AlphaOS 智能投研系统
围绕基煜基金机构服务场景设计并实现的 AI 基金投研工作台：把基金筛选、一页纸研究、内部资料 RAG、多 Agent 投委会和投资记忆连接成一条可追溯的决策链。
项目背景
机构基金研究并不缺少信息，真正稀缺的是把公开数据、内部路演纪要、基金经理尽调、组合约束和投委会讨论组织成一套可复核流程。AlphaOS 的目标不是替机构直接下交易指令，而是帮助研究与配置团队更快回答：这只基金由谁管理、风格是否稳定、收益与回撤来自哪里、哪些结论仍需尽调验证。
核心产品
基金一页纸
输入基金名称或代码，系统整理净值表现、同类与基准对照、风险指标、基金经理、资产配置、规模、持有人结构和季度重仓。A 股重仓还可以继续下钻，联动生成公司与行业一页纸。
内部资料 RAG
内部路演、调研和产品材料经过清洗、分块与索引后进入知识库。研究时按基金、经理和持仓召回相关片段，并与公开事实分层显示；每次召回保留来源与使用记录，召回不等于采信。
多 Agent 基金投委会
五个席位分别负责业绩归因、基金经理与组织、持仓与风格、风险与持有人、组合适配与产品。各席只在职责范围内引用证据，经过交叉质询后，由主席给出基金池流程建议、推进条件、停止线和复盘日期。
宏观、组合与投资记忆
宏观页以 30 项指标呈现多维证据与对称情景；组合校准聚焦政策偏离、风险占用、流动性和小步调整；投资记忆则记录关键假设、人工确认、最终结论与后续复盘。
我的工作
从项目定位、用户场景和信息架构开始，把“AI 股票研究助手”逐步校准为机构基金投研工作台；随后完成研究流程、交互原型、多 Agent 协作机制、RAG 证据分层、前后端实现和生产部署，并通过真实基金、重仓公司与行业联动进行验收。
技术实现
当前边界
目前是围绕基煜基金机构服务场景完成的产品设计与可运行原型，不代表基煜基金官方系统。公开基金数据和演示截面用于研究初稿，不构成基金评价、投资建议或申赎指令；内部 API、真实持仓、权限审计和授权数据库仍需在正式合作与合规前提下接入。