固收量化系列报告-债市研究智能体：“Prompt%2b”与多Agent协同

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 固收 债市研究智能体：“Prompt+”与多Agent 协同——固收量化系列报告 华泰研究 研究员 殷超 SAC No. S0570521010002 yinchao014790@htsc.com +(86) 10 6321 1166 研究员 方翔宇 SAC No. S0570524070006 fangxiangyu@htsc.com +(86) 10 6321 1166 研究员 文晨昕 SAC No. S0570520110003 SFC No. BSF414 wenchenxin@htsc.com +(86) 21 2897 2068 研究员 王晓宇 SAC No. S0570524070005 wangxiaoyu@htsc.com +(86) 10 6321 1166 研究员 张继强 SAC No. S0570518110002 SFC No. AMB145 zhangjiqiang@htsc.com +(86) 10 6321 1166 2025 年 5 月 13 日│中国内地 深度研究 核心观点 大语言模型（LLM）的出现为二级市场投研工作带来了更大的拓展空间。但简单的“提问+聊天互动”还远远无法满足复杂的工作需求，如何更好地使用大模型正在成为更值得研究的问题。优化提示词（Prompt）是引导大模型生成高质量内容的基础，我们建议使用思维链和完整框架进行强化。而后，还可以继续对大模型进行三项“升级改造”：1、搭建智能体系统，使用多个 Agent 协同，分步分环节完成复杂任务，类似 Manus 等；2、使用知识库+RAG，通过结合信息检索与生成模型，提升大语言模型回答的准确性与可信度；3、使用 Socratic-Prompt 与 Self-Check 削弱模型幻觉。 大模型提示词（Prompt）的原理、方法与设计框架 大模型的提示词（Prompt）就是经过人为思考后给出更有“含金量”的上下文，目的就是引导大模型生成高质量内容，众多研究者将此称为 Prompt Engineering。Prompt 对大语言模型引导的底层机制可以归纳为三个：激活相关参数、调整概率分布和减少歧义或不可靠输出。由此延伸，一个完整的 Prompt 一般有四个核心要素：1、指示（Instructions），告诉模型需要执行的具体操作；2、上下文（Context），譬如相关背景信息，帮助模型理解任务；3、示例（Examples）；4、输出（Output），应清晰描述期望大模型输出的格式。实践中已涌现出许多有效框架，典型如 RAPPEL 等 。 进阶 1.0：搭建多 Agent 协同的智能体系统 主观研究作为多环节、多任务且需反复迭代的复杂工程，单 Prompt 通常难以胜任。实战中需构建多 Agent 协作系统，模拟人类团队的协作模式，各智能体承担不同角色：Leader 统筹全局，Researcher 负责细分领域研究，还可设置风格润色、逻辑校验等专项模块。该系统一般需要包含三个核心模块：1）任务分配机制，通过差异化 Prompt 明确各 Agent 职责；2）信息共享通道，确保数据与结果的实时交互；3）反馈优化回路，通过循环迭代持续优化输出质量。这种协作模式既能保持系统弹性，又能实现研究深度与广度的平衡。各模块配套 Prompt 可参考我们提供的样例。 进阶 2.0：RAG 技术与本地知识库 RAG（检索增强生成）通过结合信息检索与生成模型，提升大语言模型回答的准确性与可信度。使用 RAG 构建本地知识库需四步：1、清洗并分块领域文档；2、通过 Embedding 模型将文本向量化，存储至向量数据库；3、根据用户提问检索相似文本块；4、将检索结果与问题合并为增强提示，驱动 LLM 生成基于事实的答案。集成多 Agent 系统时，可设计“检索Agent”负责与知识库交互，或为每个 Agent 嵌入 RAG，使其在任务中自动检索权威资料，提升决策可靠性。在实践中，我们优先推荐 lightRAG 等轻量化框架作为主要工具，降低部署门槛，有利于实现快速集成。 进阶 3.0：使用 Socratic-Prompt 与 Self-Check 削弱模型幻觉 大模型幻觉的根源在于其底层是基于文本模式预测的统计模型，缺乏事实校验机制。因此当面对知识盲区或未明确约束的推理任务时，大模型会“填补空白”甚至编造信息，导致输出虚假但看似合理的答案。普通Prompt 缺乏推理引导和自我检查环节，使模型倾向于跳过逻辑推演，直接生成表面连贯却错误的回答。有两种方法可以有效缓解大模型的幻觉：1、苏格拉底提示（Socratic Prompting）。通过提问-回答循环引导模型逐步拆解问题、反思假设，强化推理深度；2、自我检查（Self-Check）。让模型在生成初稿后进行二次验证，核对事实矛盾、逻辑漏洞并修正错误。 风险提示：模型接收信息不及时；智能体协作传导不畅；数据安全问题。 000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000000 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 固收研究 正文目录 前言：什么是 Prompt Engineering（提示词工程）？ .......................................................................................... 3 原理：提示词是如何对大模型进行引导的？ ......................................................................................................... 7 方法：上下文学习、思维链与设计框架 ................................................................................................................ 8 进阶 1.0：搭建多 Agent 协同的智能体系统 ........................................................................................................ 11 多 Agent 系统：什么是 Agent 协同？ ...........................................................................