InvesResearch DocsWeb产品 PRD
Product PRD · web/docs/product-prd.md · v1.0

把深度调研 · 从数天压缩到分钟级

InvesResearch Agent(IRA)面向专业投资人 / 分析师, 服务 A股 / 港股 / 美股, 把竞品对标、估值建模、行业研究、招股书拆解组织成多智能体协作流程。不是「帮你做决定」, 是「帮你把功课做扎实」——这是它与 16 个 GitHub/Gitee 开源金融 Agent 的根本区别。

§2 目标 vs 非目标

目标 vs 非目标

明确划清产品做什么、不做什么, 避免范围蔓延。

Product goals

核心目标

  • MVP 阶段: 对 A股 / 港股 / 美股标的, 10 分钟内拿到含财务诊断 + 可比估值 + 投资要点的结构化报告
  • 差异化阶段: 加入行业研究 / DCF 建模 / 招股书解析 / 多空辩论, 产出接近卖方初稿
  • 生态化阶段: 把能力开源为标准 Skills 包, 在 Claude Code / Codex / Cursor / Gemini CLI 任意 LLM runtime 里直接调用
Non-goals

明确排除

  • 不是投资顾问—— 不提供个性化投资建议, 所有产出附免责声明
  • 不做实盘交易—— 与券商交易系统不对接, 不下单
  • 不追实时高频—— 分钟级行情足够, 不做毫秒级 tick
  • 不自建付费源替代—— 免费 / 开源数据的覆盖度就是产品能力边界, 透明披露
§3 用户画像

3 类目标用户

三类用户共享同一套底层能力, 但在界面上通过两种使用模式分别满足:深度型与广度型偏好结构化模式(填参数、看仪表盘、导报告), 即时问答型偏好对话式模式(自然语言提问、自动编排 Skill)。

Persona A · 深度研究型

买方 / 卖方分析师 · PM

买方 / 卖方分析师 · 基金经理
核心诉求
一份能直接用的深度公司 / 行业研究初稿
使用频率
每周数次, 每次较长
深度要求
极高, 需财务建模与估值
使用模式
结构化模式为主
Persona B · 广度筛选型

量化研究员 · 多策略基金

量化研究员 · 多策略基金
核心诉求
批量筛选 + 快速初筛大量标的
使用频率
每日, 高频
深度要求
中, 重因子与可比
使用模式
结构化模式 + 量化筛选
Persona C · 即时问答型

PM · 投资总监 · 个人专业投资者

PM · 投资总监 · 个人专业投资者
核心诉求
临时性的、对话式快速求证
使用频率
不定时, 碎片化
深度要求
中低, 重速度与可读性
使用模式
对话式模式为主
§4 用户场景

5 个典型场景

让需求落到实处, 描述用户真正会怎么用这个产品。

1

单公司深度调研

输入"贵州茅台 / 600519"选深度, 编排行业 / 公司 / 财务 / 多空 / 风控 / PM 多 agent

2

行业调研

输入"商业航空", 产出 TAM/SAM/SOM + 产业链图 + 驱动 + 公司矩阵 + 行业要闻

3

量化初筛

沪深 300 内勾选低估值 + 高质量 + 正动量, 实时排序股票池, 一键批量送入调研

4

对话式求证

"宁德时代最近毛利率趋势怎么样、市场怎么看", 自动调用财务 + 舆情 Skill

5

跨 runtime 调用

在 Claude Code 里 "调研一下英伟达" · Skills 自动加载 · MCP 取数计算

§5 功能优先级

22 项功能 P0 / P1 / P2 矩阵

按三个发布阶段(Stage 1/2/3)和 P0 / P1 / P2 优先级组织。P0 是 MVP 必须有的核心功能, P1 是差异化竞争力, P2 是生态化与锦上添花。

模块功能优先级阶段
公司调研Ticker 搜索与市场识别(中文模糊匹配)P0S1
公司调研Snapshot 概览(行情、K线、关键比率、事件流)P0S1
公司调研财务三表与共同百分比 / 杜邦分解P0S1
公司调研基本面深度(业务分部、客户集中度、护城河)P1S2
公司调研调研深度选择(Quick / Standard / Deep)P0S1
估值可比公司相对估值(自动选 peer)P0S1
估值DCF 建模(参数可调 + 敏感性矩阵)P1S2
估值Monte Carlo 估值分布P2S3
行业调研行业图谱 + 产业链 + 市场规模 + 竞争格局P1S2
舆情新闻 / 社媒情绪聚合与时序P1S2
量化多因子筛选器(估值 / 质量 / 成长 / 动量)P1S2
量化因子回测验证P2S3
披露文件招股书 / 年报 / 8-K 结构化抽取P1S2
Agent多空辩论编排与实时可视化P1S2
报告报告生成(Quick Note / Deep Dive, PDF/DOCX)P0S1
报告报告库(检索 / 收藏 / 版本 diff / 一键再生)P1S2
集成Skills 包(跨 runtime 调用)P1S2
集成MCP server(数据与计算工具)P1S2
集成CLI / SDKP2S3
协作多用户 session 共享与评论P2S3
平台Watchlist 与定时调研 / 告警P2S3
§12 发布计划

3 阶段里程碑

每阶段有明确的验收标准, 防止范围蔓延。

1
0–4 周

MVP · Stage 1

Fork TradingAgents-CN 作为编排底座, 搭建数据层(AKShare 主 + Tushare 免费层 + yfinance)和双层缓存, 实现公司基本面 / 可比估值 / 报告生成三个核心 Skill。
验收30 支 A股 + 10 支港股 + 10 支美股, 5 分钟内出 8 页 PDF, Skill 成功率 ≥ 90%。
2
1–3 个月

差异化 · Stage 2

加入行业研究、DCF 估值、招股书解析, 实现多空辩论循环, 上线 MCP server 让外部 runtime 可调用, 引入向量库实现 RAG 问答。
验收Skill 成功率 ≥ 95%, 深度报告 10 分钟内完成, 单次成本 ≤ $0.5。
3
3–6 个月

生态化 · Stage 3

把 Skills 包标准化开源(Apache-2.0), 集成量化因子库和回测形成"筛选到验证"闭环, 加入实时舆情订阅 + 异常告警, 支持多用户协作。
验收开源仓库 ≥ 1000 star, 5 家企业客户试用。
§11 成功指标

北极星 + 过程指标

North Star Metric

周活跃专业用户产出的有效研究报告数

同时捕捉用户规模、活跃度和产品核心价值交付。配套过程指标:Skill 调用成功率 / 端到端耗时 / 单次成本 / 报告采纳率(导出 / 收藏 / 再生)/ 对话式追问轮次。

Skill 成功率(MVP)
≥ 90%
Skill 成功率(差异化)
≥ 95%
单次成本
≤ $0.5
GitHub star(生态化)
≥ 1000
§13 风险

5 项持续管理风险

数据合规风险
免费数据源的商用授权问题必须在商业化前解决, 否则法律风险。
应对MVP 阶段限定研究用途, 商业化前迁移付费源。
数据质量风险
多源数据不一致, 同一指标不同源差异可能 > 10%。
应对跨源校验 + 告警 + data_quality_flag。
LLM 投研根本性风险
大模型不天生具备稳定预测市场能力, 多空辩论可能"看起来严谨"却没真正 alpha。
应对诚实定位为研究效率工具, 所有产出附免责声明。
标准成熟度风险
Agent Skills 跨 runtime 互操作目前更多停留在格式层, 各 runtime 发现路径与高级特性差异。
应对生产先聚焦 Claude Code + MCP, 其他 runtime 渐进增强。
多市场口径风险
三地市场在复权 / 财年 / 币种 / 会计准则上差异。
应对数据层强制统一处理。
§14 待解决

4 个待团队拍板

1. 商业模式与定价按调研次数计费 / 按月订阅 / 开源 + 企业版双轨?直接影响成本控制优先级和付费源迁移时机。
2. 私有化部署优先级面向机构客户, 数据不出域可能是硬性要求, 这会显著影响架构。
3. 免费数据源法务边界在多大范围 / 什么用途下使用这些数据是安全的, 需法务给出明确意见。
4. DCF "系统建议值" 责任系统给出的默认假设导致用户决策失误, 责任如何界定?