AI能力工程发展及投研实践（只備有中文版）

一、            模型能力的发展情况：能力工程角度

关于底层模型的演进，市场上的报告已经很多。结合投研实践，我认为理解模型能力工程的发展历史，能更好理解未来Tokens持续增长的逻辑，也更有利于研究员安排投研实践。

我理解能力工程指的是大模型的工作架构如何升级，使得我们看到的模型如何从Chatbot，演绎成具有各种能力，能完成多种需求的中间态（比如Claude Code），到未来交付即服务的最终体（OpenClaw是交付即服务的初级阶段）。其中比较关键的概念包括MCP、Agent、Skills等。

模型工程能力的演进历史如下：

2022年10 月，ReAct 论文上线。它提出把 reasoning traces 和 actions 交替生成，也就是模型不只是“想出答案”，而是“观察环境、想下一步、执行动作、再根据反馈继续推理”。Agent工作流形态初见。

2023 年 6 月 13 日，OpenAI 发布 function calling，该功能可以将自然语言转换为 API 调用或数据库查询。

自此，模型拥有了调用外部数据/工具来提升回答准确度的能力。用户输入问题后，调用外部数据再反馈，就是可以提升回答问题精确度的Agent思路。

       2024年11月25日，Anthropic开源了MCP。2025年5月21日，OpenAI正式增加了对MCP的支持，MCP成为标准化的开源标准。

MCP (Model Context Protocol)用于连接 AI 应用程序到外部系统。使用 MCP，像 Claude 或 ChatGPT 这样的 AI 应用程序可以连接到数据源（例如本地文件、数据库）、工具（例如搜索引擎、计算器）和工作流程（例如专业提示），从而能够访问关键信息并执行任务。

简单来讲，MCP就像五官和四肢，有了MCP，模型可以用统一的接口调用接收外部数据、向外部反馈和传递动作（如发邮件、设置提醒、自动发小红书）。

2024年12月19日，Anthropic正式明确Agent的方法论。Anthropic认为，Agent是系统，其中 LLMs 动态地指导自己的进程和工具使用，保持对如何完成任务的控制。Agent的目标：一旦任务明确，智能体将独立计划和操作，可能返回人类以获取更多信息或判断。在执行过程中，智能体在每一步从环境中获取“真实情况”（例如工具调用结果或代码执行）以评估其进度至关重要。智能体可以在检查点或遇到障碍时暂停以获取人类反馈。任务通常在完成后终止。

简单来讲，Agent的终极目标就是交付即服务。

2025年4月，GPT-4.1使上下文窗口能达到1m Tokens，显著增强了模型处理大型代码库、长文档、复杂任务历史和多步工作记忆

2025年5月，Claude code正式发布；10月，OpenAI的Codex正式发布。这两个产品作为原生的Agentic产品，先革命了Coding的工作流。此前，Copilot做代码补全和debug；之后，这些产品直接接管全部的代码系统，从补写代码debug变成了参与整个软件交付流程。研究员认为，在此之后，所有的程序员都变成了产品经理，不用再进行手搓代码工作。然后Agent产品从Coding领域像全行业渗透。

Agent发展成熟后，Skill概念也逐渐兴起。2025年10月，Anthropic将Skill作为产品能力发布。12月，Anthropic把Skill功能开源并标准化，随后OpenAI也把开源格式当作公开标准。

Skill是可重用、基于文件系统的资源，为模型提供特定领域的专业知识：工作流程、上下文和最佳实践，将通用代理转化为专家。与用于一次性任务的对话级指令（提示）不同，技能按需加载，并消除了在多个对话中重复提供相同指导的需要。

       简单来讲，Skill是用自然语言写的方法论，用于让Agent做特定任务时，通过可复用的SOP（标准作业流程），来提升Agent处理实际问题的能力。大部分Skill都是开源的，小部分被封装在软件里付费使用（但我觉得这是中间态，最终Skill也会是开源的天下）。

       Anthropic官方开源的Skill不多，主要包括操控Office软件、skill-creator（如何让用户创造新的Skill）、Canvas-design、mcp-builder等等，都是一些针对高度可复用的场景做的skill。

       Skill兴起进一步完善了模型能力后，我们看到了龙虾的兴起，这其实是Agent走向大众化的关键一步：如果用户接触不到Claude Code/Codex这种未完全封装的Agent产品，OpenClaw其实是封装最好、上手最快的具有Agent能力的开源产品（安装免费、模型API调用收费），通过聊天软件调用。如果此前未用过Claude code等Agent，从对话框跃升到Agent时代，模型解决问题的能力一定有阶梯式的进步，因此出圈。

       最后讲一下国产模型：Claude Code不是必须用Anthropic的Claude模型。从Claude Code发出的API请求可以被劫持，然后通过各种方法（如OpenRouter）可以把API请求转移给国产模型服务器，从而用便宜的国产模型，使用Claude Code的Agent封装能力，以及其他诸如系统提示词、工具调用格式等增强模型的能力。也就是说，大量国产模型的请求不来自于对话框或2C产品，而是这种Agent级的调用，做Claude/GPT的平替。

在目前Agent时代，模型解决问题的能力不只取决于底层模型能力，还包括：

-          Agent如何安排上下文和记忆层。长上下文很容易出现幻觉，通过特定的记忆安排，或者Subagent可以解决这种问题。

-          工具使用：模型能调用什么工具对结果至关重要。

-          执行与编排：Agent能不能把任务拆开、并行、重试、回滚、记录轨迹。

Agent的各种能力和底层模型并不完全相关，也就是只要底层模型不弱，Agent架构好（比如把难的任务拆成简单的任务，或者让国产模型通过Subagent的方式承担如搜集信息这样的简单任务），非SOTA模型也能交付较好的结果。而且Agent这种不断循环做任务的方式需要消耗极大的tokens，这也是国产模型能够生存且发展的根本原因。

二、            金融投研实践

观点：Skill既然是一套工作流，那其实就不存在严格的“标准化”，也不用对开源的Skill过于依赖。尤其是投研工作，人人均可自己生成Skill，来总结自己的投研方法论，让Agent来执行。从投研工作的角度理解，AI能够带来多少赋能在于两点：1）数据（还包括调研的一手信息）；2）研究——观点生成——决策的方法论是否有效。如果说1）数据不足以称为壁垒，2）研究方法论还是千人千面的。也就是说，研究员必须要建立从事实中洞见观点的能力，而且其胜率必须大于开源的方法论Skill。

       实践角度，分享一下Anthropic开源的financial-services技能库（https://github.com/anthropics/financial-services-plugins）。其包含了equity-research、financial-analysis、investment-banking等7个子技能包，内部又分别包含了若干Skill。比如equity-research里包含了earnings-analysis、initiating-coverage这些。使用单个技能就可以一次交互生成对应的文件。

       Initiating-coverage是如何工作？Initiating-coverage是一个5阶段流水线式Skill，用于生成机构级股票研究首次覆盖报告。它是目前Claude Code生态中最复杂的Skill之一（784行），展示了Skill系统的设计上限。

       这个Skill内部有五个步骤，每个步骤分别有特定的产出目标，供下一个步骤使用，最后形成完整的研究报告。

       具体每一步是怎么做的？其实和我们写投研报告的思路是一样的，只不过Anthropic把流程给固定化了，并没有什么复杂的地方。下文贴了Task-1 公司研究的详细工作流情况：

任务 1：公司研究 - 详细工作流

本文档为执行“启动覆盖（initiating-coverage）”技能中的**任务 1（公司研究）**提供分步说明。

任务概览

目的：研究公司的业务、管理层、竞争地位、行业和风险。 先决条件：✅ 无（完全独立） 输入：仅需公司名称或股票代码 产出：公司研究文档（6,000-8,000 字）

需收集的数据源

1. 第一手资料（公司层面）

• SEC 备案文件（针对上市公司）：
• 最新 10-K：业务描述、风险因素、管理层讨论与分析（MD&A）、财务数据
• 近期 10-Q：季度更新
• DEF 14A（代理委托书）：高管薪酬、董事会组成
• 8-K：重大事件、收购、管理层变动
• 公司官网与投资者关系（IR）：
• 投资者演示文稿（Investor presentations）
• 业绩电话会议纪要（过去 2-3 个季度）
• 新闻稿
• 产品文档
• 针对私营公司：
• 公司官网及博客
• 新闻报道与媒体覆盖
• LinkedIn（用于管理层履历）
• Crunchbase 或 PitchBook（用于融资历史）

2. 第二手资料（行业/竞争层面）

• 竞争对手官网及 SEC 备案文件
• 行业研究报告（Gartner, Forrester, IDC 等）
• 新闻文章与行业出版物
• 市场调研报告
• 关键高管的 LinkedIn 档案

需提取的关键信息

• 公司成立日期、总部、员工人数
• 营收规模与增长轨迹（若可用）
• 产品组合与定价
• 客户细分与案例研究
• 管理层背景与过往业绩
• 竞争格局与市场份额
• 行业趋势与增长驱动力
• 监管考量
• 高水平财务指标（来自 10-K 文字描述，非详细数据提取）

分步研究工作流

第 1 步：初步数据采集

1. 从公司官网开始：阅读“关于/公司”页面；审查产品页面；识别客户案例研究；记录提及的关键指标（员工、客户等）。
2. 收集 SEC 备案文件（若上市）：从 SEC EDGAR 下载最新 10-K、最近 10-Q 和最新 DEF 14A；记录备案日期。
3. 阅读业绩材料：获取最新业绩电话会议纪要、最近的投资者演示文稿、过去 12 个月的新闻稿。
4. 记录基本事实：成立日期与故事、总部地点、员工人数、产品/服务、关键客户。

第 2 步：业务模式分析

1. 绘制营收流图：公司卖什么？如何定价（订阅、交易、许可等）？谁付费？典型交易规模是多少？
2. 了解客户细分：大型企业 vs. 中小企业 vs. 消费者；服务的行业；地理分布；客户集中度（前 10 大客户）。
3. 记录进入市场（GTM）策略：直销 vs. 渠道合作伙伴；销售周期长度；客户获取策略；分销模式。
4. 识别单位经济效益：LTV/CAC（若可用）；毛利率；净收入留存率（NRR）；回收期。

第 3 步：管理层研究

（针对 3-4 名核心高管：CEO、CFO 为必选，外加 2 名 C-suite 高管）

1. 识别关键领导者。
2. 研究每位高管：查找 LinkedIn 档案；查阅 DEF 14A 获取背景信息；搜索媒体采访；记录在职年限。
3. 撰写 300-400 字履历：当前职责；过往职位与公司（近 2-3 个）；主要成就与业绩；教育背景与资历；行业经验年限；在当前公司的时间。
4. 评估治理情况：董事会组成与独立性；关键董事背景；内部人持股比例；高管薪酬结构。

第 4 步：竞争情报

1. 识别 5-10 家竞争对手：直接对手、间接对手（替代方案）、新兴对手（颠覆者）；查看 10-K 中公司自行列出的对手名单。
2. 研究每个对手：访问官网；查阅其 SEC 文件；记录关键产品与定位。
3. 识别差异化因素：估算市场份额；创建竞争框架（基于价格、功能、规模等维度）；识别公司的竞争优势与劣势。
4. 记录竞争见解：谁是市场领导者？该公司排名如何？独特的差异化点是什么？竞争威胁有哪些？

第 5 步：行业分析

1. 定义行业：行业分类（NAICS/SIC）；范围与边界；相关/相邻行业。
2. 测算市场规模：TAM（总可寻址市场）、SAM（可服务可寻址市场）、SOM（可获得服务市场）；当前渗透率。
3. 研究增长驱动力：历史市场增长率；未来 3-5 年预测增长率；加速/减缓增长的关键趋势；影响行业的工艺/技术变化。
4. 了解行业结构：分散 vs. 集中；准入门槛；供应商/买方议价能力；替代品威胁；监管环境。

第 6 步：风险评估

（识别 4 个类别下的 8-12 项风险，每项 50-100 字描述）

1. 公司特定风险（4-6 项）：执行风险、客户集中度、关键人物依赖、产品/技术过时、地理集中度、整合风险。
2. 行业/市场风险（3-4 项）：竞争强度、监管变化、技术颠覆、市场饱和。
3. 财务风险（2-3 项）：盈利时间表、融资需求、债务水平与契约、现金烧钱率。
4. 宏观经济风险（2-3 项）：经济敏感性（周期性 vs. 防御性）、利率敏感性、外汇风险、地缘政治因素。

• 要求：描述清晰，尽可能量化影响，注明可能性/严重性，识别缓解因素。

第 7 步：综合与撰写

按照以下结构撰写文档：

1. 公司概览 (800-1,200 字)：业务简介（白话描述）、盈利模式、运营地域、规模（营收、员工、客户）、关键指标。
2. 公司历史 (800-1,200 字)：创立故事、重大里程碑时间轴、战略转型、关键收购、近期动态。
3. 管理团队 (1,000-1,400 字)：每人 300-400 字履历、董事会与治理、内部持股、过往业绩评估。
4. 产品与服务 (700-1,000 字)：详细产品组合、关键功能、差异化、目标客户、定价模型。
5. 客户与市场进入 (500-700 字)：客户画像、分销渠道、销售策略、关键合作伙伴、案例研究。
6. 行业概览 (800-1,200 字)：定义与范围、市场规模与结构、增长率、关键趋势、监管环境。
7. 竞争格局 (700-1,000 字)：5-10 家对手分析、定位框架、竞争优势/劣势、份额分析。
8. 市场机遇 (TAM) (500-700 字)：TAM 测算方法论、增长预测、公司可服务市场、渗透策略。
9. 风险评估 (600-900 字)：四个类别的详细风险描述。
10. 数据来源部分：列出所有来源、日期和 URL，按类型组织。

质量标准

• 内容深度：各部分必须达到字数目标；分析应具有实质性（非描述性）；使用具体示例和定量数据；全文标注引用；保持客观平衡。
• 管理层履历：3-4 名高管，每人 300-400 字；必须包含当前职责、过往经验、主要成就、教育背景。
• 竞争分析：必须分析 5-10 家具体对手；包含直接与间接对手；评估相对定位；识别竞争优势。
• 风险评估：涵盖 4 个类别的 8-12 项独特风险；每项 50-100 字；尽可能量化影响。
• 写作质量：专业、分析性的语气；核心见解先行；避免笼统陈述。

输出格式

COMPANY RESEARCH REPORT: [公司名称] 日期：[日期] 分析师：[姓名]

目录

1. 公司概览
2. 公司历史
3. 管理团队
4. 产品与服务
5. 客户与市场进入
6. 行业概览
7. 竞争格局
8. 市场机遇 (TAM)
9. 风险评估

====================================== （正文各章节...）

数据来源 [按日期和 URL 列出所有来源]

成功标准

一份成功的任务 1 交付物应：

• 达到 6,000-8,000 字目标（核实字数）。
• 包含全部 9 个必选章节。
• 提供实质性分析而非简单描述。
• 通过数据和示例使读者理解：公司做什么、如何赚钱、管理层质量、竞争地位、市场规模以及关键风险。

后续步骤

完成任务 1 后，该研究文档将用于：

1. 作为独立的公司分析报告。
2. 作为**任务 2（财务建模）**的输入，提供业务背景。
3. 作为**任务 4（图表生成）**的输入，提供公司/竞争数据。
4. 作为**任务 5（报告汇编）**的基础，其内容将被逐字复制到最终报告中。