手搓“巴菲特”智能体：用户吐槽与V2.0优化实战

我们先来直面一个现实：当亲手打造的“巴菲特”智能体上线后，试用者的反馈并不全是鲜花和掌声。在一阵兴奋期过后，实际使用中的“槽点”很快就浮出水面了。

如果你恰好也尝试过这类AI投资助手，下面这份“吐槽清单”大概会很有共鸣：

• 功能单一：除了做股票分析，其他问题一概回答“抱歉，超出我的能力范围”。
• 记忆只有3秒：完全记不住上一轮对话的上下文，每次都要重新描述需求。
• 模型幻觉严重：比如问美团股价，它给出的答案是错的，而且言之凿凿。
• 技术分析能力不足：需要看MACD、KDJ这类指标时，它直接“熄火”了。
• 输出与需求错位：用户只是想快速查个股价，它却输出一整套复杂的分析报告。

这些问题其实很有代表性。它们暴露出一个核心矛盾：我们设计的AI助手，与用户真实的使用习惯和预期之间，存在一条不小的鸿沟。

那么，问题到底出在哪？又该如何针对性优化？今天就来聊聊改造思路和具体的实现过程。

问题分析与优化方向

把上面这些槽点归归类，可以提炼出三个主要问题及其对应的解法：

问题一：Agent定位与用户预期的冲突

最初的设计思路，是把智能体严格限定为“股票深度分析工具”——输入一只股票，自动走完“数据收集-框架分析-报告生成”的闭环。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，你可能只想知道一个概念的解释，或者听听巴菲特关于某个行业的看法。但之前系统的prompt写得过于死板，把这条路堵死了。

优化方向很简单：把“股票分析师”的定位，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”。而实现的关键，就是引入一个“意图识别”模块，在用户提出需求后，先判断它属于哪个类型，再交给不同的流程去处理。

问题二：价格准确性 vs. 大模型搜索幻觉

股价这种实时且精确的信息，让大模型自己去搜索，本质上是在赌概率。特别是像美团、阿里这种多地上市的企业，模型很容易给出错位的信息。靠模型自己的判断去检索，数据出错的概率相当高。

优化方向：将股价和行情数据的获取，从“模型搜索”切换为“接口调用”。把可靠的第三方数据接口封装成工具，当系统识别到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这类经过计算后的指标。纯靠模型搜索来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，一旦确认用户想做技术分析，就调用封装好的专业数据工具来提供基础数据。

下面，我们先聚焦第一个问题，看看改造的具体步骤。

从“股票分析助理”到“投资咨询助手”

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

Step 1：重写应用定义与Prompt

首先，欢迎语得变。不再是“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。”

（此处应有欢迎语修改后的截图）

更关键的是Agent Prompt的改写。我们把工作路径重新设计了一下：除了原有的深度分析流程，新增了“知识库问答”和“序贯思考（Sequential Thinking）”两个工具。前者用来回答投资概念和常识性问题，后者用来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”。

（此处应有Agent Prompt改写后的截图）

Step 2：工作流——新增意图识别与路由分支

由于这个应用采用了Multi-Agent（多智能体）框架，并且通过工作流来编排不同Agent之间的协作，所以我们就能非常灵活地处理不同任务。

整个链路的起点，就是第一个节点——大模型意图识别。它的任务是从用户输入中提取需求类型，然后把请求分配给对应的分支。

（此处应有工作流链路示意图）

具体操作分为几个小步骤：

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。

（此处应有输入变量设置截图 x2）

接着，配置意图识别模块。这里需要选定模型，并明确告诉它要提取哪些意图。我们可以预设几个核心意图，比如：“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，需要为每个意图配上清晰的描述和示例。

（此处应有意图设置截图）

2. 为不同意图设置分支流程

最后一步，就是把识别出的意图连接到相应的处理流程上。

• 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）：连接到新分支上。这里我们开发了一个“股票分析小助理”Agent，专门用来处理那些非深度分析、但需要快速响应的请求。它能查股价、解释概念，或者进行简单的通用对话，这就解决了槽点1、3和5的问题。

阶段性优化效果

经过这一轮改造，智能体的表现有什么变化？

1. 欢迎语与多场景响应

现在，当用户输入不同类型的问句时，系统能给出精准回应。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，而不是生硬地索要股票代码。

（此处应有优化后的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，智能体也能给出有逻辑、有步骤的引导，而不是直接拒绝。

（此处应有投资小白咨询对话截图）

3. 股票深度分析

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

（此处应有茅台风析对话截图）

可以看到，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”蜕变为了更接近“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几个硬骨头：如何通过封装数据接口来彻底解决价格查询的准确性问题？以及如何让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。