AI Agent实测：一个人+Codex金融Skills，能否替代投研小组？

最近我把Codex配上一套金融Skills包，连续两周做了个高强度的实测。场景很简单：假设一个三人投研小组的日常工作全部交给一个人，由AI来顶替另外两个人，这个模式到底能不能跑通？投研小组的活，说到底就是"读财报、查数据、建模型、写报告、做纪要"这一整套执行工作。这类工作恰恰是Agent型AI最擅长的地方。我实测下来，结论是：方向是真的，但"一个人干完一个投研小组的活"这句话，需要重新定义——它干完的是90%的"写和算"的活，剩下10%的"判断和担责"依然得靠人。这篇文章会把整个实测过程、工具配置、踩坑记录和效率对比全部拆开讲，适合正在研究AI Agent落地的金融从业者，也对所有想用AI提质增效的人有参考价值。

1. 为什么想做这个实测：投研小组的活到底有多重

1.1 一个典型三人投研小组的日常工作流

先还原一个典型的三人投研小组。资深分析师负责定调，比如"今年消费板块的核心矛盾是需求复苏还是库存出清"，他的时间主要花在逻辑推演和跟基金经理沟通上。研究员负责把调子落地，拆财报、拉数据、搭模型、写首次覆盖报告，他一周可能要同时维护4到5个公司的财务模型。助理看起来最杂，但工作量一点不小：每天整理行业早报、转录会议录音、维护数据库、整理路演材料。

我把这个工作流拆开看，真正需要"脑子"的部分，其实只占一小部分。资深分析师的判断、研究员的逻辑推演、助理对信息重要性的敏感度，这些是稀缺的。但剩下大量工作，比如从财报里提数字、按模板写重点、把一万字录音变成五条会议结论，本质上是"高强度的结构化信息处理"。一个助理做这件事，一天8小时可能只能处理两份深度纪要；AI做这件事，一份纪要从喂进去到出结果，用不了十分钟。

1.2 从问答式AI到Skill式Agent的关键跨越

早几年的AI助手是"你问我答"模式，每次对话都要重新把背景交代一遍，而且它给你的回答往往大而全，落不了地。我让AI"分析某公司财报"，它会把毛利率、净利率、ROE都列一遍，看起来很专业，但离一份能直接用的投研初稿还有十万八千里，因为它不知道你的模板、你的重点、你的合规要求。

Codex加上Skills之后，逻辑变了。我可以把一套完整的投研方法论封装成一个"技能包"：里面写清楚什么时候触发、用什么数据源、按什么步骤处理、最终输出什么格式。AI拿到任务后，不是现场编回答，而是按技能包里的流程走：先拆任务，再调工具，最后产出结构化结果。这个模式对投研的价值，不只是"省时间"，更重要的是把团队的方法论沉淀成可复用资产。

1.3 实测目标与评估维度的设计

为了避免自说自话，我给这次实测定了三个硬指标：一是交付质量，以公开财报和公开行业数据为准，逐项核验AI产出的数字和结论；二是耗时对比，每个任务都记录从下指令到拿到成品的总时间，不含前期开发和调试；三是人工介入量，记录每个任务中途需要人手动修正、喂补充信息、改格式的次数。

测试任务全部基于公开数据和公开渠道信息，合规上没有问题。所有技能包均围绕五类高频投研场景：财报速读、产业链梳理、估值表生成、每日简报、会议纪要结构化。这五类场景基本覆盖了投研小组每周70%以上的执行量，也是有价值去实测的对象。

2. 环境搭建与Skills装载：30分钟让"实习生"上岗

2.1 Codex命令行环境的安装与版本选择

首先安装Codex CLI，它依赖Node.js环境，建议Node版本不低于18。装完后用npm全局安装Codex包，然后配置API密钥。配置密钥时我习惯把环境变量写进shell配置文件，比如~/.bashrc或~/.zshrc，避免每次打开新终端都要重新设置。装完以后先跑一个简单的测试任务，比如让它生成一个Python脚本并执行，确认端到端链路通了。

版本选择上，建议用当前稳定版本，避免追新。实测中遇到过Node版本过旧导致命令找不到的情况，最典型的就是输入codex提示"command not found"。那时候先去检查Node版本，再检查npm全局安装路径是否加入了PATH，问题基本就解决了。初次使用时如果遇到endpoint连接报错，优先检查本地网络策略、防火墙和DNS配置，不要盲目改系统网络设置。

安装和配置大概需要20到30分钟，但如果你的电脑环境比较复杂，可能还要多花一点时间。第一次跑通的任务最好选一个超简单的，比如"打印当前时间"，把流程跑通了再上真实业务。

2.2 金融Skills的目录结构与装载规则

Skills的目录结构有一套约定。默认情况下，技能包放在~/.codex/skills/目录下，每个技能一个子目录，子目录里至少要有一个SKILL.md文件。这个文件是技能的核心，里面有frontmatter区域，至少要写name和description两个字段。name是技能名称，description则负责告诉AI"什么时候应该使用这个技能"。

--- name: financial_report_analysis description: 当用户要求分析公司财务状况、阅读年报、计算估值指标或生成财务摘要时，使用此技能。 ---

我装金融Skills时踩过一个很典型的坑：description写得太笼统，比如"分析财务数据"，结果AI经常不触发它。后来我把description改得更具体，比如"当用户要求分析某公司财务状况、阅读年报、计算估值指标时，使用此技能"，触发率明显提高。另外，技能包里还可以放scripts子目录，让AI在任务过程中调用你写好的脚本，比如一个通用的财务指标计算器，这样它就不必每次现场发挥。

2.3 一份能打完整投研流程的Skills包如何划分

我自己在用的金融Skills包会分成五个模块：财报分析、行业研究框架、估值建模、数据获取、研报模板。财报分析模块负责读数据、算指标、写摘要；行业研究框架模块内置产业链分析、竞争格局分析模板；估值建模模块负责拉取公开行情数据并计算PE、PB、EV/EBITDA；数据获取模块封装了多个公开数据源的读取脚本；研报模板模块提供输出格式模板，包括首次覆盖报告、跟踪点评、每日早报等。

这套划分的价值在于复用。团队的方法论、格式要求、数据口径，全部沉淀在技能包里，换谁来操作，输出都是同一个风格。对于一个人单挑所有投研工作的情况，这套技能的完善程度直接决定了你能省多少时间。

3. 五个高负荷投研场景逐一跑：输入输出全实录

3.1 场景一：上市公司财报速读与风险清单生成

第一个实测场景是财报速读。我选了一家A股消费类上市公司2023年的年度报告，一共600多页PDF，再加一份财务摘要Excel当作辅助数据。指令很简单："使用财报分析技能，完成一份速读摘要，包括收入拆解、毛利率变化、三项费用、经营性现金流、应收账款、存货周转、资产负债率变化，并列出你认为的五大风险点。"

实测结果：从下指令到拿到摘要，耗时约20分钟。输出是一份约3000字的结构化摘要，数据完整度很高，关键指标和财报原文基本能对上。但人工复核时发现两处应收账款增速的表述需要修正，AI把"同比增长"和"环比增长"混用了。风险清单部分，AI偏向使用年报原文的委婉措辞，缺乏主动质疑。整体评价：这是一个完全可以交给AI做的场景，但最后一定要有人通读一遍。

3.2 场景二：行业产业链梳理

第二个场景是产业链梳理。我要求AI基于公开行业白皮书和公开资料，输出某消费细分行业的全景梳理，包括上游原料、中游制造、下游渠道，标出每个环节的毛利率区间、主要参与者和竞争格局。这是一个典型的"框架+信息填充"型任务，非常适合交给AI打底稿。

实测中AI输出了一份结构清晰的Markdown文档，产业链逻辑完整，各环节的关键公司和大致毛利区间也列出来了。但问题出在毛利率数据上：AI给的几个数值和公开财报口径对不上。后来我追加了一条指令，要求所有数据必须给出具体来源和引用日期，输出才变得可用。所以在这个场景里，AI最合适的定位是骨架生成器，最后一公里的数据核验还得靠自己。

3.3 场景三：可比公司估值表自动生成

第三个场景最能体现Agent的"干活"属性。我给出一组可比公司名单，要求用公开行情数据自行编写Python脚本，拉取最近收盘价、总股本、净利润等数据，计算PE、PB、EV/EBITDA，输出一组对比表。这一步交给传统聊天AI会非常痛苦，因为它只会教你自己去网站查，但Codex可以直接写脚本、执行脚本、迭代修正。

实测中它第一次生成的脚本就跑通了，数据也拉下来了，表格结构规范。唯一的问题是净利润口径：AI默认用了归母净利润，而我需要的是扣非净利润，两者对某些公司差异很大。我手动改了一行计算逻辑后重新跑，结果就符合要求了。这个场景的启示是：AI可以帮你完成80%的算数工作，但"口径定义"这种带有专业判断的细节，必须人在前面定清楚。

3.4 场景四：每日投研简报自动生成

每日简报是我认为最适合自动化的场景，没有之一。它高度重复、格式固定、时效性强。我在技能包里配置了一个每日简报的工作流：早上触发后，自动拉取公开财经新闻标题，按行业分类，提取与关注标的相关的条目，最后输出一份带时间戳的早报文档。

实测体验：每天早上只需要输入一句"生成今日投研简报"，大约5分钟后台任务完成，格式稳定、内容完整。它的短板也很明显：AI只会做"聚合和分类"，不会判断哪条新闻真正重要。我只保留跟关注公司名单和关键词匹配的条目，解决了部分噪音问题。如果未来能接入更智能的排序规则，这个场景基本上能做到完全无人值守。

3.5 场景五：会议纪要转结构化决策清单

最后是会议纪要场景。我把一段投资讨论会的录音转写文本喂给AI，要求整理为会议纪要，提炼最终结论、分歧点、行动项，每个行动项标注负责人和截止时间。这个任务测试的是AI对口语信息做结构化提取的能力。

实测结果很惊喜：结论和行动项提取准确度非常高，因为发言人在讨论中往往会把关键信息说得很明确，AI只需要准确识别。但遇到口语化的表达、双关语和保留态度的措辞时，AI会过于直译，导致语气失真。比如有人用开玩笑的语气说"要不这事就黄了吧"，AI会提取成"建议终止项目"。所以纪要这个场景，可以让AI做初稿，但语气和潜在意图必须人工过一遍。

4. 一个人 vs 一个小组：效率账与质量账怎么算

4.1 时间与人力成本对比：一份真实任务清单

把三天实测里的任务量汇总一下：三份财报速读、两份产业链梳理、五张估值表、三份每日简报、八份会议纪要。传统三人小组完成这些任务，按行业内正常速度估计，大约需要40个工时。用我配好Skills的Codex实测，包含所有人工修正的时间，总共大约是12小时。也就是说，效率提升在3倍以上。

需要说明的是，这12个小时里有相当一部分是前期的技能包调试和数据源接入，这部分是一次性投入，越往后摊销越薄。如果你想复现这个效率，不能只装个Codex就开始用，技能包的完善度才是关键变量。

4.2 质量评估：AI产出的长板与短板

效率提升是一回事，质量能不能打是另一回事。我逐项核对了AI产出的数据准确性，发现它的长板集中在：格式统一性极强，同一份模板无论跑几次，结构永远稳定；覆盖面完整，一份财报摘要里几乎所有重要科目都会被提到，不会像人类分析师那样偶尔漏项；速度就是优势，当市场出现异动需要快速更新数据时，人工往往手忙脚乱，AI则按部就班十秒出结果。

短板也非常明确：第一，它没有真正的观点，只会"总结"而不会"下判断"；第二，存在幻觉问题，如果数据源缺失，它可能会编造一个看起来合理的数字；第三，它不理解"潜台词"，新闻背后的利益关系、语气暗示、真实的资金动向，都需要人来补；第四，它对"什么值得写"缺乏优先级判断，经常把重要信息埋在无关紧要的细节里。

4.3 哪些环节必须留给人脑：一条边界清单

投研工作里，有些动作不能外包。第一，最终投资结论，要不要买、买多少、什么时候卖，这种带资金后果的决策必须人工负责；第二，数据口径和合规审核，任何对外发布的材料，AI只能当草稿，最终风险要人背；第三，与客户和内部投资经理的沟通，这种需要建立信任、处理情绪的场景，AI无法替代；第四，对突发新闻的第一反应，AI的响应速度虽然快，但它无法理解这条新闻在当下持仓结构里意味着什么。

我给自己的定位是：AI是那个每天能出十份初稿的高强度研究员助理，我是那个说"这里重点写""这个风险要展开"的主编。它的工作是压缩信息，我的工作是判断什么信息重要。

5. 实操避坑全记录：我在实测中踩过的坑

5.1 安装与运行环境问题

第一坑，Node版本过旧。我的开发机之前一直用的是Node 16，装完Codex后命令根本调不起来，查了半天发现是版本不支持。升级到Node 18之后一切正常。第二坑，环境变量配置没写进shell配置文件，重启终端后密钥全部丢失，导致每次都要重新填，后来把export写进~/.zshrc才解决。第三坑，npm安装超时，建议把npm registry配置成国内镜像源，速度会稳定很多。第四坑，如果你遇到endpoint连接失败之类的问题，先检查本地网络策略、防火墙和DNS配置，而不是去改系统网络开关。这类问题多半是环境导致的，不是工具本身的问题。

5.2 Skills不触发与路径配置错误

Skills不触发是使用过程中最让人头疼的问题。我总结下来主要有三个原因：一是技能目录放错了位置，没有放进~/.codex/skills/；二是SKILL.md里的frontmatter字段名写错，比如description拼写问题，导致AI无法识别；三是description写得太宽泛，AI在判断"该不该用这个技能"时犹豫，最后干脆不用。

排查顺序建议从外到内：先确认技能包所在目录被Codex正确识别，再检查SKILL.md的格式和字段，最后把description改得更具体。这里有个实用技巧：在description里明确写"当用户遇到以下情况时必须使用此技能"，并附上一到两个典型问题示例，触发率会明显提高。

5.3 数据抓取失败与幻觉数据校验

投研对数字准确性要求极高，AI的幻觉问题在这里会被无限放大。我实测中遇到两次AI在数据源缺失时"编"出了财务数字，而且编得很像真的，如果不是人工核验，很容易混进报告。所以我的铁律是：AI输出的任何关键财务数字，必须与原始财报或公开数据库核对，关键指标宁可核三遍。

年报PDF解析是另一个坑。直接喂PDF容易导致解析乱码，更稳妥的做法是先把PDF转成文本，或者直接用结构化数据文件（Excel、CSV）喂给模型。抓取公开网站时，优先选择官方API和公开数据包，而不是直接抓网页，既稳定又不容易触发反爬。

5.4 长任务中断与上下文丢失

跑长任务时，Codex偶尔会因为超时或上下文长度到上限而中断。最尴尬的是任务跑到一半停了，前面已经产出的中间结果也丢了。我的对策是：大任务拆小步，每一步保存中间结果。比如产业链梳理，我会分成"搭框架→填上游→填中游→填下游"四个步骤，每步单独跑、单独存档，即使某一步失败，也只是局部重来。

还有一个小经验：复杂任务的指令用结构化描述更稳定。把目标、输入、输出格式、注意事项分成四行写清楚，比一段长篇大论的要可靠得多。实测下来，这种结构化的任务拆解能让失败率下降一半以上。

5.5 合规红线与专业边界：必须提前想清楚的事

金融场景天生的合规敏感度要求我们对AI的使用范围有明确边界。第一，只使用公开数据与合法授权数据源，不要把未公开信息喂给模型；第二，AI产出的内容不应直接作为投资建议对外发布，它只能作为内部研究参考的辅助材料；第三，对外发布的任何内容必须人工审核，建议在文档末尾统一加上"由AI辅助生成，仅供研究参考"的说明，这是既保护自己也保护公司的习惯。

这些边界不是限制，反而能让AI用得更持久。在一个明确有边界的框架里使用Agent，比什么都不管就用，长远来看更稳。

6. 我的最终判断：这句话真在哪里、假在哪里

让我直接说结论。实测两周、五类场景、几十项任务之后，我认为"一个人干完一个投研小组的活"这句话，在特定前提下是真的，但需要把话术修正一下：一个人加上一套配置良好的Codex和金融Skills，可以完成一个投研小组90%的执行型工作，包括数据拉取、财务分析、模型计算、报告初稿、会议纪要；但剩下10%的判断层工作，包括投资结论、风险定性、客户沟通、合规兜底，必须也只能由人完成。

我的个人感受是，这个组合最大的价值不是"替代人"，而是把投研工作从劳动密集型变成了判断密集型。以前一个小组用40个工时把数据整理干净，才能挤出5个小时做真正有价值的判断。现在这些数据整理工作被压缩到几个小时，你可以用省下来的时间反复推敲同一个关键逻辑。如果你也想在自己的团队里做类似的事，我的建议是从一个高频、可衡量的场景切入，比如每日投研简报或会议纪要，先把流程跑顺，再逐步扩展。工具不是核心，你对业务流程的理解才是核心。