7月23日，国金证券金融工程团队发布了《大模型赋能投研之二十四：基金研究Skills》。这是他们"大模型赋能投研"系列的第24篇——这个编号本身就说明，券商对AI投研的探索早已过了发通稿的阶段，开始沉到工程细节里了。
这份研报值得你花十分钟的原因很直接：它没有停留在"AI能帮基金研究做什么"的畅想，而是给出了一张完整的施工图——把主动权益基金研究这件事，拆成20个标准化的Skill（技能模块），装进大模型里，让"研究一只基金"从一次手工劳动，变成一条可复用的流水线。
我不只是读了这份研报，还照着它的蓝图把整套体系复刻了出来，并用真实基金跑了全流程。所以这篇文章一半是解读，一半是实测汇报。
一、核心判断：投研的最小单位，正在从"报告"变成"Skill"
传统基金研究的生产方式是什么？研究员接到需求，打开Wind，拉净值、拉持仓、算指标、画图、写Word，一套下来以天计。下次换一只基金，几乎重来一遍。研究成果沉淀在一份份PDF里，方法论沉淀在研究员脑子里——人走了，能力就走了。
国金这份研报给出的答案是：把方法论从人脑里搬出来，写成机器可执行的标准作业程序。所谓Skill，通俗讲就是给大模型的一份"岗位说明书"：分析一只基金的业绩该拉哪些数据、用什么公式、按什么口径、输出什么格式，全部预先固化。大模型负责执行和表达，方法论负责质量下限。
整个体系分五层，像一家微型基金研究所的组织架构：最上面是"任务规划层"，相当于研究主管——你说"帮我研究一下某某基金"，它先判断你要什么，再决定派谁干活；中间是"高阶编排层"，五个综合任务（产品评价报告、经理画像、基金对比、言行一致校验、经理自我复盘）像资深研究员，会调度下面的人；再往下是六个高频专项入口（季报分析、主题选基、盘中估值、相似搜索、拥挤度等）和八个分析子模块（业绩、风格、行业、仓位、归因、交易行为、可投资性、经理观点），是干具体活的组员；最底下是统一的数据与证据层。
最能体现工程思维的是交付标准：每次分析固定输出"三件套"——Excel底稿（每个数字可追溯、可复核）、Word报告（正式传阅）、HTML看板（交互展示）。注意第一件：可复核的底稿。这是机构研究和"AI聊天式回答"的分水岭——AI说基金夏普比率是1.2不稀奇，稀奇的是给你一张能查到每个中间计算列的表。
二、逻辑链拆解
基金研究的标准化程度天然就高。 股票研究里"护城河""管理层格局"这类判断很难写成程序，但基金研究的核心指标——收益、回撤、夏普、Brinson归因、风格九宫格、持仓集中度——全都有公认的计算方法。方法论能写成公式，就能写成Skill。
数据是现成的结构化数据。 净值、定期报告、持仓明细，全是标准化披露。研报体系里专门设计了预缓存机制：全市场类分析（比如"这个季度公募集体加仓了什么"）先把几千只基金的持仓批量拉下来建缓存，后续分析直接复用——这是典型的工程优化思路，不是演示Demo的思路。
我认为这个skill最聪明的设计是：先规划、后执行。用户的需求往往是模糊的，"帮我看看这只基金怎么样"可以指业绩、风格、经理，也可以指该不该买。体系的做法是先输出一份结构化方案——分析对象是什么、推荐用哪几个模块、输出什么形式——用户确认后才开工。这一步把AI最大的毛病（自作主张跑错方向）在源头上摁住了。
我的实测可以作证。复刻版搭好后，我丢给它一只半导体ETF做全流程测试：它自动识别出这是被动产品、裁剪掉不适用的主动管理分析模块，抓取了一季报、持仓、跟踪误差、同类对比数据，产出了三件套。最让我意外的细节是，它注意到了这只被动ETF换手率高达232%的异常值，并给出了"申赎冲击+指数调样"的解释——这已经不是机械填表，是在做异常值分析了。
三、补充
这条流水线缺一个模块——这也是我对这套体系最重要的补充。整套体系回答的是"这只基金好不好"，而投资者真正的问题是"当前时点，这个产品是不是表达我观点的最佳工具，赔率允不允许建仓"。前者是产品评价，后者是投资评价，中间隔着估值分位、涨幅拆解（多少来自盈利、多少来自估值扩张）、替代品比较和可证伪的退出信号。于是我给复刻版强制加装了一个研报里没有的模块，固定回答四个问题：你到底在买什么（真实暴露拆解）、市场已经price in了什么、什么观点下它是最优工具、什么数据出现就该降级。加装之后再跑同一只基金，报告的结论从"产品质地良好、适合配置"变成了带条件的判断——这是我认为AI基金研究从"能用"走向"实战"必须跨过的一步。这套复刻套件（含我新增的决策模块）的搭建过程和完整文件，我会在公众号陆续拆解。想直接上手的朋友，关注后台回复"基金Skills"获取说明。
流水线时代，人干什么国金这份研报最大的价值，是把"AI赋能投研"从口号变成了图纸。基金研究的信息整理、指标计算、报告排版——这些占研究员70%时间的工作，确实正在被流水线化。但我实测下来的结论同样清晰：流水线生产的是合格品，不是判断力。
研报自己也如实提示了风险：AI生成内容存在幻觉与准确性风险，须人工复核；自动化分析不能替代专业投资判断。我的经历恰好是注脚——机器把数据全部备齐，而"这个赔率还能不能上"的判断，仍然只能由人做出。工具越强，判断力越贵。
免责声明：本文仅为研报解读与个人观点分享，不构成任何投资建议。文中提及的基金及分析结果仅为技术测试示例。市场有风险，投资需谨慎。研报观点归国金证券所有，解读如有偏差以原文为准。
