Case 01 · 金融智能体
把“AI 问股”做成券商真能交付的产品✓ 中标
腾讯 × 招商证券国际，港美股金融智能体 POC。我的工作:把客户一句发散的“做个 AI 问股”,拆成一个能回答、能解释、能守住合规边界的产品系统,并用 Vibe Coding 做出可现场演示的原型。
用户意图体系答复结构设计
规则 + LLM + 联网 混合数据 MCP / 降级策略
雷达日历合规边界
背景 & 挑战
问题不是“能不能答股票”,是怎么答得像券商级产品
腾讯参与招商证券国际的 AI App 招投标,客户需求初期发散,同时明确要求体现 AI 差异化与金融专业性。如果只做一个问答框,既无法承接“诊股 / 异动归因 / 多股对比”这类复杂意图,也解释不清数据来源,更没法在招投标现场讲清产品价值。
我的判断:必须先把“问答”拆成任务体系,再把每类任务映射到数据、工具、输出结构和合规约束——让模型负责理解和表达,让确定性的数据与规则负责事实。
我的角色
金融业务与 AI 产品之间的衔接人
作为项目中负责金融业务与 AI 产品衔接的核心成员,我参与从方案设计、Prompt 与评测,到 POC 验证的完整链路:把客户原始的“金融问答”需求,重构为“用户意图 + 数据能力 + 智能体功能 + 合规输出”的产品体系,并协同腾讯产品、技术、售前与客户团队对齐。
我做了什么
四件事,把一句需求变成一套系统
01拆出意图体系
把模糊的“问股”归纳为个股问答、个股诊断、市场宏观、异动归因、多股对比、资讯解读等核心意图;凡带具体股票名/代码的查询统一路由到“个股意图”,再定义各自的答复结构与数据依赖。
02设计“理想态”答复结构
把一个个股回答拆成实时行情、分析师仪表盘、基本面雷达、宏观风向、板块联动、舆情归因、雷达日历、操作锦囊等模块——让专业投研信息变成用户可读、可追问的产品体验。
03混合逻辑:规则 + LLM + 联网
RSI / 均线趋势 / 估值分位等确定性指标由规则计算;分析师评级、目标价由结构化数据驱动;宏观风向与板块联动用联网搜索取证;LLM 只负责理解意图、整合与解读。
04规划数据与降级策略
梳理行情、基本面、资金、南向、沽空、新闻公告、财报日历等数据 / MCP 能力与 500+ 字段口径;并设计数据缺失时的降级——缺字段、缺时效就讲清“能给什么、为什么给不了”,而不是直接拒答。
核心组件 · 现场渲染
这两个组件,我用代码重做了一遍
下面不是截图,是按当时的设计逻辑现场渲染的组件——分析师仪表盘的指针、基本面雷达的展开都是实时画的。数据为脱敏示意。
华尔街分析师仪表盘
把 47 份评级,变成一眼能懂的判断
分析师评级、目标价、买卖分布这些确定性数据由结构化接口驱动,LLM 不参与打分——只负责把它解读成人话:“强力买入,但 24 强买与 1 强卖并存,分歧仍在,目标价隐含约 19% 空间。”
基本面雷达
六个维度,看清一只股票的“体质”
成长、盈利、估值、质量、动量、财务健康六维打分,先有结构化结论,再让 LLM 给出一句话体检:“成长与动量强,估值偏贵——长期向好,但短线有杀估值风险。”这正是把投研经验产品化的样子。
注:以上为脱敏示意数据与重绘组件,非客户真实界面。
答复结构
一个“个股”回答,内部其实有八层
实时行情 · 价格、涨跌、量能与多周期表现
分析师仪表盘 · 评级、目标价、买卖分布
基本面雷达 · 六维打分 + AI 解读
宏观风向 · 联网取证政策影响(≤3 点)
板块联动 · 普跌还是独立下跌
舆情归因 · 为什么涨 / 跌
雷达日历 · 临近的高波动事件预警
操作锦囊 · 波段 / 长线 / 风控 三套策略
雷达日历 · 风险前置
在用户重仓前,先替他扫雷
金融智能体不能只会报喜。我定义了必须扫描的五类高波动日期,临近自动预警——把“别在财报前赌单边”这种风控,做进产品里。
📊 财报日
单日可能 ±10%~20%,发布前 3 天高亮、2 周预警。
source: yahoo
🎤 重大发布会 / 投资者日
常见“利好落地即利空”,发布当天往往是高点回调。
source: 联网搜索
🏛️ 宏观审判日
CPI / 非农 / FOMC,带着全市场一起跳,提前 3 天标记。
source: economic_calendar API
📉 除息日 / 四巫日
除息当天自动跳水;期权交割日机构拉扯剧烈。
source: yahoo / 规则
关键判断
这些取舍,比“做了什么”更能说明问题
先定义输出结构,再写 Prompt
否则模型容易把金融分析写成泛泛解释,撑不起诊断、对比、归因这些结构化意图。
确定性的事交给规则,解读才交给 LLM
评分、估值分位、目标价上涨空间这类能算的,绝不让模型“拍脑袋”——模型只做它擅长的理解与表达。
数据缺失要降级,不是拒答
缺字段、缺时效、缺权限时,产品该解释“能给什么、为什么给不了”,这才是券商级的可信度。
把风险日历前置进体验
与其等用户踩雷,不如在他重仓前主动预警高波动事件——风控本身就是产品力。
结果 & 验证
外部信号
- 差异化功能设计与现场 POC 演示,支撑腾讯成功中标
- 中标后持续参与金融智能体的场景拆解、数据对接与功能设计
- 受邀参与国投、银河等后续金融智能体项目的方案交流与建设