本订阅号中所涉及的证券研究信息由光大证券资产配置研究团队编写，仅面向光大证券专业投资者客户，用作新媒体形势下研究信息和研究观点的沟通交流。非光大证券专业投资者客户，请勿订阅、接收或使用本订阅号中的任何信息。本订阅号难以设置访问权限，若给您造成不便，敬请谅解。光大证券研究所不会因关注、收到或阅读本订阅号推送内容而视相关人员为光大证券的客户。
报告发布标题：大类资产研究Skill白皮书——从单线程到组合技
报告发布日期：2026年8月15日
分析师：王开（S0930526050001）
核心观点：
投研工作的专业性与复杂性，决定了AI工具的落地不能停留在单点功能的堆砌，必须沿着真实的工作流完成系统性嵌入。本文构建了四大类别的skill投研工具箱体系，覆盖从日常信息处理、商品深度研究、基金穿透分析到ESG专题研究的全场景需求。AI在投研中的价值定位是充当研究员的“第二大脑”，不替研究员下结论，而应把找资料、核事实、做横向比较、列反证等工作的速度和广度最大化，使人的精力始终集中于基本面分析、逻辑推演与风险收益比判断等不可替代的环节。
在实践层面，不同角色的skill组合逻辑存在显著差异，但共享同一个底层原则——每一个skill都是一个可插拔的功能模块，其串联方式决定了它在该角色手中的实际效能。策略研究员需要的是从信息到观点的快速闭环，商品研究员依赖的是从成本到结构的供给侧穿透链条，基金配置经理追求的是持仓风险的穿透识别与质量防线的双重保障，ESG研究员则要求从动态监控到尽责管理的全流程贯通。
最终，这套skill体系的建设目标，是通过标准化的工具底座让投研生产力的提升变得可积累、可复制、可度量。当信息采集与初步筛选被自动化后，研究员从信息的被动接收者转变为主动甄别者，从繁琐的事务性工作中解放出来，将判断力始终锚定在投资决策的核心位置。
风险提示：
本文仅为介绍投研AI工具的应用框架与能力边界，不构成任何投资建议。
一、分门别类：工具箱中的skill的定位
投研工作的专业性与复杂性，决定了其所需工具必须兼顾“广度覆盖”与“深度穿透”两个维度。为此，我们将全部skill按照其核心服务的研究场景与功能定位，划分为四大类别：日常投研生产流水线、商品与矿业深度研究、基金与资产配置工具箱，以及ESG与可持续发展专题。我们以矩阵式结构直观呈现了这四大类别及其内部skill的隶属关系——横向展示不同研究领域对skill类型的需求侧重，纵向则反映从“高频信息处理”到“深度专题研判”的能力梯度。这一分类框架为后续所有skill的设计、迭代与组合使用提供了基础坐标，研究员在面对具体任务时可快速定位到最匹配的工具，并理解各skill之间可能的串联逻辑与协作边界。
日常投研生产流水线构成了投研工作的高频基础设施，以日历触发、标准化输出和数据驱动为特征，覆盖了从盘前增量信息抓取、盘后量化复盘到周度宏观数据汇总的完整链条。其核心价值在于通过自动化与模板化，将研究员从机械的信息搬运中释放出来，确保每个工作日都有标准化的信息底座可供展开深度分析。
商品与矿业深度研究聚焦于产业链供给侧微观结构，基于商品期货定价逻辑——便利收益、持仓成本与远期边际成本——开发了成本曲线、产能追踪和期限结构解读三套工具，服务于盈亏平衡判断、供需格局推演以及入场赔率参考，是商品期货和矿业股票投资的核心研究支撑。
基金与资产配置工具箱面向组合管理与买方视角，既有Wind穿透研究、PA技术分析等进攻型分析工具，也包含上下文锚定、事实核查与独立研判等质量控制机制，后者构成了投资建议的“免疫系统”，确保长对话中客户约束不遗忘、数据引用不编造、分析观点不盲目迎合。
ESG与可持续发展专题则覆盖了从信息输入到行动输出的全流程，包括国际ESG动态监控、信息披露合规评估、行业对标研究、内评体系构建和尽责管理投票辅助，五类skill既可单独调用解决单点问题，也可串联使用形成一条从信息到行动的ESG投研工作流。
二、工具说明书：重点skill详解
我们将每一个skill按“所属类别—具体功能—适用场景”三个维度予以界定：所属类别明确了该skill在四大归属中的位置，具体功能描述了其核心任务与技术实现要点，适用场景则列举了其在真实投研流程中的典型触发条件与交付对象。不同类别的skill在功能形态上存在显著差异——“日常投研生产流水线”以高频、标准化、日历驱动为特征，重在提升信息处理效率；“商品与矿业深度研究”与“ESG与可持续发展专题”更侧重分析框架的结构化与专业深度；“基金与资产配置工具箱”则兼有进攻型分析工具与防守型质量控制机制。
2.1日常投研生产流水线
这一类skill构成了投研工作的“高频基础设施”，核心特征是“按日历触发、标准化输出、数据驱动”。其中，日度A股增量信息与日度复盘形成了完整的“信息采集→加工→输出”闭环：前者从指定信息源抓取一手调研纪要和产业催化，后者将增量信息与市场量化数据（指数、成交额、行业轮动、个股涨停）融合，产出一段可直接推送的复盘文字。周度中美宏观数据则负责衔接更高维度的宏观视角，通过华尔街见闻日历自动抓取三星级中美经济数据，配合iFind MCP补全汇率、债市、两融等资本市场指标，最终拼装成专业周报。美伊局势监控和A股金融数据工具包则分别覆盖了地缘政治风险哨兵和无终端环境下的免费数据获取通道。这五个skill的共同点是：它们不追求单次分析的深度，而是通过自动化、模板化、定时化的方式，确保研究员在每个工作日都有“标准化的信息底座”可以站在上面做深入分析。
（1）增量信息日报skill
整体定位：每日从指定信息源中精准抓取当日新增全部信息，并将其快速映射到28个细分产业赛道，用“内容关注度+ETF行情数据”双维度计算综合热度，生成一份“今天市场在聊什么、资金在动什么”的赛道热力图日报。
核心价值：通过“内容热度×0.6+行情热度×0.4”的双维度复合验证机制，将投研人员的注意力从当日指定信息源的全部内容收窄至少数“信息面与资金面同步共振”的高价值赛道方向，替代了传统上仅凭主观感知判断话题热度、缺乏资金面校验的粗放式筛选方式；其更深层的意义在于，当某赛道内容热度与行情热度出现背离时（叙事领先资金或资金领先叙事），本身即构成一条值得投研进一步甄别的研究线索，这与我们在市场研究中反复验证的“叙事—定价背离即信号”的经验规律相互印证；但该机制的角色仅是筛选环节的前置漏斗，产出结果仍需人工二次核实后方可进入实际投资判断，不构成对深度基本面研究的替代。
使用场景：1.每日盘后/次日盘前例行日报生成：作为投研服务的日常交付物，快速产出当日信息摘要+赛道热度速览；2.主线快速定位：在信息噪音较大的交易日，通过热度排行快速筛选出当天“信息面+资金面”双重共振的2-3个赛道，缩小盘中/次日的重点跟踪范围；3.事件驱动型提醒：日报“重要提醒”板块专门提取有明确时间节点的事件（分红登记日、审计节点、展会催化等），适合用于择时/操作层面的提醒；4.赛道景气度的历史序列积累：每日归档的HTML可作为原始数据源，后续如需回溯“某赛道从XX到XX的热度变化趋势”，可基于归档文件做二次统计。
技术架构与调用工具：
（2）A股日度复盘skill
整体定位：从当日“增量信息日报”HTML中提取驱动主题与赛道热度信息（核心主线、重点标注、话题分类、赛道综合热度排序、宏观信号），结合iFind MCP实时查询的A股指数、板块ETF、核心个股涨跌幅数据，产出日度复盘，内容涵盖盘面情况、板块风格、驱动因素三部分，驱动因素按赛道综合热度从高到低展开。
核心价值：1.用量化热度排序替代主观归纳的主线优先级（驱动因素展开顺序由赛道综合热度决定，而非仅凭执笔人主观判断）；2.产业催化与个股表现的因果串联（先陈述催化事件，再用实时涨跌幅印证，数字与叙事来源严格分离）。
使用场景：1. 每日盘后例行复盘：标准场景，作为“增量信息日报”skill的下游环节，同一信息处理链条的收尾产出。2. 历史复盘补记：直接指定归档目录中的历史HTML路径，回溯生成任意历史交易日的复盘文本。3. 客户/内部快讯素材：单段自然语言输出，无需二次排版即可直接嵌入邮件、社群消息或其他文档。4. 热度验证型主线复盘：驱动因素的展开顺序由赛道综合热度（信息面+资金面双重验证后的结果）决定，而非仅凭执笔人主观判断，适合需要客观依据支撑主线排序的场景。
技术架构与调用工具：
（3）周度中美宏观数据skill
整体定位：自动采集本周宏观经济数据（华尔街见闻经济日历+iFind MCP），生成"宏观分析及行业动态周报“中国内外宏观经济形势跟踪（含摘要段、国内关键数据、海外美国指标）与国内资本市场动态·市场表现（股市+债市）两个章节的文字内容，写入Word文档，其余章节由用户手动填写。
核心价值：1.三重过滤规则锁死数据口径（重要性三星+区域中美+频率月度及以上，缺一不可），避免大量低星级、高频噪音数据混入周报；2.高频市场数据的取数口径标准化（汇率、两融、国债收益率等多个指标在iFind EDB中存在同名或近似口径的错误指标，skill把历史踩坑经验固化为查询规则，避免每周重复出错）。
使用场景：1.每周例行周报数据采集：无需参数，直接识别当周日期范围，产出标准化的数据文本供直接写入周报；2.高频市场数据的口径校验：汇率、指数、成交额、两融、国债等多个数据点历史上都出过口径混淆的问题，skill把正确取数方式固化下来，避免研究员每次手动核对指标ID是否正确；3.经济日历人工筛选的替代：避免人工翻阅日历时遗漏三星数据、或误将周度/官员讲话类条目当作有效数据纳入摘要。
技术架构与调用工具：
2.2商品与矿业深度研究
这一类skill聚焦于“产业链供给侧的微观结构”，是商品期货和矿业股票投资的核心研究工具，他们基于我们对于商品期货这一类资产的定价逻辑开发，并进行长期迭代。我们认为，商品期货的价格和曲线形态主要包含了三方面的信息：便利收益，持仓成本和远期项目的边际成本（完全市场竞争情况下，商品价格会向边际成本靠近）。
1）商品期货成本曲线skill（V1.0）：区别于第三方服务商的数据，从更上层的角度来刻画头部矿产企业的成本曲线（包括C1净现金成本和AISC全维持成本），来回答当下的行业产能有多少企业在盈利；2）矿业产能追踪（V1.0）：判断当前行业的供需格局是否具有延续性，系统性地监控大宗商品企业远期项目的投产情况，以及当下产能停产、减产、force majeure公告，量化对全球供应的影响百分比。3）期货期限结构分析（V1.0）：商品的期限结构变动往往能够反映当下现货市场的变动情况，叠加对于行业长期供需格局的判断，可以用来作为择时和赔率的参考。
（1）期货期限结构分析skill
本框架内嵌于skill的分析逻辑中，每次输出“今日结构变化解读”时自动调用，而非单纯罗列数据。
对于近月合约来说，影响期限结构的因素包含持有成本和便利收益。
FullCarry（全持有成本）：远期=近月+持有成本（资金/仓储）。Contango的理论上限是FullCarry；当Contango逼近FullCarry时，出现仓单转抛套利机会（买近抛远吃持有成本），是判断Contango合理/极端的锚。
ConvenienceYield（便利收益）：持有现货库存带来的收益（应对短缺、维持生产）。Backwardation由高便利收益驱动；便利收益在理论上有极限，SuperBackwardation（伴随多逼空）即其极端形态。
熊市底部的期限结构特征：随着价格持续下行，现货市场抄底心态变强，持有现货库存带来的收益上行，期限结构从深度Contango逐渐走平→部分合约转Backwardation，价差收窄是底部区域的领先信号。
商品顶部的多杀多与价差坍缩：价格对于实体需求产生抑制，便利收益降至低位，盘面容易发生多头踩踏，期货近月升水快速收敛甚至翻转为贴水，是顶部区域的领先信号。
使用边界如下：
结合价格位置：转强信号在价格低位更有底部意义；转弱信号在价格高位更有顶部意义；价格中性时仅陈述事实。单一交易日不确认：结构变化是领先/辅助信号，需结合后续2-3个交易日与库存/仓单数据确认。输出位置：写入面板“今日结构变化解读”区块，引用理论术语（便利收益/FullCarry/价差坍缩等）解释方向含义。
整体定位：从“futures-term-structure”skill产出的期限结构面板数据（东方财富push2接口获取的五大交易所全部活跃品种各月份合约收盘价f2与昨收价f18）中提取结构分类信息（Backwardation/Contango/Flat状态判定、近远月价差幅度、结构切换方向），产出日度期限价差分析报告。内容涵盖三部分：价差全景（全市场Backwardation/Contango/Flat品种分布与各板块主导结构）、结构变动（当日结构切换品种清单、切换方向及理论含义，如便利收益回升、FullCarry定价等）、驱动因素（按品种近远月价差日度变动幅度从大到小展开）。驱动因素的展开顺序由价差变动幅度的量化排序决定，而非仅凭执笔人主观判断的品种重要性。
核心价值：1.用价差变动幅度量化排序替代主观归纳的结构重要性——驱动因素展开顺序由各品种近远月价差绝对水平及日度变动幅度（或Backwardation/Contango深度）的自动计算结果决定，而非仅凭执笔人主观判断的品种主次。Backwardation加深最深的品种排在最前，Contango收窄最显著的品种紧随其后，排序依据可追溯、可复现；2.结构信号的可解释性刻画——对结构切换品种，按skill内置的理论框架（便利收益/FullCarry/价差坍缩）解释方向含义，并标注价格位置（低位转强更有底部意义、高位转弱更有顶部意义），使“结构变了”升级为“结构变化意味着什么”。所有数字来自push2接口实时采集的合约收盘价计算，叙事来自skill内置理论框架，两者来源分离。
使用场景：1.每日盘后期限结构例行扫描：标准场景，作为“futures-term-structure”skill产出可视化面板后的下游分析环节，同一数据处理链条的收尾产出——面板负责“看曲线”，skill负责“写解读”，解读结论直接渲染进面板的顶部综述与结构切换区块；2.历史价差结构回溯：指定历史交易日的合约价格数据（或历史期限结构面板归档路径中的内嵌JSON），回溯生成任意历史交易日的期限价差分析面板，用于结构演变追踪与模式复盘。3.结构变化线索交付与分享：自包含HTML面板交付，聊天中仅给摘要与文件路径，无需二次排版即可转发给团队或客户查看；4.结构信号验证型分析：Backwardation/Contango状态的判定与深度排序由push2接口实时价差数据自动计算完成，而非仅依赖执笔人对曲线形态的目测判断，适合需要客观量化依据支撑结构判断的场景（如向风控或投委会汇报时）。
技术架构与调用工具：
2.3基金与资产配置工具箱
这一类skill是面向“组合管理和买方视角”的研究工具，既有“进攻型”的分析技能，也有“防守型”的质量控制机制。Wind基金穿透研究（Alice）是其中最重的技能包，它不是一个单一功能，而是一个六层分析架构：从宏观背景到研报影响，从相关性风险到风险贡献校验，再到动态对冲和涨跌归因，构成了基金分析的完整证据链。PA趋势判断则代表技术分析的极致专业化，它基于AlBrooks价格行为学体系，通过H1/H2形态、信号K线质量、EMA20偏离度、入场决策矩阵等结构化框架，将主观“看盘”转化为可复现、可量化的判断流程。而投研基建三件套（上下文锚定、事实核查、独立研判）则是整个资产配置对话的“免疫系统”：ContextAnchor防止遗忘客户约束，FactGuard防止编造数据幻觉，Devil'sAdvocate防止一味迎合用户观点。这三个基础设施skill不直接产出报告，但决定了所有投资建议的质量底线。
（1）PA趋势判断skill
整体定位：基于价格行为学体系，对用户指定的A股（个股/指数/ETF）进行日线短期技术分析：通过iFind MCP查询历史K线数据，判断当前市场结构（突破/窄通道/宽通道/震荡区间）与H1/H2/L1/L2入场形态。
核心价值：1.用固定的入场决策矩阵替代模糊的主观判断（市场阶段×信号K线质量×是否突破前摆动高点三维交叉，直接给出“入场/轻仓/等待”的结构化结论）；2.数据获取与分析引擎解耦（iFind MCP只负责历史K线查询，本地脚本只做纯计算，两者互不依赖，任一方问题不影响另一方）。
使用场景：1.日常个股/指数走势研判：用户临时问“帮我看一下xxx”，快速给出趋势结构判断和操作参考；2.多标的强弱对比：如“招商银行和平安银行哪个更强”，横向比较入场形态成熟度与信号质量；3.大盘/风格指数复盘：三大指数联动分析，判断当前市场整体所处的PA阶段；4.入场时机验证：判断某标的当前是否处于H2/L2等高概率顺势入场窗口，还是应该继续等待，避免主观追涨杀跌。
技术架构与调用工具：
2.4 ESG与可持续发展专题
这一类skill是面向“ESG投研与尽责管理”的全流程工具，既有“观察型”的国际ESG动态监控能力，也有“评估型”的信息披露评估、行业对标分析和绩效内评体系，更延伸到“行动型”的尽责管理辅助功能。其中：ESG每日新闻简报从esgtoday.com抓取六大分类新闻并按投研标准撰写深度点评，输出合并的Word报告，服务于组合日常监控与ESG主题研究素材积累；ESG信息披露评估对照A股可持续发展报告指引，对公司ESG报告进行“披露完整度+ESG表现”双轴评估并输出含缺口清单的Word报告，用于披露合规与披露质量检测；公司ESG表现行业对标研究框架将研究划分为“个体—对标—行业”三个层次，由四个子skill覆盖单一公司ESG分析、精选公司横向对比、公司所在行业对标、行业ESG画像，适用于个股到行业的ESG研究；ESG绩效内评体系基于机构自定议题与权重口径，将企业ESG数据映射为内部E/S/G评分与综合档位，支撑投研内部整合与组合档位监控；尽责管理投票工具围绕董事选举、薪酬激励、环境与社会责任等重点议题研究标的公司，生成投票建议报告，落实机构的对外表决权与尽责管理。五类skill各司其职又彼此贯通，单独调用可解决单点问题，组合使用则构成一条从信息到行动的ESG投研工作流。
（1）ESG每日新闻简报skill
整体定位：ESG每日新闻简报skill是国际ESG动态的“信息面”输入端，从国际权威ESG新闻源esgtoday.com抓取六大分类的最新动态，处理非结构化英文新闻，并按照中文投研机构的写作标准进行深度加工，合并为一份专业Word报告。
核心价值：1.每条新闻都包含“导语段（5W1H）→核心细节段→深度点评段→资料来源”四层结构，点评段必须覆盖定位分析、影响分析、趋势投射和投资机会识别；2.在全球ESG信源以英文为主、且披露从自愿走向强制的背景下，这一skill填补了“国际ESG动态”与“中文投研表达”之间的空白；3.将企业动态、政府政策、投资者动态、监管机构、可持续金融、ESG工具与服务六大分类聚合成单份Word，便于日常监控国际ESG新闻。
使用场景：1.国际ESG动态日常监控：日度扫描国际ESG动态，跟踪六大分类新闻，如通过企业动态、投资者动态等分类关注相关事件，通过政府政策、监管机构分类瞭望全球ESG披露与监管动向。单份Word报告汇总国际ESG事件中文快讯，便于使用、流转与留痕；2.ESG主题研究素材积累：核心摘要的主题提炼与分类新闻的点评段直接沉淀为主题研究线索库。
技术架构与调用工具：
（2）公司ESG表现行业对标研究框架skill组
整体定位：一套覆盖“个体—对标—行业”三个层级的投研分析框架。它不解决单独的某一个问题，而是把研究员在ESG投研中最常遇到的四类诉求——解读单家公司的ESG表现、横向对比多家可比公司、判断某公司在行业内的位置、把握整个行业的ESG共性——收敛到同一套数据底座与口径规范之下进行分析和解答。
核心价值：1.行业随着ESG信息披露与评级的覆盖范围持续扩大，日趋完备的数据生态虽为行业对标提供了充足素材，但传统的人工阅读、比对与研判方式正遭遇效率与能力的双重制约。本框架基于专业ESG数据库，开发专用的行业分析skill组，将公司ESG表现分析至行业对标的分析逻辑、评估规则与判断标准固化为一套结构化、可复用、可迭代的智能分析工具，从而有效破解行业对标中的效率瓶颈与能力上限；2.构建“自上而下”筛选与“自下而上”双路径：“自上而下”的研究路径可达成行业画像到个体深度认知的贯通，支撑“先选赛道、再选标的”的布局延伸；“自下而上”的研究路径用于已有关注标的的深度研究场景，在确立一家公司ESG表现认知的基础上，实施同业对标，并提炼行业共性问题及优化方向；3.框架的实质性分析价值之一在于将“公司特有ESG表现和风险”与“行业共性ESG表现和系统性风险”加以解耦——个体层用以识别短板，对标层用以定位行业位次，行业层用以验证共性，由此辅助判断一项ESG劣势或风险究竟是标的自身问题还是行业普遍现象，为差异化的投研判断提供支撑。这一能力可对接覆盖拓展、同业比较与行业ESG风险识别等实际研究场景。
使用场景：1.个股ESG表现评估：快速建立对某家上市公司ESG表现的认知，包括ESG综合得分、E/S/G三维分项表现，以及优劣势指标等。2.同业企业ESG对标：横向对比2–4家指定上市公司ESG表现，或分析标的公司在行业内的ESG竞争力与相对位置。3.行业系统性ESG表现分析：了解某行业ESG整体水平、分布与内部分化程度，识别行业共性特点、重点议题及普遍短板，建立行业整体ESG水平画像，助力赛道筛选。
技术架构与调用工具：
三、投研生产力重构：从skill组合到工作流范式
上述skill体系的真正价值，体现在它们被有机组合进研究员日常工作流后所带来的系统性改变。投研工作可分解为“信息采集—筛选聚焦—深度分析—观点输出—风险管控”五个环节，每一个skill都是一个可插拔的功能模块。本章基于“角色×场景”的匹配逻辑，给出具有操作性的组合建议，将研究员的工作流升级为“人机协成型”。
对于A股策略研究员，“日度增量信息+日度复盘+周度宏观数据”构成从信息到观点的完整闭环。盘前，增量信息skill自动完成信息拉取与赛道热度排序；盘后，日度复盘skill将热度排序转化为有量化支撑的复盘文字；周度宏观数据skill衔接宏观视角，确保周报不再因口径混淆而返工。这一组合显著压缩了“整理信息”和“写复盘”的时间，将精力释放至策略推演与客户沟通。
商品与期货研究员的工作流围绕“供给侧微观结构”展开，遵循“成本锚定—产能追踪—结构验证—地缘预警”的递进逻辑。“成本曲线+产能追踪+期限结构解读+美伊监控”构成完整研究闭环：成本曲线skill提取C1/AISC数据，呈现盈亏平衡线以上的产能分布；产能追踪skill监控全球主要矿种的远期项目与停产事件，量化供应冲击；期限结构解读skill将Backwardation/Contango变化转化为便利收益与FullCarry的理论解读，并标注顶部或底部的信号意义；美伊监控在地缘冲突升级时提供高频油价跟踪。这一组合使研究员无需翻阅数十份IR报告或凭目测判断结构翻转，精力集中于“供需格局是否发生实质性变化”这一核心判断。
FOF与基金配置经理面对的核心挑战，是在数百只基金中识别真实的风险暴露与收益来源，同时确保投研结论的质量底线。“Wind基金穿透研究+PA趋势判断+投研基建三件套”的组合正为此而设计。Wind基金穿透研究以六层架构构成完整的分析证据链。PA趋势判断在其中扮演底层资产技术面验证的角色，为权益型基金或ETF的持仓时机提供基于价格行为学的独立参考。而“上下文锚定、事实核查、独立研判”三个基建skill构成资产配置对话的免疫系统：防止遗忘客户约束、杜绝编造数据、系统性生成反对意见。这一组合既提供了基金持仓的穿透式分析，又通过技术验证强化了时机判断的可靠性，同时由三道防线保证了结论的质量底线。
对于ESG研究员，“ESG每日新闻简报+ESG信息披露评估+公司ESG表现行业对标研究框架+ESG绩效内评体系+尽责管理投票工具”覆盖了从动态监控到尽责管理的全链条。新闻简报抓取六大分类动态，经四层加工聚合为Word报告；信息披露评估做“披露完整度+ESG表现”双轴评估，输出缺口清单；行业对标框架覆盖“个体—对标—行业”三个层级，将公司特有表现与行业共性风险解耦；内评体系将外部数据映射为内部统一的E/S/G评分；尽责管理投票工具生成投票建议，将研究落实到表决权行使。这一组合使ESG研究员从信息搬运中解放，将精力转向议题研判与投票决策。
对于独立研究者，“A股金融数据工具包+PA趋势判断”提供可行的替代方案：前者基于公开的行情、财务与宏观数据；后者提供标准化的技术面入场参考。上述所有skill组合均以“人机协作”为前提——各skill产出需经研究员二次核实后方可进入投资决策，它们压缩的是信息采集、数据清洗、口径核对、格式加工等机械性环节，使研究员的精力始终集中于基本面分析、逻辑推演与风险收益比判断等不可替代的环节。这套体系的最佳实践，是将研究员从信息的被动接收者转变为主动甄别者，将人的判断力始终锚定在投资决策的核心位置——这正是投研AI工具所追求的“生产力重构”的完整内涵。
四、风险提示
本文仅为介绍投研AI工具的应用框架与能力边界，不构成任何投资建议。
免责声明：
本订阅号是光大证券股份有限公司研究所（以下简称“光大证券研究所”）资产配置研究团队依法设立、独立运营的官方唯一订阅号。其他任何以光大证券研究所资产配置研究团队名义注册的、或含有“光大证券研究”、与光大证券研究所品牌名称等相关信息的订阅号均不是光大证券研究所资产配置研究团队的官方订阅号。
本订阅号所刊载的信息均基于光大证券研究所已正式发布的研究报告，仅供在新媒体形势下研究信息、研究观点的及时沟通交流，其中的资料、意见、预测等，均反映相关研究报告初次发布当日光大证券研究所的判断，可能需随时进行调整，本订阅号不承担更新推送信息或另行通知的义务。如需了解详细的证券研究信息，请具体参见光大证券研究所发布的完整报告。
在任何情况下，本订阅号所载内容不构成任何投资建议，任何投资者不应将本订阅号所载内容作为投资决策依据，本公司也不对任何人因使用本订阅号所载任何内容所引致的任何损失负任何责任。
本订阅号所载内容版权仅归光大证券股份有限公司所有。任何机构和个人未经书面许可不得以任何形式翻版、复制、转载、刊登、发表、篡改或者引用。如因侵权行为给光大证券造成任何直接或间接的损失，光大证券保留追究一切法律责任的权利。
