引言：通用大模型在金融投研中的致命短板
近年来，大语言模型（LLM）在常识问答和代码编写中展现了惊人能力，但在严肃的证券投研领域，直接将通用大模型推向盘中或盘后分析，往往会面临三大致命问题：
- 数值事实幻觉（Numerical Hallucination）：金融分析要求 100% 精确的财务比率与行情数字，大模型容易在没有数据约束的情况下臆测收盘价或市盈率。
- 多数据源漂移与单点中断（Data Source Instability）：免费或三方金融数据接口频繁限流或结构变更，单一数据源崩溃会导致整条投研流水线挂起。
- 单一视角局限（Monolithic Bias）：单一 Prompt 既要求分析技术面、又要解读财报、还要评估宏观政策，模型注意力稀释，结论泛泛而谈。
本文将拆解 SupaStock 平台如何通过**“弹性多源数据网关 + 分治型多智能体专家集群 + 严格事实核对机制”**，实现高质量、抗脆弱的量化智能投研闭环。
一、分层架构概览
SupaStock 整体投研引擎分为四层：
┌────────────────────────────────────────────────────────┐
│ 终端交互与推送网关 │
│ Web Console / Desktop App / Telegram / 飞书 / 企微 │
└───────────────────────────▲────────────────────────────┘
│
┌───────────────────────────┴────────────────────────────┐
│ 多智能体投研编排层 (Multi-Agent) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 宏观趋势专家 │ │ 技术形态专家 │ │ 财务估值专家 │ │
│ └──────┬───────┘ └──────┬───────┘ └──────┬───────┘ │
│ └────────────────┼────────────────┘ │
│ ▼ │
│ 首席风控官 (Risk Auditor) │
└───────────────────────────▲────────────────────────────┘
│
┌───────────────────────────┴────────────────────────────┐
│ 量化指标计算引擎与背离检测 │
│ EMA / MACD / KDJ / RSI / 布林带 / 筹码分布 │
└───────────────────────────▲────────────────────────────┘
│
┌───────────────────────────┴────────────────────────────┐
│ 弹性数据接入层 (Multi-Source Fallback) │
│ Mootdx ──► AkShare ──► EFinance ──► Futu ──► Sina │
└────────────────────────────────────────────────────────┘
二、弹性数据网关：抗断网与多通道 Fallback
金融数据的可靠性是所有上层推导的基石。SupaStock 在数据接入层构建了自适应优先级队列：
- 主通道（L1 - 极速行情）：以通达信底层协议（mootdx）直连券商行情分机，兼顾无封禁风险与毫秒级行情读取。
- 次通道（L2 - 综合资讯与财务）：接入东方财富与腾讯底层 API，抓取研报摘要、互动易问答与主力资金动向。
- 海外与期权通道（L3 - 跨市场）：港美股接入富途 OpenAPI 与 Yahoo/Sina 跨市场数据。
当某一源发生超时或结构异常时，网关利用熔断器模式（Circuit Breaker）自动在 300ms 内平滑降级至备用源，确保数据拉取成功率达到 99.95% 以上。
三、分治型智能体集群的分工契约
SupaStock 摈弃“单 Prompt 问全盘”的粗糙做法，将投研任务分解为四个具备独立输入输出契约的专家 Agent：
1. 宏观与市场情绪 Agent (Market Regime Specialist)
- 输入：大盘宽基指数（上证、创业板、恒生、纳斯达克）、北向与南向资金净流入、全市场涨跌停家数比。
- 输出：当前市场阶段评估（弱势震荡 / 主升突破 / 情绪冰点），提供仓位风控基调。
2. 量化技术形态 Agent (Technical Pattern Specialist)
- 输入：经由 Python 引擎精确计算的量化特征：
- 均线偏离度（Bias to EMA20, EMA60）
- MACD 顶底背离特征值与柱状图斜率
- 筹码集中度与换手率异动
- 输出：支撑位、阻力位、动量评级与短线买卖点推演。
3. 基本面与公告 Auditor (Fundamental Analyst)
- 输入：近三年净利润增速、ROE、经营性现金流、最新业绩预告与互动易官方回复。
- 输出：估值合理性区间、业绩雷区提示。
4. 首席风控官 (Chief Risk Auditor) —— 事实核对与防幻觉
所有前序 Agent 的输出汇总后，并不直接展示给用户，而是由风控校验器比对数据库真值：
- 核对报告中出现的每一个价格是否落在当天真实振幅内；
- 检查止损止盈位设置是否符合风险收益比 ≥ 1:2 的数学期望；
- 若检测到与真实数据矛盾的推论，触发自动重校。
四、总结与后续演进
通过将量化确定性计算（指标、回测、数据清洗）与大语言模型的归纳推理（事件解读、行业推演、多维协同）清晰分工，SupaStock 打造了兼具“专业严谨性”与“认知深度”的现代智能投研体系。在后续版本中，系统将引入跨周期的 Agent 自我反思机制，进一步提升极端行情下的自适应能力。