有据可查、具体到数字的精准回答，而不是泛泛而谈。

本质上，你是在为通用大模型注入垂直领域的“专业灵魂”。

二、手把手教学：打造一个“财报分析专家”

我们以分析“腾讯控股2023年年报”为例。请准备好一份PDF格式的腾讯年报（可公开获取）。

第一步：创建智能体，并开启知识库功能

在扣子平台，进入你昨天创建的智能体，或新建一个，命名为“财报分析助手”。

在配置页，找到「知识库」模块，点击「新建知识库」。

第二步：上传文档，构建专属知识库

给你的知识库起名，如“腾讯公司研究资料库”。

点击「上传文件」，将下载好的《腾讯控股2023年年报.pdf》拖入或选择上传。

关键步骤：在「分段处理」中，选择“智能分段”。这能帮AI更好地理解长文档的结构（如章节、表格）。

点击「确定」，系统将自动处理文档，将其转化为AI可理解、可检索的格式。

第三步：设计“提问技巧”，让AI交出满分答卷

文档上传完毕，但如果你直接问“说说腾讯的财报”，AI可能还是回答得又长又散。你需要学会“下达清晰的指令”。

在「人设与回复逻辑」中，写入清晰的系统提示词，例如：

“你是一位专业的证券分析师。当用户提问时，你将严格依据我提供的知识库文档（腾讯年报）进行回答。回答需做到：

分点列：核心数据、业务亮点、风险提示。

必引用：所有关键数据必须注明出自年报的“第X页”或“第X章节”。

不说废话：无需客套，直接给出基于事实的分析。”

现在，进入预览界面，尝试问出高质量的问题：

低效提问：“腾讯财报怎么样？”（问题太宽泛）

高效提问：“请根据年报，总结腾讯2023年金融科技及企业服务业务的收入、增速，并列出该业务发展的三个重点方向。”

效果对比：后者能直接引导AI定位到具体章节，提取关键数字（如收入占比、同比增长率），并总结出“聚焦支付、发展云计算、深化企业服务”等具体方向，并告诉你这些信息出自“第XX页”。

三、不止于财报：知识库的无限可能

“知识库”功能是智能体专业化的核心。你可以举一反三：

• 行业研究：上传某个行业的所有龙头公司年报，让智能体帮你做横向对比分析。
• 规则查询：上传《证券法》、交易所上市规则等，让智能体成为一个随身的合规顾问。
• 个人投资笔记：上传你自己整理的投资心得、公司跟踪记录，打造一个不断成长的、专属的“第二大脑”。

明日预告

今天，我们让智能体拥有了“专业记忆”（知识库），能进行深度分析。但目前的交互还是“你一问，它一答”。效率仍有瓶颈。

明天，我们将进入激动人心的 Day 3：

《解放双手：设置“股价异动监控”，让AI在关键时刻主动找你》

我将教你配置“工作流”和“定时任务”，实现：当某只股票涨幅超过5%，或出现特定新闻关键词时，AI会自动将信息推送到你的微信或飞书。从此，你从“主动查询者”变为“被动接收者”，让AI真正为你7x24小时盯盘。

今日作业：

• 找一个你感兴趣公司的年报PDF。
• 在扣子中创建一个知识库并上传。
• 尝试提问，并体会基于文档的回答与通用AI回答的区别。
• 在评论区分享你的发现或遇到的任何问题。

免责声明：

智能体基于知识库的分析结果，完全取决于所提供文档的质量与完整性，仅为信息整理工具，不构成任何投资建议。请务必核对原始信息。

关注「倦鸟的情绪小站」，明天我们将实现从“手动”到“自动”的关键一跃。