1、场景：普通A股个人投资者
2、用户痛点
个人投资者面对三层痛点：
• 选不出：全市场 5000+ 支股票、每天海量公告研报，个人没有能力处理，最后要么跟风、要么放弃；
• 不匹配：就算选出来了，也是别人策略的结果，与自己的风险偏好、投资期限、资金性质无关；
• 盯不住：买入后无人持续跟踪，公告/事件出来时错过应对窗口。
根因：市场信息是非结构化的，用户诉求是自然语言的，持仓跟踪需要持续主动——传统确定性系统处理不了前两类输入，人类做不到第三类，三层必然塌。
3、产品定位
面向投资小白的个性化 0 门槛投资助手
1、设计难点
极度发散、非结构化、高度个性化的用户投资诉求（风险承受/投资风格/行业偏好/流动性/盯盘精力……等方面），如何用一套产品化范式和链路统一支持？
2、功能与亮点：分用户层、模型层、程序层三层设计
1）用户表达层：用户输入——用户将个性化投诉诉求以自然语言输入 + 人机协同（用户查看并干预解析结果，人始终是最终确认和决策方）
2）LLM 理解层：把发散的自然语言收敛成 8 个结构化约束字段（这是“统一范式”的关键支点，没有这步个性化无从谈起）、把非结构化消息面因子化、把“为什么选这只 / 为什么预警”翻译成人话。
3）确定性工程层（含选股模型子模块）：智能选股与盯仓基于 LLM 提取的 8 个参数调整多因子选股模型的权重，并完成因子计算、打分、求解、风控、仓位、回测等需要确定性交付的模块。本层对应 engine.py（7 因子 / hard_filters / adjust_weights / solve）+ market.py（大盘定仓位）；求解在本地 optuna 调参，收益证据由聚宽量化回测提供。
**个性化投资助手agent四大功能**
**一、偏好输入与提炼**
用户一句话描述需求，LLM（千问）结构化为8字段约束：持有期、最大回撤、期望收益、单票仓位上限、换手容忍、流动性要求、行业偏好、排除列表。
三条机制不靠LLM自觉：①模糊表述按固化规则落数（"1年内要取"→持有期12月+流动性高），无依据字段留空，不瞎猜；②矛盾由确定性安全网硬拦，如"回撤=0"或"高收益+极低回撤"数学不相容时，前端弹红色冲突卡、提交按钮置灰，改好自动恢复；③仅三种情况主动追问——持有期为空（唯一硬约束）、要求自相矛盾、用户反问或自认信息不全，其余缺失有默认值兜底，不打扰。前端渲染可编辑"条件卡"，追问时叠琥珀色提示卡；追问是硬闸门，补上或点"按不限处理"才可生成，既不硬塞猜测组合也不把人卡死。
**二、大盘判断定仓位**
数据源为腾讯免费行情。取中证1000、沪深300日K算均线结构，批量报价算市场宽度。三要素：①均线结构（收盘价vs MA20/60/200及多头排列）；②20日年化波动率；③成分股当日上涨占比。综合映射牛/震/熊，对应基线仓位90%/70%/40%，按波动率与宽度微调，clamp至[20%,100%]。仓位按"总仓位÷入选支数"等权落到每只标的（如熊市30%÷20支=每支1.5%，余现金观望），让大盘判断真正参与建仓。行情不可达时中性默认（震荡/60%），绝不返回空组合。LLM只把判定翻译成人话，识别状态不预测涨跌。
**三、个性化选股**
用户约束经"硬通道+软通道"作用于七因子模型。硬通道改候选池：排除列表直接踢除；行业偏好展开为申万行业名筛选，数据缺失时兜底全市场打分；流动性高则只留成交量前半。软通道改因子权重：按收益目标/持有期/换手容忍/流动性/回撤五类约束，对7因子基线权重有方向增减（如回撤≤8%则低波+0.25）。
评论