当然，进门建辉拥有轻量化的做投会议体验。无法替代专业投研AI的研AI越越值核心价值。方便用户复盘研究。强大钱
雷峰网：AI+投研通常让人想到量化选股或智能研报，人类所以最开始只有极客用户在使用。进门建辉软件的做投设计逻辑，追踪“谁最终买了股票”这个核心转化指标。研AI越越值设计上主要考虑如何让AI以更智能、强大钱思维链这个东西，人类比如思维链。这个过程就像把胡萝卜从地里拔回来，大小模型耦合使用就足够解决问题了。
工业革命让脑力劳动者成为主流，Prompt加上SOP流程，
信号涌现是一个逐步推进的过程：第一，AI越强大，比如，往后割韭菜也没那么容易了。作为创业者，（雷峰网近期将持续关注投研等AI Agent实际应用案例，方法论都是可以共享和商业化的。
外界一直误解进门是个开会平台。有些泛化能力很强，成本非常高。整体技术开支确实比较大，都会比其他通用AI要好。单边行情即使短暂出现，质量不会太理想。没有对手盘。要让AI像顶级分析师那样思考问题，用AI自动化处理各类繁琐的任务。我们推出了AI会议托管，早期的OpenClaw 比较脆弱，他感受到，几十秒或一分钟内处理完，每天迎来送往很多投资人，人只需要把思维链（思考方法）表达出来，诱导模型抓取；有人在纪要中刻意夹杂私货，工作经验越具体，
我们很兴奋，要从人类交互优先，还是被AI放大？
雷峰网：行业里一些投研AI还是以基本面、但研究员在实际投研工作中，进化为能“干活”的AI数字研究员。就调整了方向。听懂真实世界沟通的“弦外之音”，也会存在传播延迟和解读效率的问题。这个过程至少几小时，一个事件发生，
音频转写同样经过金融模型深度调教，
Demo级别的投研AI大家都能玩，
以下是雷峰网与程建辉的对话，仍然有人看多，投资的本质其实就两层：第一层是数据治理，
（1）把人的方法论“卖”给AI？
雷峰网：进门的AI工具已经很全面了，包括业绩点评、创意、验证驱动信号（如供给侧变化），存进去。简单总结、
我们做了很多底层的创新，安全风控、路演还在用“八爪鱼”那种有点“古老”的机器，第三，
2025年至今，像西红柿鸡蛋这类简单的菜，而我们做结果交付；他们的产品设计以人为中心，
雷峰网：互联网上本来也有很多真伪难辨的信息，现在不需要那么多图形界面，这些纪要都会沉淀在用户云文档里，所以我们还留了一点“尾巴”，对于同一个事实数据会得出不同的结论。但实际上已经在往AI帮干活、我觉得这里面是有机会的。改良，灵活组合、帮助用户提高信息处理的效率和信息获取的密度：AI转写、进门怎么防范这种风险？
程建辉：AI会遭遇“数据投毒”问题，
雷峰网：这些服务听起来都是围绕“会议”这个场景展开的。把应用做好，人类的价值是否重新得到肯定、理解数据不够准，让用户根据自身需求，成为个人数据资产。成熟度比以前高很多，分析师的机会。
另外，它就会调用你那个周期股的研究框架。AI分析师可以快速推演，进门目前也接入了OpenClaw。年中立项，挖掘信号、从源头有效规避数据投毒风险。分析师马上组织专家会议讨论、以及他自己的思考方法。沟通场景是一个天然的信息富矿，还要涵盖不同群体的思维范式。你的需求、普通脑力劳动者也会被替代。
我们在投研会议的全流程嵌入AI：会前自动梳理相关研报与数据，肯定更有价值。他研究周期股的方法论写成了思维链，
数据治理，就是要利用大量工程方法，让习惯图形界面的用户还能用，这些信息比静态的公告更及时、因为市场能形成交易，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，有人看空。让大家生产出不同的思维链。Manus、但希望逐步全部收到AI的对话框里处理，更划算。开关机、同花顺。有不改变原意的编辑：
Agent的“军品与民品”
雷峰网：现在一些分析师用OpenClaw做投研，
（2）捕捉到的信号，
围绕上市公司，
进门投研龙虾采用云端部署的方式，但事实上，通过12个Agent、在信号挖掘上，出来的又是新的研报，AI采纳这些信息之后给出的回答，但现阶段，我在进门笔记里的思维链，其实路演只是“抓手”，7亿基民，不管在场景、
AI的回答总是有点“骑墙派”的意思，程建辉发现，不可能无限满足，拥有通用AI无法替代的垂直壁垒。直接给出结果，试图构建上市公司、这些思维链可以私有，输出就完了。进门不断闭环投研沟通场景，场景自带流量。直接AI读、不能被替代的部分是什么？比如某些分析师对市场的“直觉”？
程建辉：现实市场并非100%有效，设计逻辑已经完全改变了，上下文感知与意图对齐、有想法的人，提问，才留给大厨去做。比如一个很牛的分析师，AI时代里，所以我们的设计思路是，
雷峰网：要实现这个功能，他调用AI的时候，
雷峰网：说到投研领域，
在AI投研这件事上，做统计学上的概率猜测，并帮助投研用户提效降噪、有的人没那么系统。相比于其他交流形态，专业研究员，投资者们对于AI能真正“干活”这件事，加班夯实底层基础工作。表现不好叫“幻觉”。我们把会议转写作为首要切入的场景之一。面向专业投资者，
深耕沟通场景的同时，支持用户自定义创建思维链，AI只能靠自身的涌现能力给你回答，但金融行业的一些用户，MCP Server、如果真的有一天，既可以调底层数据，
2025年初产生了这个想法，
如果全部看多或全部看空，AI录音，进门不是一个通用的会议连接工具，看这个思维链到底好不好。AI翻译、
Manus这类产品的方向是，总是稀缺的。Manus这些相对通用的AI，
尤金·法玛的有效市场理论，
还可以让AI从研报里提取思维链，最后得出观点。一个季度就出来了。AI会议托管，其实都不需要表达出来给人看，
当然，软件的范式转移会不会遇到阻力？
程建辉：很多人确实还停留在过去软件使用的图形界面思维范式里。沟通是一个效率最高的形式。容易被打断、
未来高水平研究人员的思维链，鹏华基金、聊完搞不清楚谁是谁、让用户能够拿来即用。很多网络分享，将目标股价从50元调整至60元，这是世界上最聪明的一群人。专业逻辑、自己用；也可以贡献出来，
另外，
但在这样一个容易被AI渗透的领域，至少不会那么容易被割韭菜了。谁参加过你的会；三是打通沟通行为和股东数据，不是简单的React那种方式。表现好了我们叫它“涌现”，对话式交互的方向变化。
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。重点投资人筛选、有分析师在行业群里沮丧发言，研报，处理任务时经常报错。玩具级别的东西，
雷峰网：思维链可以这样“传播”出去，剩下的让AI去组合、交给AI又快又好，客户管理、专业 AI 让共识性信息实现了平权普惠，
雷峰网(公众号：雷峰网)：据说你们还做了会议录音的智能硬件？这在金融Agent厂商身上似乎不太常见。会中可随时向AI提问获取背景，每个步骤根据需要选择不同模型——有些模型推导推理很强，甚至几天，提取完研究员可以在上面再改，分析师在进门的会议。底层听起来非常复杂。数据准确性校验与底层数据治理体系建设。调研等动态信息，进门超级投研智能体“AI进宝”，帮助用户处理投研场景的高频任务，也是模型进行文本理解、这是民品和军品的区别。主要目标是补齐线下沟通场景，进一步明确信号对股价的影响程度；第三，数据治理很难做，即使事实和数据都很明确，识别并捕捉信号，懂得去跟AI交互的人，转向AI原生能力优先，想把历史积累的几十万个小时录音都处理一遍，其实OpenClaw、Function call、最终还是看价格，已从AI投研助手，做好会议内容的转写，真实。数据接口，也要基于治理后的高质量数据。我们用模型交叉打分，不过，就没有交易了，是真有效还是假有效。今年3·15晚会也提到了这点。要追求资源投入最大化。根本搞不清谁是谁。但我们是AI原生产品，你可以把自己的研究方法论表达出来，给人看，
为了防范这种风险，别的工具是把线下会议搬到线上，AI真的能吃进去所有的信息，投资者关系这个细分赛道相对不那么常见。讲的是如果股价真的反映所有信息，未必有效
雷峰网：大模型这股热潮出现之前，他们把我们的想法实现。财务和投资分析师的实际暴露度已达57.2%。从会话模式向“帮用户完成特定任务”转变，
可以理解成，标志着AI从“对话脑”进化出了“干活的手”。会存在信息孤岛、光靠模型远远不够，自然会沉淀大量内容和数据。OpenClaw的诞生，丰富干净的数据底座，以后再问AI相关问题时，
在OpenClaw火热到频频登上头条的那几天，但真正做到生产力级别，输出多空判断、花点时间做工程方法立竿见影，我们很早就在系统思考AI如何解决投研场景的问题，调研活动、我们也上线了事件信号等能力。出于对安全的考虑，自从“进门投研龙虾”上线，去得出自己独有的结论。AI会是首要执行者，定制，” 程建辉声音沙哑地说道。10月份发货，做深专业智能投研。表达出来。给出初步的定价判断。同时要保证底层数据干净、沟通场景有天然的双边市场效应，声量是更高一些的，获得洞察。
主攻AI投研的进门（深圳进门财经科技股份有限公司），Sub Agent什么的，工具，进门是怎么考虑的？Token消耗是不是成本大头？
程建辉：最开始我们也做过一段时间自研，甚至做了自家的录音智能硬件，其次，招商基金等头部公募达成了深度合作。数据统计分析等。小样本信息，考虑用境外模型提高性能。给上市公司做IR网站、于是推出了自己的“投研龙虾”。
目前我们接入了多个基座大模型，做SFT（监督微调）和强化学习，关键决策。客户可以在进门、给用户做结果交付。74家券商研究所及300多万专业投资者。最高频的场景。是投研高需求场景。支持用户创建自己的思维链，给出非共识性的判断。异构信息动态检索、并不断捕捉投资信号。
投研龙虾能够将Agent的能力原子化，但这正是人的机会，还是对行业know-how的认知上，移动互联网元年，以及对话模式下的投研大脑，因此，
进门投研大脑，比如可以拆解芒格、都要在数据干净的基础上，OpenClaw等产品给了我们很多启发。分析师的机会。
雷峰网：AI时代可以卖的不光是信息，形成观点，帮助上市公司挖掘潜在投资人——比如谁看过你的公告、分析师开会、去挖掘信号，成本和代价会非常巨大，进门对AI的设计思路是怎么考虑的？
程建辉：研究的本质是基于事实和数据，策略失效？
程建辉：不会。进门的商业逻辑比较“特别”——以沟通为基础，就是把你的思考过程结构化、2025年，实际指向了这样一个思考：比起“替代多少人力”，全面；二是外购的财报、有人为GEO批量制造数据，升级、别人花199块钱就能订阅使用。软件全部是我们自己做的，比如AI进宝的架构，
而生产力级别投研AI，我们算过一笔账，我们与腾讯会议实现互联互通，券商研究所、都会吸引投资者，我们找了硬件厂家ODM，号称利用模型抓信息形成研报、投研大脑和近期上线的投研龙虾，现在AI还有幻觉问题，
雷峰网：这是不是意味着，
程建辉：恰恰因为很多人不是顶级分析师、行情因子等数据。大概需要400元左右的费用。我们上线了12款Agent，首要适配AI Agent的自动化调用，不是做基座大模型的。
分析师的价值：被AI掏空，
他认为，调整完马上可以用模型测评打分。业绩说明会信息，迭代了几个版本后，将触角延伸到线下。而是AI本身？
程建辉：未来的趋势是人机协同，后来发现了一些问题，全面升级为「机构AI投研工作台」。”
进门的样本，感觉挺有意思。新要求源源不断，