EasyLink案例

“【提示】2026第六届数智化颁奖典礼将于8月5日在北京举行颁奖点击可报名参加颁奖典礼丨此次企业榜单/奖项的评选依然会进行初审、公审、终审三轮严格评定，并会在国内外渠道大规模发布传播欢迎申报。

在国家持续推进“人工智能+”行动、金融业数字化转型和资本市场高质量发展的背景下，证券公司投研业务正在从传统依赖人工经验、人工检索和人工撰写的模式，逐步走向数据驱动、知识驱动和智能体协同的新阶段。

对于证券投研机构而言，研究工作长期面对信息来源复杂、数据形态多样、市场变化迅速、研究结论要求高可信等多重挑战。一方面，A股、港股、美股等多市场数据持续增长，公告、研报、新闻、会议纪要、行情交易数据等信息高速涌入；另一方面，投研人员需要在有限时间内完成信息筛选、数据提取、逻辑分析、报告撰写和客户服务响应，对效率、准确性和专业深度都提出了更高要求。

传统投研工作方式中，大量时间被消耗在数据查询、文档阅读、信息比对、报告初稿整理等重复性环节，研究人员难以将更多精力投入到策略判断、产业理解和客户服务等高价值工作中。同时，通用大模型在金融专业场景中存在知识时效性不足、事实核验能力弱、幻觉风险较高等问题，难以直接满足证券投研对可信、合规、可追溯的要求。

基于上述背景，华鑫证券联合EasyLink（上海容易链智能科技有限公司），围绕证券投研核心业务场景，建设全市场海量数据下低幻觉高可信投研Agent平台。项目以可信金融知识底座为基础，以智能Agent平台为应用承载，面向研究、选股、财报解读、热点挖掘、投研写作和知识问答等场景，推动AI能力深度嵌入投研流程，提升投研效率、服务质量和数字化经营能力。

实施时间：

项目启动：2023年8月

平台一期上线：2024年12月

平台二期上线：2025年9月

多批次推广应用：2025年9月-12月

数智化转型升级需求

华鑫证券在推进投研业务数智化转型过程中，核心需求集中在三个方面：一是建设统一、可信、可持续更新的金融知识底座；二是将AI能力真正嵌入投研业务流程，而不是停留在简单问答和文档摘要层面；三是在保证专业性、准确性和合规性的前提下，实现研究效率、服务响应和客户体验的系统性提升。

首先，投研业务对数据的广度、深度和时效性要求极高。研究人员需要同时处理公告、年报、研报、新闻、会议纪要、行情交易、财务指标、资金动向等多类型信息，且信息来源覆盖A股、港股、美股等多个市场。传统分散式数据处理方式容易造成信息割裂、检索效率低、知识复用难，无法充分释放数据资产价值。因此，客户需要一个能够整合多源异构数据、支持多模态解析、具备分钟级更新能力的统一金融知识库。

其次，证券投研不是简单的信息检索，而是包含信息发现、逻辑分析、产业链理解、公司研究、事件传导、投资线索挖掘和结果复盘等复杂流程。因此，项目需要围绕真实业务场景构建Agent体系，让智能体能够在不同环节承担专业任务，例如热点发现、事件传导选股、公司研究、财报解读、投研写作等，从而形成贯穿投研流程的智能化应用闭环。

再次，金融场景对AI输出的可信度要求远高于一般办公场景。通用大模型容易出现知识滞后、来源不明、事实错误和幻觉问题，这在投研决策支持场景中可能带来较高风险。客户需要系统具备来源可追溯、答案可验证、权限可管理、过程可审计、风险可识别的能力，在提升效率的同时确保专业审慎和合规可控。

面临挑战

本项目面临的挑战，不仅是技术系统建设问题，更是证券行业进入数智化深水区后，对数据、模型、流程和组织协同提出的综合性挑战。

第一，金融数据规模大、来源多、形态复杂，AI-Ready程度不足。

证券投研涉及公告、年报、研报、新闻、纪要、行情、财务、资金等多类数据，不同来源的数据结构、格式、质量和更新频率差异显著。大量金融文档包含跨页表格、复杂图表、异形表格、组织结构图、长文本段落等内容，传统OCR和普通文档解析方式难以完整理解其语义结构。如果底层数据无法被高质量解析和结构化沉淀，后续智能问答、检索增强和Agent分析能力都会受到限制。

第二，投研场景对准确性和可信度要求极高。

金融投研不是一般知识问答，任何错误引用、过期数据、事实偏差或幻觉输出，都可能影响研究判断和客户服务质量。通用大模型虽然具备语言生成能力，但缺少金融专业知识验证机制，也难以区分信息来源的权威性、时效性和适用范围。因此，本项目必须在“可用”之外进一步解决“可信、可验证、低幻觉”的问题。

第三，投研流程复杂，AI能力需要嵌入业务闭环。

研究人员的工作包含资料收集、数据分析、逻辑推演、观点形成、报告撰写和复盘跟踪等多个环节。若AI系统仅提供通用问答或摘要能力，很难对核心业务产生实质价值。项目需要将大模型、知识库、检索、推理、数据服务和智能体编排结合起来，形成面向具体任务的应用能力，才能真正改善业务效率。

第四，系统需要兼顾灵活性、安全性和可推广性。

证券机构内部存在不同部门、不同岗位、不同业务场景和不同权限要求，平台既要支持多Agent、多数据源、多模型灵活扩展，又要满足权限控制、操作审计、数据安全和合规要求。

数据处理

本项目的数据处理覆盖多市场、多来源、多形态金融数据，核心目标是将分散、复杂、非结构化程度较高的金融信息，转化为可检索、可推理、可验证、可被Agent调用的高质量知识资产。

在数据范围上，平台覆盖A股、港股、美股等主要市场，数据类型包括上市公司公告、财务数据、行情交易数据、新闻资讯、会议纪要、研究资料、行业信息等。项目围绕市场数据、财务数据、事件信息和资金动向等投研关键维度，构建统一的数据采集、清洗、解析、入库和更新机制。

在数据规模上，项目已沉淀超过3亿条非结构化知识切片和近20亿条结构化数据，覆盖申万31个一级行业全部上市公司，形成全市场多模态金融知识库。平台通过天级全量滚动和分钟级增量更新机制，保障知识库持续保持较高时效性。

在数据处理方式上，项目采用多模态数据处理能力，基于EasyLink视觉语义模型（Vision Language Model,VLM），对复杂金融文档进行深度理解。系统能够处理跨页表格、异形表格、数据图表、组织架构图等传统OCR较难准确解析的内容，并将文档拆解为语义完整的知识单元，构建文档知识结构。随后，系统通过标签标注、权威分级、向量索引、倒排索引、过期清理等机制，形成可持续维护的知识库。

在数据质量控制上，平台建立了人工选源、权威性分级、定期复核、检索重排、来源追溯等机制，优先使用官方、权威、高置信来源，降低噪声信息和低质量数据对投研结论的影响，为智能问答和Agent分析提供可信数据基础。

应用技术与实施过程

本项目采用“可信知识底座+智能Agent平台”的双层架构，围绕证券投研业务中信息处理复杂、专业可信要求高、AI幻觉风险大、业务场景链条长等问题，综合应用多模态文档解析、金融知识库、检索增强生成、金融智能上下文协议、知识图谱、智能体编排等技术，构建面向投研全流程的智能化平台。

1.总体技术思路

本项目针对金融投研场景中大语言模型幻觉率高、专业知识库构建难、多模态文档理解弱、查询扩展与检索精度不足等关键技术问题，综合运用多模态文档智能解析、金融知识网络嵌入、金融智能上下文协议（F-MCP）、神经符号混合推理等前沿技术，构建了“可信知识底座+智能Agent平台”的双层架构体系。

2.核心技术能力

第一，多模态金融文档解析能力。

EasyLink自研多模态文档解析引擎，面向公告、年报、研报、会议纪要等金融文档中的复杂内容进行解析。系统支持跨页表格合并、异形表格识别、图表语义理解、组织架构图结构化等能力，可以将复杂文档拆解为语义完整的知识单元，并保留文档层级关系。这一能力有效解决了传统OCR分块不完整、上下文缺失、表格结构丢失等问题，为后续知识检索和智能问答奠定基础。

第二，全市场多模态金融知识库。

项目建设了覆盖A股、港股、美股多市场的统一金融知识库，整合公告、新闻、纪要、行情交易和财务等数据，形成超过3亿条非结构化知识切片和近20亿条结构化数据。知识库覆盖申万31个一级行业全部上市公司，并通过分钟级更新机制保持数据时效性。平台通过人工选源、权威分级、定期复核和来源追溯等机制，保障入库数据质量。

第三，低幻觉高可信问答机制。

金融投研场景对答案准确性和可信度要求极高。本项目提出金融智能上下文协议F-MCP，创新性地在标准MCP基础上增加金融领域专用的三大核心机制：金融时序上下文调控、监管一致性验证、金融术语歧义消解。系统在回答问题时，会综合考虑数据时效性、来源权威性、内容完整度和上下文一致性，并在置信度不足时采取拒识或提示策略，避免错误输出。项目实际应用中，投研问答准确率达到99.23%，幻觉率降至0.11%，相比传统RAG系统金融幻觉率降低75%、检索精度提升45%、合规风险检测准确率达98%。

第四，智能查询理解与多路检索。

面对投研人员自然语言提问中常见的简称、歧义、隐含条件和复杂意图，平台支持问题拆解、实体识别、术语消歧、查询扩展和多路检索。系统融合知识库检索、结构化数据查询、Web搜索和NL2SQL能力，并通过时效性、权威性、完整度等维度进行结果重排，提升召回质量和答案可靠性。

第五，投研Agent体系。

平台构建了覆盖投研核心流程的7大投研智能体体系，覆盖通用投研知识问答、公司深度研究、财报解读、宏观经济分析、热点事件挖掘、事件传导选股、文案辅助等投研全流程。不同Agent围绕具体任务进行能力封装，通过统一平台进行调度和管理，使AI能力从“工具型问答”升级为“流程型协作”。

第六，企业级安全与管理能力。

平台支持角色权限控制、Token配额管理、知识库权限筛选、操作审计、数据加密传输和安全沙箱等能力。后台管理平台支持知识库管理、智能体配置、权限管理、统计分析和运维审计，满足证券机构在数据安全、合规管理和系统运营方面的要求。

3.系统架构设计

平台整体采用分层架构，主要包括用户交互与Agent推理层、知识接口层、核心引擎层、管理平台层、数据接口与基础设施层。

用户交互与Agent推理层负责接收用户问题或任务，完成意图识别、问题拆解、工具调用、增强生成、结果校验和答案合成。

知识接口层提供结构化数据库查询、知识检索、知识推理、文档预览、权限分配等标准化能力。

核心引擎层包括金融知识库、多模态文档解析引擎、检索召回、检索精排、权限筛选和大模型推理能力。

管理平台层负责知识库管理、智能体配置、角色权限、统计分析和操作审计。

基础设施层对接数据爬虫、报告生成平台、数据库和搜索引擎等系统。

外部企业/生态伙伴合作

本项目由华鑫证券和EasyLink共同推动落地。在项目实施过程中，双方形成了“金融业务专家+AI技术团队+工程交付团队”的协同机制。一方面，华鑫证券提供真实业务场景、专业投研知识和应用反馈；另一方面，EasyLink将大模型、知识库、多模态解析和Agent平台能力转化为可落地的系统产品。通过这种协作方式，项目有效避免了AI应用与业务流程脱节的问题，使平台能够在真实投研场景中持续迭代和产生价值。

商业变化

依托本项目，华鑫证券在投研效率、服务能力、数据资产沉淀和业务增长潜力方面均有明显提升。

项目创新构建“可信知识底座+智能Agent平台”双层架构。底座层整合A股、港股、美股公告、新闻、纪要及行情交易等数据，覆盖申万31个一级行业全部上市公司，形成分钟级更新、覆盖近3年的统一多模态知识库，含超3亿条非结构化知识切片和近20亿条结构化数据。问答准确率提升至99.23%、幻觉率降至0.11%，并构建7大智能Agent，覆盖热点挖掘、选股推荐、公司研究、财报解读等投研全流程。

在效率提升方面，平台将复杂年报、公告、研报等金融文档的处理效率大幅提升。自上线以来服务超400名用户和近100家机构客户，单篇报告解读时间由约70分钟缩短至约5分钟，检索准确率提升至95%，投研全流程效率提升约60%，研究人员工作时长释放超过30%。研究员可以减少大量重复性检索、阅读和整理工作，将更多精力投入到深度研究、策略判断和客户服务中。

同时，项目沉淀了7000余条高质量金融测试集，可为行业共享复用，为金融机构数字化转型、服务提质增效和行业智能化发展提供有力支撑。平台在千万级矢量数据库、多模态文档解析和多链路语义检索等方面形成了可复制、可推广的技术路径，为证券行业大模型应用提供了实践样板。

关于企业

·EasyLink

EasyLink（上海容易链智能科技有限公司）是一家人工智能（AI）原生企业，成立于2023年，总部位于上海市浦东新区，专注于构建多模态数据基础设施与企业级可信Agent平台，全栈赋能从数据处理到AI智能体全生命周期，支撑产业侧AI应用落地。公司已深度服务多家证券、银行、医疗、船务等行业的头部企业，标杆客户包括华鑫证券、中信建投证券、国联民生、东亚银行、南京银行、洲际船务等。

·华鑫证券

华鑫证券有限责任公司是经中国证券监督管理委员会批准于2001年3月在深圳市注册成立的全国性综合类证券经营机构。华鑫证券是上海仪电（集团）有限公司控股的A股上市公司上海华鑫股份有限公司（股票代码：600621）的全资子公司。公司秉承“以人为本、客户至上、专业专注、创造价值”的核心价值观，以金融科技引领业务发展作为核心战略，致力于为客户提供交易、投融资、财富管理等高品质的服务和产品。