财务智能体协作，先设计任务再增加角色

先问任务需要什么

如果一个任务只需要从已经整理好的数据中计算几个指标，增加多轮讨论可能只会增加成本和噪声。反过来，面对存在多种解释的风险问题，独立视角和有组织的质疑可能更有帮助。协作结构应由信息需求决定，而不是由角色名称的丰富程度决定。

这要求系统先定义交付物：是一个可以复算的数值、一组带来源的事实，还是一份包含假设与反证的研究说明。只有交付物清楚，才可能判断角色之间是否真正互补。

研究发现并不支持一味增加智能体

Han 等人的研究以道琼斯指数中 30 家公司的 2023 年 10-K 为材料，比较基本面、市场情绪和风险分析中的不同角色数量与协作结构。结果呈现任务差异：单智能体在部分基本面和情绪任务中表现更好，更多角色在风险分析中才展现出一定优势。因此，不能把“多智能体更好”当作与任务无关的结论。^[1]

FinRobot 则从工作流角度区分数据处理、财务概念分析和研究论点汇总三个层次。这提供了一种有价值的设计语言：先明确数据和分析之间的接口，再讨论如何把不同结果组织成报告，而不是把同一个问题重复交给多个相似角色。^[2]

用明确接口替代反复讨论

数据角色的输出应包含来源、抓取时间、单位、期间和计算结果。分析角色要声明使用了哪些数据、哪些是假设，以及结论对假设变化是否敏感。汇总角色应忠实呈现前两层的信息，不能为了让报告顺畅而抹去不确定性。

对需要独立复核的任务，可以让验证角色不读取前一角色的结论，先基于同一材料独立检查，再比较差异。对简单任务，应允许直接进入工具计算或单角色流程。控制上下文共享范围、重试次数和停止条件，同样是协作设计的一部分。

验证协作是否值得

评测至少需要一个同条件的单角色基线。比较时固定材料、工具权限和可用计算资源，分别观察事实错误、数值错误、遗漏风险、人工复核时间和调用成本。若增加角色只改善文字的完整感，却没有减少可核查错误，就不能说明协作带来了实质提升。

• 记录各角色的输入与输出，定位错误发生在取数、解释还是汇总阶段。
• 对协作结构做消融实验，检查删除某个角色后是否真的产生退化。
• 为每个任务设定最大轮数和失败出口，避免无期限讨论。

研究报告不等于投资结论

上述论文讨论的是财务研究方法。它们不能为特定证券的表现提供保证，也不能直接证明企业财税流程已经可以无人参与。对于我们而言，更值得迁移的是可检查的任务组织、数据一致性和责任分工，而不是将研究场景的结果包装成产品收益或自动化承诺。