投资社群主理人的WorkBuddy实践

投资社群运营久了，都会碰到类似的难题：嘉宾时间有限，但成员咨询需求不断；问题重复度高，专家重复回答耗费精力；跨领域讨论很难组织，最有价值的观点碰撞不容易发生。

前私募机构投资总监、"刺桐说"社群主理人杜汉军，在2026年WorkBuddy OPC超级派对上分享了他的解决思路——借助WorkBuddy的专家团功能，把社群中四位资深嘉宾的投资方法论和表达风格，训练成AI分身，搭建了一套名为"刺桐说Pro"的多智能体投研系统。

社群运营的三个瓶颈

刺桐说社群成员主要来自私募、券商、期货、银行等金融机构，日常讨论质量很高。但运营深入后，三个问题逐渐显现。

第一，嘉宾精力跟不上。一位嘉宾一天能深度回答的问题不超过五个，而很多问题的底层逻辑是相通的——今天分析A公司的价值投资框架，明天B公司问的是同一套逻辑，但嘉宾每次都需要重新组织语言。

第二，响应不够及时。市场机会转瞬即逝，但嘉宾不可能24小时在线。这不是靠更努力就能解决的问题，是时间稀缺性的物理限制。

第三，跨领域讨论难以常态化。社群最大的价值不是单个嘉宾的回答，而是不同领域的嘉宾从各自角度交叉验证同一个观点。但在日常聊天或线上会议中，这种深度碰撞可遇不可求。

针对这些问题，团队提出了一个想法：把社群嘉宾的能力做成AI分身，让不同领域的专家可以随叫随到、同台讨论。

用"1加N"架构组建AI投研团队

真实的投资场景中，每个人都有自己擅长的方向——专做价值投资的，分析不了游资短线；擅长趋势跟踪的，算不了债券收益率。让一个AI同时精通所有流派，结果反而是每个流派都不精。

团队采用了"1加N"的架构。1是主理人，负责调度和引导，拥有18条智能路由规则，根据用户问题的意图精准匹配对应的嘉宾，主理人只做调度，不替嘉宾作答。N是4位AI专家分身，分别对应社群中四位最具代表性的嘉宾，每位AI分身只专注于自己的领域。

系统设计了两套协作模式。对于目标明确、单一领域的问题，走路由模式——用户提问后，主理人识别意图，直接匹配一位专家独立作答。对于需要多角度验证的复杂问题，走工作流模式——主理人判断需要多位专家，创建临时工作组，分配子任务给各专家并行分析，最后汇总整合输出。两套模式配合，覆盖了社群八成以上的投资问题。

让AI分身有"活人感"

团队在提示词上做了四个层面的设计。一是人格化话术，不是泛泛地要求"以专业投资者口吻回答"，而是具体到每位嘉宾的口头禅、表达习惯和在特定问题上的态度。二是结构化输出模板，锁定每个回答的框架和维度，让输出质量可控。三是明确每位嘉宾的能力边界，防止在自己不擅长的领域乱说。四是定下底线——主理人绝不替嘉宾作答、不转述、不总结，一旦主理人对嘉宾观点进行二次加工，系统的可信度就会出问题。

数据基础方面，系统依托WorkBuddy内置的NeoData金融数据服务，可以用自然语言查询股票财报、债券收益率、宏观指标、行业数据等信息。

协作规则与踩过的坑

让一个智能体独立工作并不难，但让五六个智能体协同工作，需要明确的规则。团队制定了四条铁律和五条红线，被他们称为多智能体系统的"协作宪法"。

杜汉军在分享中也坦言踩过三类坑：曾经尝试用一个全能的单智能体覆盖所有需求，结果每个领域都不够深入；多数据源标准不统一，造成信息混乱；静态的任务路由无法适配复杂的实际业务。由此总结出的经验是：为每个智能体划定清晰的专业边界，搭建统一的数据协作底座，基于真实使用反馈持续调整路由调度规则。

杜汉军认为，WorkBuddy的多智能体能力不只是做一个聊天机器人，真正有价值的地方在于，可以把真实世界里人类协作的场景完整地复刻到系统中。把重复的工作交给AI，把关键的判断留给自己。

目前，"刺桐说Pro"已经在WorkBuddy平台上线。想要体验的用户，可以在WorkBuddy中搜索专家团名称直接使用，也可以参考这个思路搭建自己团队专属的AI分身。