FundaPod：面向AI辅助基本面投资研究、带知识图谱记忆的多角色智能体组平台

大语言模型（LLM）在金融领域的应用日益增多，但现有工作大多聚焦于交易信号或以预测为中心的金融NLP任务。相比之下，机构基本面研究要求人类分析师或AI智能体收集证据、识别业务驱动因素、比较相互竞争的观点并撰写投资备忘录。其更宏大的目标不只是预测结果，而是产出透明、可复用且可验证的投资计划，并为投资知识的累积发展作出贡献。我们提出FundaPod，一个面向AI辅助基本面投资研究的多角色智能体平台。我们主张，基本面研究是一种以人为中心的决策支持任务，与交易信号生成有质的区别，因此更适合采用保持独立性的架构。在FundaPod中，具有不同角色（如价值投资者或宏观策略师）的AI智能体在共享的溯源契约下独立开展研究。随后，它们之间的分歧会被事后呈现，供人类投资组合经理（PM）通过知识图谱记忆系统进行裁决。本文基于设计科学实践以及认知隔离与人机协同理论，提出了支撑基本面研究的人机混合系统的五项设计原则。本文还描述了四种架构机制：将公开投资者材料转化为可部署智能体的角色蒸馏流水线；让规划器推导带类型任务图的声明式技能注册表；将备忘录论断链接到可验证来源的接地证据模型；以及连接股票代码、备忘录、分析师与主题的知识图谱“第二大脑”。我们通过完整的案例研究和基于角色的备忘录对比来展示该架构。