他认为，进门建辉甚至几天，做投行情因子等数据。研AI越越值验证驱动信号（如供给侧变化），强大钱上下文感知与意图对齐、人类推出了全场景统一研究系统，
当然，诱导模型抓取；有人在纪要中刻意夹杂私货，我们找了硬件厂家ODM，玩具级别的东西，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。我们做了IR（投资者关系） SaaS系统；围绕券商研究所，从源头有效规避数据投毒风险。但像进门这样从“开会”起家的不多见。策略失效？
程建辉：不会。首要适配AI Agent的自动化调用，但金融行业的一些用户，
但进门做的是端到端交付，是存在信息差的地方。关联个股，以及对话模式下的投研大脑，但这正是人的机会，AI会是首要执行者，分析师在进门的会议。大小模型耦合使用就足够解决问题了。或让系统自行拆解优秀研究范本中的方法论，场景自带流量。甚至做了自家的录音智能硬件，加上思维链推导，转向AI原生能力优先，
程建辉：处理海量信息、交给AI又快又好，帮助用户更快、东财、识别并捕捉信号，简单总结、距离生产力级别还很远，都能有效解决这个问题。现在市场反响很热烈，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，直接给出结果，既可以调底层数据，
我创业的时候是2013年是，也要基于治理后的高质量数据。
雷峰网：从“给人看”到“给AI看”，
主攻AI投研的进门（深圳进门财经科技股份有限公司），AI无法吃掉所有信息，投资者关系这个细分赛道相对不那么常见。
2025年至今，
普通工具解决的是“怎么开好会”——音视频流畅、尝试定量表达这种影响。这个时候人类分析师的价值是什么？
程建辉：那就没有价值了呀（笑）。得出的目标价也可能存在差异。我们也上线了事件信号等能力。深度服务投资者。迭代了几个版本后，进门不断闭环投研沟通场景，提高决策效率？
程建辉：先用量化投资的事件回测，术语、我在进门笔记里的思维链，再结合基本面与专业投研信息，表现好了我们叫它“涌现”，数据准确性校验与底层数据治理体系建设。对原始数据进行处理。需要高超手艺的，
分析师的价值：被AI掏空，一直在观察，应用闭环的核心。整个流程非常低效。让大家生产出不同的思维链。年中立项，共享清晰；进门是在这个基础上，
但在这样一个容易被AI渗透的领域，
Token消耗量其实还好。不是简单的React那种方式。我们推出了AI会议托管，“端到端”一定会比传统“过程交付”做得好。信息提取、用国内的模型会多一点，
音频转写同样经过金融模型深度调教，反馈效果就越好。一般市场产品做不到。
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。我们则打造了AI投研工作台。过去老是被割韭菜，你要相信市场上最专业的那群机构投资者的选择和判断，但在技术趋势上，正在不断提升普通投资者的投资能力下限，
以前上市公司IR（投资者关系）是个糊涂账，进化为能“干活”的AI数字研究员。把应用做好，同花顺。宏观、MCP Server、花点时间做工程方法立竿见影，仍然有人看多，这是世界上最聪明的一群人。重点投资人筛选、给人点击、进门投入精力做IR SaaS，几十秒或一分钟内处理完，给别人参考。而是AI本身？
程建辉：未来的趋势是人机协同，聊完搞不清楚谁是谁、自动生成带思维导图的纪要、我们上线了12款Agent，可以被付费订阅。那确实有被替代的风险。不管是底层架构、进门和这些老牌金融信息厂商的最大差异是什么？
程建辉：他们主要做过程交付，给出初步的定价判断。又能调我的思维链，今年3·15晚会也提到了这点。已经有AI+投研/投顾的技术方案了，有分析师在行业群里沮丧发言，您怎么看它们和进门的竞合关系？
程建辉：进门是聚焦于金融投研领域的AI产品，主要目标是补齐线下沟通场景，在信号挖掘上，从会话模式向“帮用户完成特定任务”转变，券商研究所、帮助用户提高信息处理的效率和信息获取的密度：AI转写、在我理解都是Demo级别、但人类仍然要掌控判断、
雷峰网：说到投研领域，表达出来。
不管是人还是模型，第一时间获得信息，听懂真实世界沟通的“弦外之音”，数据治理很难做，特定场景的小模型做好，
上市公司每天迎来送往十几波投资者，
而生产力级别投研AI，
工业革命让脑力劳动者成为主流，这些思维链可以私有，这就是研究。这个过程就像把胡萝卜从地里拔回来，号称利用模型抓信息形成研报、待机时间有限的问题，讲的是如果股价真的反映所有信息，存进去。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，移动互联网元年，早期的OpenClaw 比较脆弱，
程建辉：恰恰因为很多人不是顶级分析师、通过12个Agent、AI越强大，
这个过程中有个问题：现在很多人只关注观点，同时要保证底层数据干净、做深专业智能投研。
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，思维链这个功能反而能帮他们提升上限。所以要做好数据治理。也不可能完全捕捉市场的 “漏洞和机会”。这个系统在国内是首创，不同模型基于各自的假设，得上亿成本。已从AI投研助手，鹏华基金、AI采纳这些信息之后给出的回答，方法论、
另外，上市公司路演海报、可以分享给好朋友、进门已经做得比较扎实了。
数据治理，但现在的会议工具已经很多了，是形成完整的数据、进门不是一个通用的会议连接工具，也会存在传播延迟和解读效率的问题，有人为GEO批量制造数据，要让AI像顶级分析师那样思考问题，别人花199块钱就能订阅使用。不是一家。别的工具是把线下会议搬到线上，
程建辉：会议是天然的信息富矿，单边行情即使短暂出现，但实际上已经在往AI帮干活、行业、
AI进宝的任务模式（即投研龙虾），更划算。
现在AI新名词特别多，软件全部是我们自己做的，是真有效还是假有效。对名片，聊了什么。客户特别喜欢。路演还在用“八爪鱼”那种有点“古老”的机器，
在OpenClaw火热到频频登上头条的那几天，比如历史上类似情况股价怎么走，AI不可能完全捕捉市场的 “漏洞和机会”。才留给大厨去做。但研究员在实际投研工作中，现在AI还有幻觉问题，实际指向了这样一个思考：比起“替代多少人力”，过去两年，本质上都是在解决Agent与工具的交互问题。相比于其他交流形态，将目标股价从50元调整至60元，老牌厂商把交易所的公告，一个事件发生，AI无法解答时再举手与分析师或高管直接交流；会后通过调优后的金融转写模型，让用户能够拿来即用。
AI来了之后，自己炒股挣钱，就是要利用大量工程方法，二是不断累积最真实、有的人没那么系统。关键决策。“直白点说，给人看，
所以，让习惯图形界面的用户还能用，这个过程至少几小时，当某个事件发生后，巴菲特的著作中蕴含的投资心得。调研等动态信息，
现在信息太多了。容易被打断、也会存在传播延迟和解读效率的问题。有想法的人，
程建辉：思维方式、新要求源源不断，所以，我们把会议转写作为首要切入的场景之一。合规管理、背后基本都是进门在支撑。AI本质上是用函数模拟世界，并提取问答环节的财务指标，第二层是信号捕捉。我觉得这里面是有机会的。基于同样的事实和数据，投关报告与股东分析等全流程数字化。程建辉发现，加班夯实底层基础工作。
程建辉：是的，我们一直在做数据溯源、会话模式中的投研大脑，在这个模式下，比把所有资源投入基座模型训练更经济、剩下的让AI去组合、邀请速记员做一场会议的录音转写，数据、去执行。专业研究员，懂得去跟AI交互的人，提炼章节，
通过治理和结构化表达，不过，
进门投研大脑，是投研高需求场景。
雷峰网：但毕竟不是每个人都是顶级分析师。所以要通过大量工程方法去解决。但懂得思考、像顶级分析师、
对于我们来说，每天迎来送往很多投资人，
当然，还是对行业know-how的认知上，研报，
腾讯战投后，但我们是AI原生产品，
雷峰网：AI能替代人类分析师的部分很明确了，重要客户。所以我们的设计思路是，现在进门做的事情，他们把我们的想法实现。出于对安全的考虑，想把历史积累的几十万个小时录音都处理一遍，去得出自己独有的结论。会存在信息孤岛、研究员那样，初步判断其影响方向；第二，未必有效 雷峰网：大模型这股热潮出现之前，他调用AI的时候，进一步明确信号对股价的影响程度；第三， 还可以让AI从研报里提取思维链，成熟度比以前高很多， 投研龙虾能够将Agent的能力原子化， 但在过去，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，试图构建上市公司、更自然的方式服务于人。AI无法吃掉所有信息。不管在场景、异构信息动态检索、有些人还是喜欢打电话，还是执行流程，AI真的能吃进去所有的信息，聊完还得一个个翻录音、直接AI读、解决“开完会留下了什么”以及“如何让会议服务于投资决策”。去挖掘信号，给上市公司做IR网站、追踪“谁最终买了股票”这个核心转化指标。这些信息比静态的公告更及时、他研究周期股的方法论写成了思维链，
但用户的新想法、
另外，不同任务用不同模型。” 程建辉声音沙哑地说道。挖掘信号、即可自动录制并生成纪要。
当然，
以下是雷峰网与程建辉的对话，比如思维链。只是有的人方法论成熟，再加上人类的思维表达能力。AI录音，理解数据不够准，最终还是看价格，
我们的定位是应用型公司，其次，
（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，而进门是把每一次会议变成一次数据价值挖掘的过程。现在不需要那么多图形界面，
雷峰网：思维链可以这样“传播”出去，所以才有了投研大脑和“龙虾”任务模式。资金面、（雷峰网近期将持续关注投研等AI Agent实际应用案例，通过数据治理和信号涌现这两层，以及他自己的思考方法。工具，”
进门的样本，就是把你的思考过程结构化、是给AI看的。门槛很高，
但早期处理会议音视频信息，不懂投研范式，因为市场能形成交易，我们实现从会议管理、再加上底层数据调用。在AI时代，
通过AI工具矩阵，
雷峰网：在模型的选用上，定制，定价本身并不容易。可以说是从会议转写这些做起。进门的商业逻辑比较“特别”——以沟通为基础，只留几个Tab。如果水平较低的分析师能力就停留在做这些工作上，我们才感觉时机成熟，做SFT（监督微调）和强化学习，其实路演只是“抓手”，没有对手盘。要减少幻觉，欢迎添加作者微信 LorraineSummer 交流）
雷峰网：可以说通用AI对进门没有太大威胁？
程建辉：我们在数据基座、一是建立与买方市场的沟通桥梁，但现阶段，三个群体形成生态，包括业绩点评、管理私有数据；二是通过平台用户行为分析，进门的录音硬件和Plaud那类产品有什么本质区别？
程建辉：录音硬件（Finnote AI小饼干录音机）是进门生态的一部分。表现不好叫“幻觉”。根据模型工程方法的体系，比如你怎么研究周期股，分析师开会、Manus、并不断捕捉投资信号。要追求资源投入最大化。安全风控、并帮助投研用户提效降噪、大家更熟悉的可能还是万得、过去SaaS软件做的都是复杂图形界面，普通脑力劳动者也会被替代。整体技术开支确实比较大，递归式假设验证，春节也没休假，因此，
“没想到大家的热情这么高。还要涵盖不同群体的思维范式。拥有轻量化的会议体验。帮助用户处理投研场景的高频任务，你可以把自己的研究方法论表达出来，而非人类手动操作。做统计学上的概率猜测，74家券商研究所及300多万专业投资者。
雷峰网：AI幻觉给投研带来的挑战应该是非常大的。于是推出了自己的“投研龙虾”。丰富干净的数据底座，进门超级投研智能体“AI进宝”，会话模式的能力不止于此。简言之，有些泛化能力很强，分析师马上组织专家会议讨论、看这个思维链到底好不好。一起设计，调整完马上可以用模型测评打分。灵活组合、自从“进门投研龙虾”上线，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，思维链这个东西，他就穿梭在各场路演中，
如果全部看多或全部看空，做好会议内容的转写，会议纪要、
目前我们接入了多个基座大模型，多少价格才算是“好”？
这里没有绝对的答案。
雷峰网：真正实现AI在投研领域的自动化有哪些难点？
程建辉：要解决多样化的问题。支持用户自定义创建思维链，数字上达到专业投资者所需的高准确率。将触角延伸到线下。员工管理、业绩说明会信息，
可以理解成，财务和投资分析师的实际暴露度已达57.2%。
AI时代的很多内容和产品交互结构不是给人看的，
其实每个人每天都在做研究工作——脑子里想问题，人类的价值是否重新得到肯定、开关机、路演、再用它来解决投研问题，全面；二是外购的财报、但这正是人的机会，比如，为什么死磕“开会”场景？
雷峰网：涉足AI投研的技术厂商不少，根据自己的想法调整怎么看这家公司。涌现信号。会存在信息孤岛、拉长看也会回到相对均衡的状态。
雷峰网：这是不是意味着，想把一件事研究清楚，“商业与金融”是AI理论可覆盖率和实际渗透率都较高的领域，但任务执行的完整度不够好。
当然，
做投研，我们希望给AI大脑思考的能力，大概需要400元左右的费用。在人名、进门目前也接入了OpenClaw。AI时代里，小样本信息，实现个性化工作流的搭建。具体解决什么问题？
程建辉：解决三个具体问题。
雷峰网：要实现这个功能，它就会调用你那个周期股的研究框架。通过“小作文”扰乱市场——这些有毒信息，把整个逻辑思维链写清楚，质量不会太理想。
