【S1W2 交叉测评】 #4
Loading…
Add table
Add a link
Reference in a new issue
No description provided.
Delete branch "%!s()"
Deleting a branch is permanent. Although the deleted branch may continue to exist for a short time before it actually gets removed, it CANNOT be undone in most cases. Continue?
我理解这个项目主要想解决传统企业研报分析流程中“信息分散、人工阅读成本高、研究效率低”的问题。当前投研工作通常需要分析师手动阅读大量 PDF 报告、财务数据和行业资料，再结合公开网络信息进行综合判断，整个过程耗时较长，且知识沉淀困难。
该项目通过“企业研报智能体”的方式，将：
整合到统一工作流中，形成完整的企业研究闭环。
系统核心流程包括：
validate_scope
→ retrieve_evidence
→ web_research
→ generate
→ persist_result
整体目标是让 AI 不仅能够“回答问题”，还能够像投研助手一样：
本项目更偏向“AI 投研工作流平台”，而不仅是普通 RAG 问答系统。
（1）整体工作流较完整
项目不仅实现了简单问答，还覆盖：
已经形成较完整的 AI 投研流程。
（2）LangGraph 工作流设计较规范
项目采用：
这种节点化流程设计，使系统结构清晰，也方便后续扩展复杂 Agent 能力。
（3）内部知识与联网信息分离较合理
项目明确区分：
并强调“内部知识优先，网络信息作为补充”，这一点符合真实投研场景对可信度的要求。
（4）支持结构化财务信息抽取
系统不仅处理文本，还支持：
相比普通聊天式 RAG，更贴近真实金融分析需求。
（5）支持 Mock 降级模式
即使没有：
系统仍可运行 mock 流程，说明项目对比赛演示和离线环境适配考虑较充分。
（6）前后端功能较完整
项目不仅有后端 Agent 能力，还提供：
整体 Demo 完整度较高。
（1）当前更偏“RAG 工作流整合”
虽然项目使用 LangGraph 和 Agent 概念，但核心能力目前仍主要是：
真正复杂的投研推理能力仍然有限。
（2）企业评分机制透明度不足
企业能力评分虽然是亮点，但目前：
描述还不够详细。
如果评分缺少透明度，容易影响结果可信度。
（3）联网信息可靠性存在风险
项目通过 DuckDuckGo 补充外部信息，但联网搜索可能出现：
在金融投研场景中，这类风险需要特别注意。
（4）复杂财务表格解析能力未知
虽然支持表格抽取，但尚未验证：
真实企业报告中这些情况较常见。
（5）长报告生成可能存在幻觉问题
即使有 RAG 支持，长篇投研报告仍可能出现：
特别是在联网信息参与时风险更高。
（1）增强真实投研推理能力
后续建议不仅停留在：
还可以增加：
提升系统真正的“投研能力”。
（2）增加评分体系可解释性
建议对企业评分增加：
提升用户对评分结果的信任度。
（3）加强联网信息质量控制
建议增加：
减少联网资料带来的误导风险。
（4）增强复杂 PDF 解析能力
后续可增加：
提升真实企业文档适配能力。
（5）增加多企业横向分析能力
目前项目更偏单企业分析，后续建议增加：
这会更符合真实投研需求。
（6）加强金融场景可靠性验证
建议通过：
验证系统输出是否真正具备投研参考价值。