巴菲特智能体全面评测：股票分析到通用咨询优化

手搓“巴菲特”智能体：用户吐槽与V2.0优化实战

先直面现实：亲手打造的“巴菲特”智能体上线后，试用者的反馈并非全是好评。新鲜感消退后，实际使用中的痛点迅速暴露出来。

如果你也试过类似AI投资助手，下面这份“吐槽清单”应该会让你深有同感：

• 能力单一：除了股票分析，其他问题一律回复“抱歉，超出能力范围”。
• 记忆断层：完全记不住上一轮对话上下文，每次都得重新描述需求。
• 模型幻觉严重：比如问美团股价，它给出错误答案还信誓旦旦。
• 技术分析短板：需要看MACD、KDJ等指标时直接“宕机”。
• 输出与需求错位：用户只想快速查个股价，它却甩出一整份复杂分析报告。

这些问题极具代表性，暴露了一个核心矛盾：我们设计的AI助手与用户真实使用习惯、预期之间存在明显断层。

那么，问题究竟出在哪？又如何针对性优化？今天来聊聊改造思路与具体落地过程。

问题分析与优化方向

将上述槽点归类，可以提炼出三个核心问题及其对应解法：

问题一：Agent定位与用户预期冲突

最初设计将智能体严格限定为“股票深度分析工具”——输入一只股票，自动完成“数据收集-框架分析-报告生成”闭环。但用户实际想要的是一个能灵活应对多种场景的“投资助理”。比如，你可能只想了解某个概念，或者听听巴菲特对某行业的看法。但之前系统的prompt写得太死，堵死了这条路。

优化方向很简单：将“股票分析师”定位升级为能处理投资咨询、信息查询、深度分析等多任务的“综合投资顾问”。实现关键在于引入“意图识别”模块，在用户提出需求后先判断类型，再分流到不同流程处理。

问题二：价格准确性 vs. 大模型搜索幻觉

股价这类实时精确信息，让大模型自己去搜索本质上是在赌概率。尤其美团、阿里等多地上市企业，模型很容易给出错位信息。靠模型自主检索，数据出错概率极高。

优化方向：将股价和行情数据获取从“模型搜索”切换为“接口调用”。把可靠第三方数据接口封装成工具，系统识别用户需要查询价格时直接调用工具获取精确数据。

问题三：技术分析能力短板

技术分析需要大量历史成交数据以及MACD、KDJ等计算后的指标。纯靠模型搜索获取这些结构化数据完全不现实。

优化方向：为技术分析需求开设“绿色通道”。在意图识别环节一经确认用户想做技术分析，就调用封装好的专业数据工具提供基础数据。

下面先聚焦第一个问题，看改造的具体步骤。

从“股票分析助理”到“投资咨询助手”

要让AI完成角色转换，需要在两个层面动手：一是重新定义它的“自我认知”（Prompt），二是重构工作流程。

Step 1：重写应用定义与Prompt

首先，欢迎语必须调整。不再说“请发送股票代码”，而是明确告知用户：“我是您的巴菲特投资顾问，可以聊投资哲学、查资讯，也可以做深度股票分析。”

（欢迎语优化后的示例截图）

更关键的是Agent Prompt的改写。我们将工作路径重新设计：除了原有深度分析流程，新增“知识库问答”和“序贯思考（Sequential Thinking）”两个工具。前者负责回答投资概念和常识性问题，后者处理需要逻辑推理的复杂咨询。这样AI的边界就从“分析一只股票”扩展到“解决投资相关的问题”。

（Agent Prompt改写后的示例截图）

Step 2：工作流——新增意图识别与路由分支

由于该应用采用Multi-Agent（多智能体）框架，并通过工作流编排不同Agent间的协作，因此能灵活处理不同任务。

整个链路的起点是第一个节点——大模型意图识别。它的任务是从用户输入中提取需求类型，然后分发给对应分支。

（工作流链路示意图）

具体操作分几个小步骤：

1. 大模型意图识别节点设置

首先，在输入变量中选择“用户输入”作为来源。

（输入变量设置截图 x2）

接着配置意图识别模块。选定模型并明确告知它要提取哪些意图。我们可以预设几个核心意图，例如：“股票深度分析”、“投资哲学/理论咨询”、“信息查询（股价、财报等）”。同时为每个意图配上清晰描述和示例。

（意图设置截图）

2. 为不同意图设置分支流程

最后一步，将识别出的意图连接到对应处理流程。

• 股票深度分析（意图1）：连接到原有的完整分析流程。
• 投资话题/信息查询/其他（兜底）：连接到新分支。这里我们开发了一个“股票分析小助理”Agent，专门处理非深度分析但需快速响应的请求。它能查股价、解释概念或进行简单的通用对话，解决了槽点1、3和5。

阶段性优化效果

经过这轮改造，智能体表现有何变化？

1. 欢迎语与多场景响应

现在用户输入不同类型问句时，系统能精准回应。比如用户问“什么是市盈率？”，它直接调用知识库给出定义和例子，而不是生硬索要股票代码。

（优化后欢迎语及多场景响应截图）

2. 投资小白咨询

当用户问“我是新手，应该先学什么？”这类问题时，智能体能给出有逻辑、有步骤的引导，而非直接拒绝。

（投资小白咨询对话截图）

3. 股票深度分析

核心功能依然健在。输入“分析贵州茅台”，它仍会走完整的数据收集、财务分析、估值判断流程。

（茅台分析对话截图）

可见，仅仅通过修改定位、增加意图识别和分支流程，智能体就从“单功能工具”蜕变为更接近“人”的投资助手。当然，这还只是V2.0版本。

下期预告

接下来，我们会继续解决剩下的硬骨头：如何通过封装数据接口彻底解决价格查询准确性？如何让AI有能力调用历史数据和指标计算，真正实现技术分析？这些将在下一期展开。

来源：互联网