如何利用LLM Agent撰写自动化研报？

1. 系统架构：多Agent协同工作\n整个系统由三个核心LLM Agent组成，每个Agent负责特定任务：\n数据研究员Agent：负责收集和分析特定城市和行业的公司数据。它会从知识图谱数据库（如Neo4j）中提取关键统计数据，包括公司数量、上市公司数量、总收入以及前五大公司的详细信息。\n新闻分析师Agent：专注于提取和总结相关公司的最新新闻。它会从数据库中获取最新的新闻报道，并进行情感分析和趋势总结，帮助理解市场动态。\n报告撰写员Agent：整合前两个Agent的输出，生成一份结构化的Markdown报告。它确保报告内容清晰、准确，并剔除任何无关信息。\n \n2. 数据集与工具\n我们使用Neo4j演示服务器上的公司数据库，该数据库包含详细的组织信息、个人资料以及一些组织的最新新闻。这些数据通过Diffbot API获取，为研报生成提供了丰富的数据支持。\n \n3. 关键工具与功能\n获取城市信息工具：该工具允许Agent查询特定城市中特定行业的公司统计数据。例如，它可以获取某个城市中软件行业的公司总数、上市公司数量、总收入以及前五大公司的详细信息。\n获取新闻工具：该工具用于获取特定公司的最新新闻报道。它提供文章标题、发布日期、情感分析以及关键摘要，帮助Agent了解公司的最新动态和市场趋势。\n \n4. Agent定义与任务分配\n每个Agent都有明确的角色、目标和背景故事：\n数据研究员Agent：作为商业生态系统和城市人口统计学的专家，负责深入分析数据关系。\n新闻分析师Agent：作为经验丰富的商业新闻记者和市场研究员，负责识别新闻中的关键趋势和发展。\n报告撰写员Agent：作为专业的报告撰写者，负责将研究结果和新闻分析整合成清晰、可操作的见解。\n \n5. 运行流程与结果\n整个流程是顺序执行的：首先，数据研究员Agent收集并分析城市和行业数据；接着，新闻分析师Agent获取并总结相关公司的最新新闻；最后，报告撰写员Agent将所有信息整合成一份完整的报告。\n \n代码见社群，#QuantML量化知识社群 包括上百篇论文代码，各类研报策略复现，QuantML-Qlib框架，社群群内有许多大佬，包括顶级私募创始人，公募jjjl，顶会论文作者，github千星项目作者等，欢迎加入交流