智能投研报告自动化系统 —— 基于多 Agent 协同的新能源车产业链分析平台产品系统

项目背景
针对传统投研流程中人工数据采集耗时（4–8 小时/份）、信息碎片化、图表制作低效等痛点，设计并实现一套端到端自动化分析系统。通

过多智能体（Multi-Agent）协同，自动生成结构化《新能源车产业链投资机会分析报告》，为投资机构与产业研究团队提供分钟级决策支持。系统已在本地私募模拟环境中验证，单份报告生成时间压缩至 3 分钟以内，效率提升超 90%。

核心技术与实现

LangGraph 驱动的多 Agent 协同工作流
构建具备状态管理、条件分支与反馈回流能力的有向图流程，实现五角色智能体闭环协作：
Router → Researcher → Data Analyst → Visualization → Writer →（Reviewer → 回流修正）。
支持共享状态、人工审核介入与错误溯源，确保复杂任务的鲁棒性与可控性。
国产化大模型与合规架构
采用 阿里云 Qwen-Max（中文优化）作为核心推理引擎，替代 GPT 系列，规避数据出境风险；结合 Qwen-Plus 控制推理成本，单报告成本低于 ¥2。
高精度可信数据检索
设计专用 Researcher Agent，调用 Tavily Search API 实现权威信源精准抓取，针对“固态电池”“产能规划”“地方补贴”等关键词定制过滤策略，仅保留工信部、上市公司公告、头部券商研报等高可信来源。
检索准确率达 92%（对比 DuckDuckGo 的 68%），显著抑制 LLM 幻觉。
自动化专业报告生成
基于 Jinja2 模板引擎 + Plotly / Matplotlib 动态生成 3+ 专业图表（产能趋势、市场份额、估值对比等），输出支持交互式 HTML 与印刷级 PDF，兼顾专业性与可读性。
全链路可观测性与高效迭代
集成 LangSmith 实现全流程追踪：记录各 Agent 输入/输出、工具调用、Token 消耗及状态迁移路径；支持断点调试与 Prompt A/B 测试，平均调试效率提升 60%，快速定位“数据缺失 → 分析偏差 → 报告错误”根因。