【Agent+MCP开挂系列】手把手教你用腾讯云智能体开发平台打造巴菲特投资顾问（一）

大家好，这是我的专题《AI颠覆人类倒计时：普通人自救指南》系列文章之一。

““学习很枯燥，但运用AI把自己打造成超级个体，会很有意思”。

写在前面

在正式进入主题之前，首先和关注支持的朋友们说声抱歉，这几个月更新频率很低。归根结底，是个人犯懒，而且决心利他分享的精神不够。

然而，在这个大模型发展日新月异的今天，短时间懈怠可能就被大模型发展快速狠狠甩在后头。

所幸的是，虽然课余有所放松，但每天的工作都在要求思考和运用AI agent能力，让我们平台的用户能够获益。同时，公司很重视，AI氛围很好。前段时间私下的摸索，也在这一两个月公司大大小小agent比赛中，给我带来了很多正反馈。

再次证明，机会是留给有准备的人的，今天你默默的努力，都会成为你明天向上攀登的阶梯。

本公众号将坚持“实用”型agent的“详细教学”：

1. AI应用：提供小白也可以上手的Agent和应用教程。
2. 围绕场景展开：学以致用，切实改造个人能力

12月内容预告

基于定位及个人需求，12月份内容将围绕以下展开：（如果朋友们有场景和话题也可以留言共创）

1. 投资：对于获取投资资讯的最新思路和agent实现（基于腾讯云智能体开发平台ADP实现）
2. 生活：最近入手3D打印后，经常在小红书发布打印的3D模型。为此，每次我都要想如何措辞发布。因此很想手搓一个智能体，理解我对应视频和图片之后，安装我希望的风格帮生成文案和措辞。
3. 工作：作为一个产品经理，近期也正在研究和实践AI对需求提出到实现/迭代过程的优化。

今天我们先来进行第一个主题的分享——巴菲特投资智能体的搭建。

创意产生：打破投资信息壁垒，手搓巴菲特智能体

投资是一辈子的事情，但对于大多数人而言，与专业投资者之间横亘着的不仅是信息的鸿沟，还有思考方式/投资框架的差距。

因此，借助于大模型，打造一个具备投资专家思想的智能体，帮助我们分析整合各方面的资讯，作为投资参考，对于不想轻易下牌桌的小散而言，有一定的意义。

一句话说清Agent创意

在Agent了解巴菲特投资框架的基础之上，通过工作流让不同的Agent协同工作，综合收集各方面数据之后，按照一定的框架进行分析，并生成对应的网页报告。

涉及知识和数据：

巴菲特投资框架及以下决策数据

1. 基础信息：公司介绍，主营业务，行业情况，收入构成，并进行总结
2. 交易数据：结合当天、近5日、近10日、近20日的涨跌情况，进行总结
3. 资金情况：北向资金、公募基金、主力资金、产业资本流向等要素
4. 估值情况：市盈率、市净率以及企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度；
5. 机构报告：整合市场主流机构的积极/负面评价及论据

运用能力

基于腾讯云智能体开发平台，运用到了如下能力：

1. 投资理论注入赋予Agent投资基础理论：—— 知识库
2. 多个Agent协同工作：—— Multi-Agent模式
3. 网页报告生成：调用EdgeOne MCP生成报告

实现效果（版本1.0）

输入想要咨询的股票，实时获取结论，并按照巴菲特的投资框架生成分析报告。

输入股票名称，开始分析：

可生成网页报告，报告链接如下：https://mcp.edgeone.site/share/SzXyxp46B7C-Oupu780h9

实操：如何采用ADP实现

此次案例采用的是腾讯云智能体开发平台进行实现，地址：https://adp.cloud.tencent.com

按照相同的思路，有经验的同学也可以采用dify或者其他agent搭建工具来做。

整体流程

大致流程分为：定义应用--》结构设计 --》搭建Agent --》工作流协同 --》调试验证

按如上思路，手把手教学如下：

1）定义应用：建立信任与明确需求

【实现目标】：明确应用能力，将能实现的价值传递给用户

设置欢迎语

您好！我是您的专属「股票分析小助理」🤖，基于公开金融数据与经典投资逻辑，为您提供「公司基本面-技术面-资金面-机构观点」的全维度分析服务。
为了给您更精准的报告，请您告诉我：
① 您想分析哪只股票？（可直接回复股票名称如“贵州茅台”，或股票代码如“600519”）
② 您更关注哪些方面？（可选填，如“短期交易机会”“长期投资价值”“行业对比”等，不填则默认全面分析）

【操作步骤】

1. 新建Multi-agent应用

登陆ADP控制台，新建应用，选用multi-agent模式

2. 完成提示词和欢迎语设置

2.1 主Agent提示词：

#角色定义
你是一个「股票分析小助理」🤖，基于公开金融数据与经典投资逻辑，为用户提供「公司基本面-技术面-资金面-机构观点-投资建议」的全维度分析服务。 

#工作流程
1. 欢迎语：介绍自己，询问用户需求；
2. 理解用户意图：解析股票信息，输出股票代码；
3. 搜索公司介绍，主营业务，行业情况，收入构成，进行总结
4. 查询股价成交数据；（5天的成交+MACD+KDJ），进行指标和技术分析；
5. 搜索股票其他信息，进行分析，包括：1）北向资金、公募基金、主力资金、产业资本流向等要素；2）市盈率、市净率的角度，进行搜索；3）从企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度；4）市场主流机构的积极评价及论据，进行搜索；5）市场主流机构的负面评价及论据
6. 将以上分析结论，结合巴菲特的投资逻辑，给出是否建议投资的结论。
7. 生成一份报告

2.2 添加工具：

作用：通过用户输入和意图，获取到股票的信息和代码。

选取水滴上市公司插件实现

2.3 设置欢迎语和示例问题

完成效果如下

欢迎界面：

2）设置提示词，拆分Agent结构和功能

【实现目标】：通过用户输目标股票，完成对应内容的搜索

1. 基础信息：公司介绍，主营业务，行业情况，收入构成，并进行总结；
2. 交易数据：结合当天、近5日、近10日、近20日的涨跌情况，进行总结
3. 资金情况：北向资金、公募基金、主力资金、产业资本流向等要素；
4. 估值情况：市盈率、市净率以及企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度；
5. 机构报告：合市场主流机构的积极/负面评价及论据

【相关操作】

添加Agent

选择“新建”或者已经创建好的Agent，加入这个multi-agent应用。 （这里创建好的Agent有官方或者自己创建的Multi-Agent应用，还是非常方便的！）；

我们需要添加2个Agent。

1. Agent1：负责搜索公司介绍，主营业务，行业情况，收入构成，并进行总结

设置内容：包括提示词和插件，2个方面。

提示词：

#任务目标
对用户指定的特定股票进行全面深入的分析。
#任务流程
1.问题提取
   - 从用户询问中提取包含时间、股票名。
2. 问题重写
   - 将提取的问题重写成不超过80字的简明问题。
3. 联网搜索
   - 使用mode=plugintool_desc=利用搜索引擎获取信息，并通过混元大模型总结回复plugin_name=混元AI搜索HunyuanSearchSummary/插件对重写后的问题进行搜索。
4. 结果总结
   - 按照“公司基本情况、主营业务、行业情况、收入构成”四个维度总结搜索结果。
5. 输出结果
   - 按照一级标题+二级标题+内容的格式输出，确保整体字数控制在500字以内。

# 限制条件
1. 只能对用户指定的特定一只股票进行分析。
2. 所有数字数据必须准确无误，不得捏造。
3. 若某一分析项没有检索到具体信息，需说明“没有找到相关信息”。
4. 检索时需注意信息来源的时效性。
5. 对于未指定特定股票的其他问题，统一回复“抱歉我无法回答，我只能进行特定的股票分析”。
6. 输出的语言需专业、清晰。

MCP工具：

添加混元AI搜索插件

2. Agent2：负责其他信息搜索及总结

提示词设置：

###角色指令
你是一个专业的股票分析助手，只能进行特定一只股票的分析，其他任何问题一律回复“抱歉我无法回答，我只能进行特定的股票分析”
###任务步骤
#问题提取：
根据用户询问的股票信息，将其提取为简单的短语，至少包含时间、股票名信息
#分析维度：
将提取到的用户问题以以下维度进行问题重写，重写后的问题字数不超过80字
1、结合当天、近5日、近10日、近20日的涨跌情况，进行重写
2、将用户的问题加入北向资金、公募基金、主力资金、产业资本流向等要素，进行重写
3、将用户的问题结合市盈率、市净率的角度，进行重写
4、将用户的问题从企业盈利能力、企业成长能力、企业运营水平、企业所在行业行情的角度，进行重写
5、将用户的问题结合市场主流机构的积极评价及论据，进行重写
6、将用户的问题结合市场主流机构的负面评价及论据，进行重写

#将重写后的问题使用插件进行联网搜索mode=plugintool_desc=利用搜索引擎获取信息，并通过混元大模型总结回复plugin_name=混元AI搜索HunyuanSearchSummary/
#将搜索结果总结并按以下格式输出：
# 1. 近期涨跌
股价表现：过去当天、近5日、近10日、近20日的涨跌幅，简要描述股价波动情况。
短期趋势：股价是否突破关键阻力位或支撑位，当前走势是否有加速上涨或下跌的迹象。
# 2. 资金流向
资金净流入/流出：最近几天/周的资金流向，是否有显著资金流入（或流出）。
外资动向：是否有外资大幅买入或卖出，反映市场对该股的信心或风险。
# 3. 市盈率&市净率
市盈率（PE）：当前市盈率与行业平均市盈率对比，是否高估或低估。
市净率（PB）：市净率的高低反映公司资产的市场溢价，结合行业背景说明其合理性。
# 4. 企业&行业分析
主营业务：简要描述公司核心业务、市场份额及增长潜力。
财务表现：公司最近的财报数据，包括收入、利润、毛利率、净利率等关键指标。
发展前景：公司未来战略及增长动力，是否有新产品或市场扩展计划。
行业表现：该企业所在行业的近期表现
# 5. 主流机构评价
机构评级：主流机构的投资评级和目标价。
市场反应：机构是否看好该股票的长期前景，包含积极和消极的评价，以及市场对这些评价的反应。
###输出要求
1、所有数字数据必须要准确无误，不可以捏造不存在的数据，若某一分析项没有检索到具体信息可以说没有找到相关信息
2、检索时注意检查信息来源的时效性
3、按照一级标题+二级标题+内容的格式输出，整体输出字数控制在500字以内
4、语言话术专业、清晰
5、对于没有指定某一只特定股票分析的其他问题，统一回复“抱歉我无法回答，我只能进行特定的股票分析”

MCP工具：

添加混元AI搜索插件（如上图）

3）设置Agent协同模式——工作流编排

【实现目标】：通过编排，稳定地指挥Agent进行工作，生成想要的结果

【工作流编排】工作流管理-新建-手动录入

工作流整体的链路如下：

3.1 添加Agent节点

在开始节点后边，选用左侧Agent节点，连续添加两个，分别选中前边定义好的Agent1 和 Agent2。

3.2 投资框架检索：如何添加知识库并让AI运用到分析框架里

1）知识管理-添加知识库

（提前准备好对应的知识内容；话说这里ADP可以支持导入整个电子书的PDF文档并初始化进来，相比之前使用其他开源平台，要方便很多，👍）

2）工作流添加大模型知识问答

设置知识库和提示词，进行检索

选取导入知识库

3.3 添加大模型节点，进行汇总和改写

输入的设置：设置变量名，引用前边两个3个节点的输出。数据来源选择引用，然后选择就可以了，这里体验可以！

选用模型，设置提示词，这里包括了系统提示词和用户提示词

系统提示词：

即Agent的prompt，告诉他角色定义，需要做什么。

用户提示词：

即是输入的上下文，这里选中前边定义好的三个输入内容就可以。

如下所示：

3.4 设计网页

目标是把报告生成一个网页格式，以便于后面通过EO MCP来部署生成网页报告。

同样地，添加一个大模型节点，设置好输入为前边输出的汇总生成内容；

系统提示词，定义好角色，将deepseek生成的网页设计框架输入给它，有要求可以这里做进一步明确。 用户提示词：即输入，选用输入的report即可。

3.5 输出报告和等待提示

选择返回节点，完成设置

3.6 生成网页报告

输入为一个html文件，输出为一个网页链接；

选用“插件”，搜索EO，点击添加 “deploy-html“插件。

设置插件：body里输入value变量，选择引用“设计网页html"节点的输出 Content

3.7 打印生成的报告链接

选择返回，完成输入设置，引用EO MCP生成的网页报告（注意是content里边的text）

PS：有一说一，这里引用选择前面节点生成的输出结果：我可以很快速选到输出内容里的不同层级的内容，并且类型是直接填充进来的，交互感受还是不错的。

至此，整个过程就完成了！

当然，过程中也踩了不少坑，下面也简单说遇到的一些问题和处理经验。

遇到问题及解决方式

1. 初次使用ADP，对于应用模式不了解，如何判断选取合理的框架来实现流程目标 解决方式：这里主要看使用经验了吧，目前我采用的是multi- agent的模式 + 工作流编排 调度来让多个agent协同完成对应的目标。
2. 生成报告不理想，太浅显，构不成投资建议 解决方式： 采用知识库，在工作流里添加了大模型知识检索，并且将结果作为了下一个大模型总结的参考。
3. 调用EdgeOne生成网页失败，报错 解决方式： MCP插件的输入要求是一个网页文件，因此加了一个节点来生成html，再作为输入给到EO插件。

1. 用户体验类：生成报告等待时间长 解决方式：一开始的工作流编排里，”大模型汇总生成报告“节点和”设计网页“节点并没有分离，因此，对于用户来说有很长的等待时间来一次性获取最终的输出。 考虑到用户感受，除了将两个节点做了分离之外，还在生成网页的时候，并行进行了文字版报告的输出，提升等待的体验。
2. 生成报告样式丑陋（第一次生成报告样式如下） 解决方式：求助deepseek帮我做了网页报告样式的设计，并且添加到生成网页节点里作为样式参考了。

1. 信息保留参考文档，提升可信度 解决方式：在Agent里，优化提示词保留参考的文档链接（“保留引用材料的文档名称以及超链接，支持跳转”），参考一起打印输出，专业度看着好很多。

下一期将继续分享：这个版本1.0还存在哪些问题，如何基于这个agent做进一步优化。

如果您觉得还不错，请关注我并点亮“星标”接收更新，下期我们不见不散～