三月，年报发布季如期而至。对于投资者和分析师而言，这既是一场信息的盛宴，也是一场体力的考验。面对几百家上市公司、每份动辄几百页的PDF财报，我们常常感到力不从心。在之前的文章中，我们分享过利用RAG（检索增强生成）技术快速提取财报数据的方法。但很多读者反馈：“问简单问题还行，一旦涉及‘近5年趋势’这种跨文档的复杂问题，AI就开始胡言乱语了。”为什么？因为传统的AI像是一个只会“关键词匹配”的图书管理员。你问它“伊利股份近5年的营收变化”，它会在书海里疯狂匹配“近5年“这个词，结果当然找不到。于是，它只能凭概率瞎猜，或者只给你意思最接近的数据。输入的数据质量不佳，输出的结论自然也是“垃圾”。
今天，我们要引入一位真正的“分析师”——智能体（Agent）。我们将利用 Cherry Studio 搭配 阿里百炼，并赋予它两套工具（mutool 和 pdfgrep），教大家零代码搭建一个能像人类一样“拆解问题、精准定位”的财报分析助手。
从“单次对话”到“智能体规划”
在开始动手之前，我们需要先厘清一个关键概念：智能体（Agent）和我们平时用的普通对话机器人（Chatbot）到底有什么区别？简单来说，普通对话的路径是确定的，智能体的路径是动态的。
在基于RAG的普通对话中，是一个特定的流程：输入问题 -> 检索资料 -> 聚合输出。乍一看，蛮合理的。但是，对于稍微需要一点推理的，比如我们前面列出的“伊利股份近5年的营收变化”，它就懵逼了。最基础的智能体模式，叫ReAct，很简单，就是加了一个反馈循环。但是，可别小看这个反馈循环，它让大语言模型拥有了任务规划和分解能力，虽然简单，但让解决系统性的复杂问题成为了可能。
这就好比“问路”与“雇佣向导”的区别：
普通对话就像你问一个路人：“去火车站怎么走？”它基于记忆，直接给你一个大概的路线，当你发现路况变了，它已经走远了。
智能体就像雇佣一位司机或向导，你问：“去火车站怎么走？”它不会马上回答，而是先思考：“现在的路况如何？用户偏好地铁还是打车？然后它行动：调用地图API查路况、查询时刻表、对比价格。最后它规划：综合所有信息，给你制定一个包含“步行5分钟->乘坐地铁3号线->换乘1号线->出站”的详细分步指南。
最重要的是，当你遇到前方道路封堵，它会自动反馈并规划新的路线。
在财报分析中，这种区别尤为明显：
Chatbot试图一次性从海量文本中“猜”出近5年的趋势，结果往往是幻觉。
Agent则会将大问题拆解为6个子任务：“查2021年营收”、“查2022年营收”……直到“查2025年营收”，然后逐个执行，最后汇总分析。
人类的智慧不在于记忆力超群，而在于擅长将复杂任务拆解为可执行的简单步骤。 今天，我们就把这种智慧赋予AI。
A
实战演练：打造你的“财报挖掘机”
我们将通过 阿里百炼 构建大脑，通过 Cherry Studio 作为操作界面，并挂载两个关键工具，模拟人类分析师“先看目录，再翻书页”的过程。
准备“大脑” (阿里百炼)
登录阿里云百炼平台，申请Token。
接下来，把这个Token填入到CherryStudio中。这里有一点需要特别注意：默认的百炼是OpenAI接口，但智能体要求使用Anthropic接口，所以我们就不能使用Cherry Studio内置的百炼端点，幸好阿里百炼是两种接口都支持的，我们需要手动添加。
安装手脚：阅读PDF的两大工具
如果智能体是大脑，那它还需要一双能干的“手”去翻阅文件。人类分析师阅读几百页的财报时，有一套标准的肌肉记忆动作：
先看目录：快速定位“财务报表”或“主要数据”在第几章、第几页。
再按 Ctrl+F：在锁定的页面范围内，精准搜索关键词（如“营业总收入”），避免全文搜索带来的噪音。
为了让智能体具备这种能力，我们引入了两个轻量级但极其强大的命令行工具：mutool 和 pdfgrep。它们将分别赋予AI“看目录”和“精准搜索”的能力。
这两个工具都是开源免费的，安装非常简单。请根据你的操作系统选择对应方法：大部分Mac系统都安装了Brew，只需要 brew install mupdf 和 brew install pdfgrep 两条命令即可。Windows下略显繁琐，需要在官网下载，安装后可在cmd或powershell中分别运行这两个命令验证，在此不再赘述。
组装头脑与手脚：创建智能体
接下来在Cherry Studio首页，创建智能体。注意，这里有两个选项：分别是助手和Agent。助手是我们之前提到的“一问一答”的模式，我们需要选择“智能体”。
然后设置智能体的基本信息：模型就选择千问的旗舰模型qwen3.5，特别注意工作目录，选择你存放PDF的文件夹，便于智能体搜索（如果选择其他路径，请在提示词中指出），以及提示词，简单说明我们需要调用的工具、文件夹说明即可。
让智能体辅助阅读
不多说，我们直接上图。提问“伊利股份2020-2024营业收入有何趋势？”，它不是直接检索，而是先找pdf，然后逐个读取目录、查找关键词进行分析。
从上图我们可以看出，智能体把我们的问题拆解成了6个子任务（5个年度的财报+综合分析）并逐个击破。在消息记录里，我们可以看到它的思考和执行过程。最后结果如下，不仅给出了数据，还从PDF的管理层讨论分析里挖掘了下降原因。
更进一步：装上更多工具
刚才我们只安装了“眼睛”（mutool）和“手指”（pdfgrep），但这仅仅是智能体能力的冰山一角。工具调用、MCP、SKILLS是智能体连接外部世界的三个最主要工具。在 AI 的世界里，工具调用（Tool Calling）、MCP (Model Context Protocol) 和 SKILLS 是智能体连接外部世界的三大核心协议。它们就像是为大脑接上了神经束，让智能体不再是一个封闭的聊天机器人，而是一个能感知世界、执行操作的超级助手。
有了这些协议，你的财报智能体可以进化成什么样？
自动绘图专家：接入 Python (Matplotlib/Plotly) 或 ECharts 工具。当用户问“画出近5年营收趋势图”时，智能体不仅给出文字结论，还会直接调用绘图工具，生成一张专业的折线图或柱状图，甚至自动标注出“拐点”。
舆情监控哨兵：接入 联网搜索 (Search API) 或 新闻聚合工具。在分析完财务数据后，自动搜索该公司最近半年的负面新闻或行业政策，进行“财务+舆情”的双重风险评估。
标准化接口接入小龙虾：当你将 mutool、pdfgrep 以及未来的绘图、搜索工具都封装成标准的 MCP Server 或 OpenAPI 接口后，你就可以将它们接入到更宏大的自动化工作流平台（如 OpenCLAW、LangChain 或 Dify 等）。想象一下，你不再需要手动打开 Cherry Studio 提问。你可以设定一个定时任务：“每天上午9点，自动扫描交易所公告，一旦有新的年报发布，立即触发智能体工作流：下载PDF -> 调用 mutool 定位 -> 调用 pdfgrep 提取核心数据 -> 调用绘图工具生成图表 -> 将分析报告推送到我的飞书/钉钉群。”
这就是从“辅助阅读”到“全自动投研流水线”的跨越。通过标准化的接口，你的智能体不再是孤立的玩具，而是成为了你整个投资系统中一个7x24小时运转的自动化节点。
A
结语：让人类回归决策，让AI负责繁琐
技术的进步，从来不是为了替代人类的思考，而是为了将我们从重复、低效的“翻书、查找、摘录”中解放出来。
在这个年报密集发布的三月，面对堆积如山的PDF，你不必再揉着酸痛的双眼去死磕每一个数字。通过 Cherry Studio 与 阿里百炼 的强强联合，配合 mutool 和 pdfgrep 这两把利器，你已经拥有了一位不知疲倦、逻辑严密且精准度极高的“初级分析师”。
它负责在海量数据中披沙拣金，负责跨文档的逻辑拆解与验证；而你，只需要坐在屏幕前，基于它提供的精准数据和深度洞察，去判断趋势、分析因果，做出那个最关键的投资决策。
从“人找信息”到“信息找人”，再到如今的“智能体主动规划并交付结果”，这才是AI赋能投研的正确打开方式。
年报季才刚刚开始，别再用老办法应对新挑战了。现在就动手搭建你的专属智能体，让数据分析变得简单、透明且充满乐趣。
