A股 · 港股 · 美股 · Skills + MCP 架构

把深度调研
从数天压缩到分钟

面向专业投资人与分析师的二级市场 AI 调研系统。一组协作的智能体替你完成取数、财务诊断、估值建模、舆情分析与多空辩论 —— 你只负责真正需要人类判断的部分。

进入投研工作台 查看系统架构
invesresearch.pages.dev/app.html
IR
点击「进入投研工作台」体验完整的可交互应用
研究台 · 公司调研 · 估值建模 · Agent 辩论 · 报告库
投资人真正耗时的,
从来不是下单那一刻。

而是它前面那一长串繁琐的功课:扒五年财务三表、判断盈利质量、找可比公司估值、读年报招股书、扫舆情、想清楚整个行业格局。在 A股、港股、美股之间切换时,口径、复权、准则、信息源还各不相同。

一份扎实的深度公司研究,资深分析师往往要花数天到数周。InvesResearch 把这部分可自动化的工作交给智能体,让你把时间留给判断。

核心能力

一套完整的调研工作流

从单公司深度调研到行业研究,从估值建模到量化筛选,全部由协作的智能体驱动。

公司深度调研

财务三表与杜邦分解、共同百分比报表、护城河分析、可比估值与 DCF —— 一份可作为正式研究起点的结构化报告。

行业自上而下

市场规模(TAM/SAM/SOM)、产业链图谱、关键驱动因素、竞争格局矩阵 —— 把一个赛道一次想清楚。

估值建模

DCF 参数实时可调、敏感性热力图、可比公司相对估值。核心假设处设人工复核断点,合理性由你背书。

多空辩论可视化

Bull、Bear、Neutral 三方观点逐轮交锋,过程完全可观测、可干预 —— 你能看到看多与看空的理由如何碰撞。

多因子量化筛选

估值、质量、成长、动量多维度因子选股,结果可一键批量送入调研流程。

对话式求证

自然语言提问,系统自动选择 Skill、通过 MCP 工具取数计算,几秒给出带数据来源的回答。

系统架构

五层分层 · 模块化设计

数据自下而上流动,控制自上而下托管。Harness 工程骨架独立于模型演进,Skills 承载知识、MCP 承载数据计算。

L5
接口 / 呈现层
Web 工作台 · CLI · MCP Server —— 同一套能力服务自有界面与外部 LLM runtime
L4
Agent 编排层
LangGraph 状态机 · 多空辩论 · 并行 fan-out · 人工复核断点
L3
能力层 · Skills + MCP 双层
Skills 承载知识流程,MCP 承载数据计算 —— 数据会变用 MCP,知识稳定用 Skill
L2
工具 / 计算层
财务计算 · 因子库 · NLP 情绪分析 · 报告引擎
L1
数据层(地基)
统一适配器 · 市场感知路由 · 优先级 failover · 熔断 · 三层缓存
系统总览
数据层容灾
Agent 编排
Skills + MCP
系统架构图
图 1 / 4 · 五层架构总览
设计文档

从产品到工程的完整记录

每一份决策都有据可查 —— 产品需求、工程实现、架构图说明。

产品 PRD

产品需求文档

用户画像、使用场景、功能全景、成功指标与发布里程碑 —— 回答"为谁做、做什么"。

阅读文档 →
工程 PRD

工程化实现文档

Harness 三层解耦、数据层容灾、LangGraph 状态机、能力契约与可测试验收标准。

阅读文档 →
架构图说明

架构图逐图详解

四张架构图的逐图说明 —— 每个模块的职责、边界与设计依据。

阅读文档 →
产业 Agent

从通用工作台到垂直产业 Agent

InvesResearch 的能力可以下沉到具体产业链。当前已落地卫星互联网产业研究 Agent,基于规则可解释、本地可跑、SQLite 落盘。

Phase 1 · MVP · rules-based · 100% 回归

卫星互联网产业研究 Agent

→

把卫星互联网的政策、订单、公司公告、产品发布、标准演进事件,自动映射到核心网 / 终端 / 芯片 / 运营支撑四条主线,聚合成可分发的周报。本地可跑,无 LLM 依赖,SQLite 落盘。

核心网 终端 芯片 运营支撑
~120
关键词词典
30/30
labeled regression
1.000
per-thread F1
18/18
pytest 通过

现在就进入工作台

完整可交互的分析师工作台已就绪 —— 发起调研、看 Agent 实时协作、复核估值假设、导出研报。

打开 InvesResearch 工作台