FundaPod：具有知识图谱记忆的多角色智能体平台，用于AI辅助基本面投资研究

大型语言模型（LLM）在金融领域的应用日益增多，然而现有工作大多侧重于交易信号或围绕预测的金融NLP任务。相比之下，机构基本面研究需要人类分析师或AI智能体收集证据、识别业务驱动因素、比较竞争性观点并生成投资备忘录。其更广泛的目标不仅仅是预测结果，而是生成透明、可重用且可验证的投资计划，同时为投资知识的累积发展做出贡献。我们提出了FundaPod，一个用于AI辅助基本面投资研究的多角色智能体平台。我们认为，基本面研究是一项以人为中心的决策支持任务，在本质上与交易信号生成不同，因此更适合采用保持独立性的架构。在FundaPod中，具有不同角色（如价值投资者或宏观策略师）的AI智能体在共享的出处契约下独立进行研究。然后，它们的分歧通过知识图谱记忆系统事后呈现给人类投资组合经理（PM）进行裁决。本文贡献了五项支持基本面研究的人机混合系统设计原则，这些原则基于设计科学实践以及认知隔离和人机协调理论。它还描述了四种架构机制：一个将公开投资者材料转化为可部署智能体的角色提炼流水线；一个允许规划器推导类型化任务图的声明式技能注册表；一个将备忘录声明链接到可验证来源的基于证据的模型；以及一个连接股票代码、备忘录、分析师和主题的知识图谱“第二大脑”。我们通过一个完整的案例研究和基于角色的备忘录比较来演示该架构。