每到财报季，一家中型对冲基金要烧掉约 4000 小时 的人力：分析师通读电话会议记录、解析 10-K/10-Q、构建共识模型、交叉验证供应链数据。
2026 年，两家系统化基金悄无声息地部署了多智能体 LLM 系统，把同样工作量压到 400 小时，同时还捕捉到人类分析师遗漏的信号。
这不是简单的 ChatGPT 包装，而是自主 Agent 架构——LLM 配备工具、记忆和规划循环，能端到端执行完整研究工作流。
单 Prompt 方式为什么必然失败？生产级量化 Agent 到底需要哪些硬核组件？今天我们就把这套架构拆解清楚，并给出可落地的实施路径。
单 Prompt 的根本缺陷
大多数“AI 辅助金融研究”项目失败在同一个地方：把 LLM 当成更聪明的搜索引擎。
你把一份 10-K 扔进去，让它总结，它会输出听起来很专业、却包含 3 个事实性错误的内容。
问题不在模型能力，而在架构：
- 没有跨文档的长期记忆
- 没有工具调用能力进行事实核验
- 没有规划能力把复杂研究拆解成步骤
- 没有反思机制发现并纠正自己的幻觉
量化机构看到真实效果后，集体转向了多智能体系统——不是因为流行，而是因为Agentic 分解的数学本质能产出更优结果。
量化级 LLM Agent 的 4 大非可选组件
一个能在生产环境中跑通的量化 Agent，必须同时具备以下四层能力：
1. Planning Layer（规划层）
Agent 会把一个高层研究请求自动拆解成可执行的子任务。
例如“分析苹果 Q3 财报”会变成：
- 拉取 earnings transcript
- 提取分部收入数据
- 与 consensus 对比
- 识别 forward guidance 变化
- 交叉验证供应商数据
没有规划层，Agent 就会像一个没有项目管理意识的实习生，胡乱执行。
2. Tool Use（工具使用层）
Agent 能自主决定调用哪些外部函数：
- 金融数据 API（Bloomberg、Polygon）
- Python 计算引擎
- SEC EDGAR 文档检索器
- Web 搜索
工具不是人类预先写死的调用顺序，而是由 LLM 根据当前上下文动态选择。
3. Memory Architecture（记忆架构）
- 短期记忆：当前对话上下文
- 长期记忆：向量数据库存储历史研究、已确认事实、过往财报模式
这让 Agent 不会重复推导相同结论，并能随时间积累领域知识。
4. Reflection & Verification（反思与验证层）
Agent 会主动审查自己的输出，与原始文档比对一致性，对低置信度推断主动标记“需人工复核”。
这是区分“会幻觉的系统”和“可靠系统”的关键分界线。
核心实现范式：ReAct 循环
目前生产级量化系统最主流的模式是 ReAct（Reasoning + Acting）。
LLM 在一个循环中不断执行：
这比单纯的 Chain-of-Thought 强在它能实时根据外部反馈调整计划。
单 Agent 的天花板与多 Agent 编排
当研究任务足够复杂时，单个 Agent 会遇到上下文窗口和能力边界。解决方案是多智能体编排：
- Research Agent：负责信息收集与初步分析
- Data Extraction Agent：专注结构化数据抽取
- Cross-Reference Agent：负责多源数据一致性校验
- Critic Agent：专门挑刺和验证结论
一个 Orchestrator（编排器）根据任务类型动态路由到不同 Agent，并聚合最终输出。
Agent 与人类分析师的真实对比
经过 200+ 场 earnings call 的实测对比，结果非常清晰：
Agent 显著胜出的维度：
- 速度：4 分钟 vs 4 小时
- 覆盖度：可同时处理 50 份 transcript
- 一致性：每次使用完全相同的抽取标准
- 交叉引用：瞬间关联数千份历史文档
人类仍然胜出的维度：
- 定性判断（“CEO 听起来很 defensive”）
- 全新情境（训练数据里没有的突发事件）
- 关系背景（“这位 CFO 历来给出保守 guidance”）
最优解从来不是替代，而是增强：Agent 负责结构化抽取和异常标记，人类负责最终解读和决策。
8 周落地路线图
Week 1-2：工具层
为你的数据源（价格、财报、transcript、新闻）构建 Python 函数封装。每个工具必须有清晰的 typed input/output。
Week 3-4：单 Agent
用 3-4 个核心工具实现 ReAct 循环。在 20 场历史 earnings call 上测试抽取准确率，与人工 baseline 对照打分。
Week 5-6：多 Agent 编排
引入专业化 Agent 和路由逻辑。目标：结构化抽取任务准确率达到 85%+。
Week 7-8：记忆与反思
接入向量数据库实现长期记忆，加入 self-verification 循环。幻觉率通常能从 ~15% 降到 ~3%。
最容易被忽视的硬核真相
大多数量化机构会在这件事上失败，不是因为技术不成熟，而是因为数据基础设施没准备好。
如果你的分析师还在从 Bloomberg 下载 CSV、把笔记记在 Word 里，那 Agent 系统根本没有可以接入的结构化数据管道。
真正领先的基金在过去 3 年已经把数据层做成了 API-first 的基础设施。
Agent 只是界面层，竞争优势藏在结构化、可实时访问的底层数据里。
先把数据基建做好，再叠加 Agent。这才是正确的顺序。
类比：从“一个超级聪明实习生”到“专业研究团队”
单 Prompt LLM 就像一个记忆力极差、没有电话、没有笔记本的实习生——你每次都要把所有背景资料重新讲一遍，还得时刻盯着他别犯低级错误。
而多智能体系统则像一个配备了：
- 项目经理（Planning）
- 数据分析师（Tool Use）
- 档案管理员（Memory）
- 质检主管（Reflection）
的完整研究团队。每个人各司其职，又能通过共享记忆和反馈机制协同工作。
我起初也以为只要模型参数够大、prompt 工程做得足够精细，就能把财报分析做好。但真正把 ReAct + 多 Agent + 长期记忆跑通之后才发现：架构的正确性远比模型大小更重要。
真正的量化护城河，从来不是“用上了 LLM”，而是“把数据、工具、记忆和验证机制系统性地编织成一个能持续进化的研究引擎”。
如果你所在的团队正在探索 Agentic 系统在金融场景的落地，不妨先问自己一个问题：
我们目前的数据层是否已经 API-first、结构化、可实时访问？ 如果答案是否定的，那么再强的 Agent 架构也只能是空中楼阁。
欢迎在评论区分享你们在构建量化/金融 Agent 过程中遇到的最大卡点。我们下期可以继续拆解具体工具实现和评估体系设计。
我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。
