手把手教你用腾讯云智能体开发平台打造巴菲特投资顾问（一）
来源：互联网 2026-06-02 08:11:31基于腾讯云智能体开发平台，利用大模型与智能体技术，通过Multi-Agent协同、知识库注入巴菲特投资框架及EdgeOneMCP生成网页报告，实现了输入股票名称即可自动产出符合巴菲特理念的全维度分析报告，有效打破投资信息壁垒。
AI技术正以前所未有的速度渗透至投资领域。对于绝大多数普通投资者而言，与专业机构之间最大的鸿沟往往并非信息本身，而是分析信息的框架与能力。
是否存在一种方法，能将顶级投资大师的思维框架应用于日常股票分析？答案是肯定的。借助大模型与智能体技术，完全可构建一个具备专业投资思想的AI助手。
长期稳定更新的攒劲资源： >>>点此立即查看<<<
今天以一个具体案例——基于巴菲特投资框架的智能体搭建，完整展示整个实现过程。
创意原点：打破投资信息壁垒
投资是一辈子的事。但大多数人与专业投资者之间横亘的不仅是信息鸿沟，更是思考方式与投资框架的差距。一个具备专家思想的智能体，能够协助分析整合多方面资讯，提供投资参考——这对不想轻易下牌桌的散户而言，具有实实在在的意义。
该创意的核心逻辑非常简单：在了解巴菲特投资框架的基础上，通过工作流让不同Agent协同工作，综合收集各类数据，按照既定框架进行分析，并生成对应的网页报告。
智能体需要掌握哪些数据？
要使智能体真正具备分析能力，需要接入以下几个维度的决策数据：
- 基础信息：公司介绍、主营业务、行业情况、收入构成，并进行总结
- 交易数据：当天、近5日、近10日、近20日的涨跌情况分析
- 资金情况：北向资金、公募基金、主力资金、产业资本流向等要素
- 估值情况：市盈率、市净率，以及企业盈利能力、成长能力、运营水平、所在行业行情
- 机构报告：市场主流机构的积极与负面评价及论据
基于腾讯云智能体开发平台，主要运用了以下几项能力：投资理论注入（通过知识库实现）、多个Agent协同工作（Multi-Agent模式）、以及网页报告生成（调用EdgeOne MCP）。
实际效果是怎样的？
输入想要咨询的股票，系统会实时获取结论，并按照巴菲特的投资框架生成分析报告。只需输入股票名称，即可启动分析流程。
分析完成后，会生成可访问的网页报告。
完整实操步骤
此次案例使用的是腾讯云智能体开发平台（ADP）。按照同样思路，有经验的同学也可以采用Dify或其他Agent搭建工具来实现。
整体流程大致分为：定义应用 → 结构设计 → 搭建Agent → 工作流协同 → 调试验证。
第一步：定义应用——建立信任与明确需求
这一步的目标是明确应用能力，将能实现的价值传递给用户。首先设置欢迎语，让用户清晰了解这个智能体能够提供什么服务。
设置欢迎语
您好！我是您的专属「股票分析小助理」，基于公开金融数据与经典投资逻辑，为您提供「公司基本面-技术面-资金面-机构观点」的全维度分析服务。为了给您更精准的报告，请您告诉我：① 您想分析哪只股票？（可直接回复股票名称如“贵州茅台”，或股票代码如“600519”）② 您更关注哪些方面？（可选填，如“短期交易机会”“长期投资价值”“行业对比”等，不填则默认全面分析）
操作步骤
1. 新建Multi-agent应用
登录ADP控制台，新建应用，选用multi-agent模式。
2. 完成提示词和欢迎语设置
主Agent提示词需要定义清楚角色定位和工作流程：
#角色定义
你是一个「股票分析小助理」，基于公开金融数据与经典投资逻辑，为用户提供「公司基本面-技术面-资金面-机构观点-投资建议」的全维度分析服务。
#工作流程
1. 欢迎语：介绍自己，询问用户需求；
2. 理解用户意图：解析股票信息，输出股票代码；
3. 搜索公司介绍，主营业务，行业情况，收入构成，进行总结；
4. 查询股价成交数据（5天的成交MACD KDJ），进行指标和技术分析；
5. 搜索股票其他信息，进行分析，包括北向资金、公募基金、主力资金、产业资本流向，市盈率、市净率，企业盈利能力、成长能力、运营水平、行业行情，以及市场主流机构的评价；
6. 将以上分析结论，结合巴菲特的投资逻辑，给出是否建议投资的结论；
7. 生成一份报告。
接着要添加工具——这里选取水滴上市公司插件，作用是通过用户输入和意图，获取到股票的信息和代码。
完成欢迎语和示例问题设置后，效果如下：
第二步：设置提示词，拆分Agent结构与功能
这一步的目标是通过用户输入的目标股票，完成对应内容的搜索。需要拆分的维度包括基础信息、交易数据、资金情况、估值情况、机构报告。
添加Agent
选择新建或已有的Agent，加入multi-agent应用。这里需要添加2个Agent。
Agent1：负责搜索公司介绍、主营业务、行业情况、收入构成并进行总结
设置内容包括提示词和插件两方面。
提示词需要明确任务流程和限制条件，包括问题提取、重写、联网搜索、结果总结等步骤，并确保输出的专业性和准确性。MCP工具部分添加混元AI搜索插件即可。
Agent2：负责其他信息搜索及总结
Agent2的提示词更为复杂，需要覆盖交易数据、资金流向、估值分析、企业行业分析和机构评价六个维度。输出格式要求按一级标题、二级标题、内容的方式呈现，整体控制在500字以内。
第三步：设置Agent协同模式——工作流编排
通过工作流编排，可以稳定地指挥Agent进行工作，生成想要的结果。整体链路如下：
添加Agent节点：在开始节点后，选用Agent节点，连续添加两个，分别选中之前定义好的Agent1和Agent2。
投资框架检索：添加知识库
先在知识管理中添加知识库，提前准备好巴菲特投资框架的相关内容。ADP支持直接导入整个电子书的PDF文档并初始化，这一点比很多开源平台要方便。
然后在工作流中添加大模型知识问答节点，设置知识库和提示词进行检索。
TIPS：可以选取导入的知识库，让AI在分析过程中参考巴菲特的投资框架。
添加大模型节点进行汇总和改写
设置输入变量，引用前两个Agent节点的输出。数据来源选择引用即可，操作体验比较顺畅。
选用模型后，设置系统提示词（定义角色和任务）和用户提示词（引入前边定义好的三个输入内容）。
设计网页
目标是把报告生成网页格式，以便后续通过EdgeOne MCP部署。同样添加一个大模型节点，设置好输入为前边汇总生成的内容。系统提示词中定义好角色，将DeepSeek生成的网页设计框架输入给它。
输出报告和等待提示
选择返回节点完成设置。
生成网页报告
输入为一个HTML文件，输出为一个网页链接。选用插件，搜索EO，添加“deploy-html”插件。设置插件时，body里输入value变量，选择引用“设计网页html”节点的输出Content。
打印生成的报告链接
选择返回，完成输入设置，引用EO MCP生成的网页报告。值得一提的是，这里引用选择前面节点生成的输出结果时，可以快速选到输出内容里不同层级的内容，交互体验不错。
至此，整个过程的主体搭建就完成了。
踩坑与解决经验
过程中当然也遇到了一些问题，分享出来供大家参考：
初次使用ADP，对应用模式不了解：解决方案是采用multi-agent模式 + 工作流编排来调度多个Agent协同完成目标，这需要一定的使用经验来判断最合适的框架。
生成报告太浅显，构不成投资建议：解决方案是采用知识库，在工作流里添加大模型知识检索，并将结果作为下一个大模型总结的参考依据。
调用EdgeOne生成网页失败：原因是MCP插件的输入要求是一个网页文件，因此额外加了一个节点来生成HTML，再作为输入给到EO插件。
用户体验类：生成报告等待时间过长：最初的工作流编排中，“大模型汇总生成报告”节点和“设计网页”节点没有分离，用户需要长时间等待一次性获取最终输出。优化方案是将两个节点分离，并在生成网页时并行输出文字版报告，提升等待体验。
生成报告样式丑陋：甚至一开始的样式用“朴实无华”来形容都算委婉。解决方案是求助DeepSeek做了网页报告样式的设计，并添加到生成网页节点里作为样式参考。
- 信息保留参考文档，提升可信度：在Agent的提示词中优化，要求保留引用材料的文档名称及超链接，支持跳转。参考文档一并打印输出后，专业度明显提升。
下一期将继续分享：这个版本1.0还存在哪些问题，以及如何基于这个Agent做进一步优化。
侠游戏发布此文仅为了传递信息，不代表侠游戏网站认同其观点或证实其描述
