2026-06-18 本文总阅读量: 次 | 文章总字数: 2,096 字

用股票基础数据和财报接口构建投研分析 Agent

摘要：投研分析助手不能只生成观点，还需要把公司基础信息、财务报表、业绩数据、资金流和 AI 财报解读组合起来。本文演示一个面向 A 股公开信息整理的 Agent 工作流。

关键词：投研分析 Agent、A 股财报 API、股票基础信息 API、资金流 API、财报智能解读

问题背景

很多投研任务从一个股票代码开始，但分析过程会跨多个数据源：公司名称、行业、历史财务数据、最新业绩、资金流变化和财报摘要。手工整理很耗时，直接让模型回答又容易缺少可追溯数据。

Agent 的职责是把查询步骤排好顺序，把数据交给模型总结，而不是凭空生成结论。

Agent 工作流

Agent 工作流示意图

接口编排

数据层	接口	请求方式	用途
公司基础信息	`A 股个股信息查询`	GET	获取公司基础资料和证券信息
财务报表	`A 股历年三大财务报表`	GET	获取资产负债、利润、现金流等历史数据
业绩数据	`A 股业绩报表数据`	GET	获取业绩披露数据
资金流	`A 股个股资金流`	GET	观察市场资金变化
智能解读	`A 股财报 AI 智能解读`	POST	生成财报解读文本

调用示例

curl -G "https://api.gugudata.com/stock/cn/fundamentalinfo" \
  --data-urlencode "appkey=YOUR_APPKEY" \
  --data-urlencode "symbol=600519"

curl -X POST "https://api.gugudata.com/ai/stock-financial-report-analysis" \
  -H "Content-Type: application/json" \
  -d '{
    "appkey": "YOUR_APPKEY",
    "symbol": "600519",
    "startYear": "2020",
    "includeNews": true,
    "includeFundFlow": true,
    "language": "zh-CN"
  }'

在服务端可以把多个接口结果合并成一个分析上下文：

def build_research_context(profile: dict, finance: dict, cash_flow: dict) -> dict:
    """Build a compact context for a financial research agent."""
    return {
        "company": profile.get("companyName"),
        "industry": profile.get("industry"),
        "latestFinance": finance,
        "cashFlow": cash_flow,
    }

输出建议

一个可读的投研摘要可以分成四段：

段落	内容
公司画像	公司名称、行业、主营业务和证券信息
财务变化	收入、利润、现金流等关键变化
市场行为	资金流或行情相关观察
风险提示	数据更新时间、异常值、仍需人工判断的事项

错误处理

股票代码不存在、接口无数据或财报期数不完整时，Agent 应返回“数据不足”，而不是补写不存在的趋势。资金流数据也不应被单独解释为投资建议，它只适合作为观察指标之一。

工程注意点

文章和产品输出都要避免写成投资承诺，重点是公开数据整理和辅助分析。
每个结论都保留来源接口和查询参数，方便复核。
财报类接口适合异步任务，避免用户等待过久。
对异常波动设置人工复核流程，不让 Agent 自动发布高风险结论。

标准架构拆解

投研分析 Agent 建议按“数据层、分析层、表达层”拆分：

层级	责任
数据层	查询公司基础信息、财务报表、业绩数据和资金流
指标层	计算增长、盈利、现金流和偿债能力等指标
解读层	调用财报智能解读接口，生成结构化分析
表达层	输出摘要、风险提示和数据来源
审核层	对异常结论或高风险内容进行人工复核

这种拆法能避免模型直接生成投资观点。Agent 的输出应像研究助理整理材料，而不是替用户做交易决策。

数据流与接口边界

推荐数据流：

用户输入股票代码和分析周期。
查询公司基础信息，确认代码、名称和行业。
查询财务报表和业绩数据，形成指标上下文。
查询资金流，作为市场行为参考。
调用财报 AI 智能解读生成摘要。
输出时附上数据来源、时间范围和风险提示。

资金流、财报和新闻证据的解释边界要清晰。资金流只能说明阶段性交易行为，财务报表反映公司经营结果，AI 解读负责把这些数据组织成可读文本。

可靠性与观测

建议记录这些指标：

指标	用途
symbol_lookup_success_rate	股票代码查询成功率
financial_data_coverage	财务数据覆盖年份
analysis_latency_ms	智能解读耗时
missing_metric_count	缺失关键指标数量
manual_review_rate	需要人工复核的比例

当数据覆盖不足时，Agent 应明确输出“数据不足以形成完整分析”。这比输出一篇流畅但依据不足的文章更可靠。

落地清单

所有结论都保留股票代码、查询日期和数据周期。
分析结果中区分事实数据、计算指标和 AI 解读。
财务异常项进入人工复核队列。
不把输出写成投资建议或收益承诺。
定时任务可以先生成摘要草稿，再由分析师审核发布。

可扩展方向

可以把投研摘要写入知识库，再接入问答机器人；也可以定时跑一批自选股，生成“今日需要人工关注”的列表，而不是让用户逐个查询。