ChatReport:基于 Multi-Agent 协同工作的智能研报编写系统

摘要：近年来，大模型技术迅猛发展，成为人工智能领域的关键驱动力。这些模型具备前所未有的参数规模和复杂性，使得机器在理解与生成人类语言、图像等方面达到新的高度。在金融行业，大模型通过智能投研、风险控制等应用，提升了金融服务的效率和精准度。但大模型在金融应用的深度和复杂

研究背景

近年来，大模型技术迅猛发展，成为人工智能领域的关键驱动力。这些模型具备前所未有的参数规模和复杂性，使得机器在理解与生成人类语言、图像等方面达到新的高度。在金融行业，大模型通过智能投研、风险控制等应用，提升了金融服务的效率和精准度。但大模型在金融应用的深度和复杂度上仍有待提升，大部分应用还是以问答的形式实现信息的获取、总结和提炼。对于更为复杂的任务如金融文档写作，已有的单一大模型技术，虽然具备潜力帮助研究人员润色和改进已有写作内容，甚至解决人工编写过程中的诸多困难，但仍存在以下几个局限性：

① 时效性：大模型训练过程中使用的行业信息较早，难以获取当前的实时信息；

② 上下文长度有限：难以一次性编写整份金融文档，导致语义出现连贯性问题；

③ 图文并茂：单个大模型难以同时具备对大量金融数据实现有效筛选的能力，以及基于数据实现BI图表的准确生成的能力；

④ 认知协同：无法进行认知协调，从多角度对金融文档进行编写。

本论文以研究报告（研报）写作作为具体应用。研报作为金融领域的关键传播媒介，对投资者和金融机构而言具有极高的价值。它们不仅提供特定市场、行业及公司的最新消息，还深入分析这些信息，从而成为金融决策的重要依据。传统的研报编写过程面临着诸多挑战，如图1所示：由于市场变化迅速，人工编写的研报常常难以及时跟进最新的市场动态；选择合适的分析方法来解读数据并得出结论是一项极具挑战的任务，这需要编写者具备深厚的专业知识和丰富的经验；此外，研报的编写还涉及到大量的数据收集和事实验证工作，这不仅耗时而且容易出错。

图 1 金融研报编写要求

基于此，为了实现群体智能，我们提出了一个创新的解决方案：构建一个基于“Internet of Agents”框架的多智能体系统，以实现更高效和智能化的研报编写。在这个框架中，我们设计了模拟六种金融公司角色的大型模型，包括首席执行官、研究员、助理研究员、实习生、审核师和归纳师。每个角色在研报编写过程中扮演不同的功能和任务，使用不同的工具，并从多个维度相互配合，从而提高研报的质量和效率。

我们的贡献可以概括为以下几点：

① 在 GPTs 盛行的时代，我们借鉴物联网的概念和架构，提出了“Internet of Agents”框架，这一通用框架能够有效地适应各个领域的应用需求。

②我们基于此框架，成功实现了首个开源的金融领域多智能体系统——ChatReport，该系统能够完成一整套图文并茂的研报编写流程。

③我们结合大型和小型模型，对爬取的50万份研报进行了金融因果知识的提取，并将这些知识集成到ChatReport 系统中，以增强其性能和准确性。

Chatreport技术方案

1.Internet of Agents 架构

借鉴物联网的层次化架构，我们提出了“Internet of Agents”这一新型体系结构，它也被划分为四个层级：代理层、流（Flow）层、平台层和应用层。代理（Agents）层由功能各异的代理组成，其中大型语言模型充当它们的“大脑”，控制着整体行为。每个代理都配备了键值（k-v）数据存储结构、不同的工具以及一定的规划能力。在流（Flow）层中，我们特别重视代理之间的通信机制，实现了数据流和控制流的分离：数据流采用JSON格式进行数据传输，每个代理可以根据角色、阶段和主题订阅所需数据；控制流则采用了类似传感网络中的Sleep/Active 机制，通过动态调整代理的活跃状态来优化资源利用率和响应速度，并引入中断机制来对其它Agents进行请求，保证整个编写流程处于敏捷开发的状态。平台（Platform）层引入了状态管理器和知识管理器。状态管理器负责控制预定义的整体阶段流程，而知识管理器则基于角色基础访问控制（RBAC）机制，为不同层级的代理提供适当的知识访问权限。最终的应用（Application）层则是将这一框架应用于不同的任务，如研究报告生成、代码生成、法律文书撰写和NPC 对话等领域，展示了其在多种用途中的实际应用潜力。

图 2 Internet of Things和Internet of Agents

2.ChatReport架构

ChatReport是在Internet of Agents框架之上搭建的金融领域应用系统，它在智能体深入挖掘分析实时数据的基础上再利用其协同合作的方式生成专业、准确和有洞察力的研报，旨在提高研报质量，缩短撰写时间，帮助分析师更好地响应快速变化的市场环境。具体而言，ChatReport能够结合金融行业的因果知识，融合实时行业、企业的新闻公告及财务数据，结合真实研报编写场景下的多种职业角色，通过大语言模型的多种能力，赋能自动化研报编写系统。下文对ChatReport系统进行具体介绍。

对于研报编写任务，我们需要从多角度进行思考。故在本项目中，我们预先设定了6个Agent类别，如图3所示，每个Agent的执行目标如下：

①首席：其有着各行各业的领域知识，负责研报的整体思路规划，对研报整体内容进行把控；

②研究员：熟悉研报编写的完整流程，对研报的主要内容进行编写；

③助理研究员：在获取数据后，能够进行数据分析并用图表进行展示；

④实习生：熟悉如何利用各个渠道查找需要的数据；

⑤审查师：配合首席进行研报审查，主要负责语法或计算漏洞；

⑥归纳师：进行研报最终的归纳总结，并形成摘要，方便速读。

图 3 Agent设计

在研报编写流程中，我们设计了一个精细分工和高效合作的过程，如图4所示，这个过程被分成了四个关键阶段：设计、编写、审查和归纳，每个阶段都有其独特的重要性和执行者。

图 4 ChatReport整体架构

在设计阶段，一切从用户的需求出发。用户提供的行业领域和研报类型是启

动整个流程的关键。实习生在这一阶段扮演着信息搜集者的角色，他们迅速搜集行业新闻和相关公司的最新公告，确保研报内容的时效性和相关性。同时，首席分析师利用其深厚的领域知识，包括对金融公司、行业信息、因果关系及产业链的了解，基于标准化模板制定出详细的研报大纲。这一阶段的工作为后续的研究和写作奠定了坚实的基础。

进入编写阶段，团队的协作模式变得更加重要。研究员主导研报的撰写工作，利用他们对行业的深刻理解和分析能力来构建研报的核心内容。实习生此时发挥其信息搜集和数据处理的能力，运用各种工具如万得量价数据、证券交易所公告查询系统，以及图数据库查询能力，为研报提供最新的数据支持。与此同时，助理研究员专注于图表的制作，使用各种高效的工具，如计算器和MarkDown表格生成器，以图形化方式呈现复杂数据，使研报更加直观易懂。团队成员之间的高效互动和实时响应，确保了研报的质量和进度。

在审查阶段，首席分析师和审查师的角色变得至关重要。首席分析师负责整体逻辑和结构的把关，确保研报的准确性和逻辑性。审查师则专注于研报的细节，如语法和计算错误，确保研报的专业性和无误。

在归纳阶段，归纳师的任务是全面审视研报，提炼出关键信息和主要观点，确保研报的核心内容突出且易于理解。这一阶段的工作不仅提高了研报的可读性，还确保了其对目标读者的实际价值。

此研报编写流程展现了一个多层次、跨职能的团队协作模式，每个成员都在其专业领域内发挥重要作用，共同推动着高质量研报的产出。

实验结果

本节将我们提出的Internet of Agents框架与目前主流的一些多智能体框架Generative Agents[1]、AgentVerse[2]、MetaGPT[3]和 ChatDev[4]的功能进行了清晰的比较，如表1所示。

表 1 多个Agent框架的功能比较

通过对表1的观察可以发现，Internet of Agents 因其广泛的功能而脱颖而出。参照物联网经典四层结构提出的Internet of Agents框架既具备多智能体框架通有的重要功能，又有一些独特之处。

Internet of Agents是目前唯一提出基于角色的访问控制（RBAC）的框架，这在金融研报生成任务中更加符合真实场景的需求。通过RBAC模型，可以实现对不同金融研报生成任务中涉及的信息、数据和功能的精细控制，确保每个智能体仅具备必要的访问权限，从而有效管理信息的流通与保密性，最终提升金融研报生成任务的协同效率和安全性。

展示系统

ChatReport 生成研报技术执行过程图5所示