3小时、数百次大模型调用、多Agent协作，一份报告是怎么炼成的DD Agent：专家模式的「原型」

专家模式不是凭空设计出来的，它是从我们的DD Agent中「简化」而来的。

DD Agent是我们最早做的AI报告生成产品，定位是生成专家级尽调报告。它的背后不是一个单一的大模型在跑，而是多个Agent协作：有的负责收集资料，有的负责分析数据，有的负责撰写内容，还有的负责校验和质疑。

生成一份完整的DD Agent报告，大概需要3个小时。期间会调用几百次大模型。它会自己规划任务、自己搜索外部数据、自己绘制图表图形，最后输出一份五六十页的专业报告。报告风格接近券商研报，图文并茂。

但DD Agent有一个问题：对算力要求太高。它需要旗舰级的大模型才能跑出理想效果，而很多金融机构私有化部署时，GPU资源有限，跑不动。

专家模式：DD Agent的「轻量版」

所以我们做了一个事情：把DD Agent里的核心能力抽取出来，对提示词做了简化和优化，放到智能尽调平台里，这就是专家模式。

简化了什么？主要是提示词。DD Agent里的一份提示词大概有一两千字，包含角色设置、分析框架、防幻觉规则等。专家模式对提示词做了精简，但保留了核心逻辑。

优化了什么？主要是让小参数模型也能跑。DD Agent需要旗舰级大模型（比如DeepSeek R1或千问Max），专家模式用千问3.5 27B就能跑。这意味着客户不需要买最贵的GPU，用中等配置的硬件就能享受专家模式的能力。

效果差多少？说实话，专家模式在深度分析上确实不如DD Agent，但在大部分场景下已经够用了。而且专家模式更快——DD Agent需要3小时，专家模式生成一份报告大概30分钟到1小时。

多Agent协作：不是一个AI在战斗

专家模式的核心是多Agent协作。在报告生成的过程中，至少有两类Agent在工作：

资料收集Agent：它的任务只有一个——找资料。它不会分析数据，不会写报告，只负责从上传的文档中提取信息、从网上搜索外部数据。找到之后，把信息整理好传给分析Agent。

分析Agent：它的任务是基于收集Agent传来的信息做分析和撰写。它不会自己去搜资料，如果发现信息不够，它会向收集Agent「提出请求」，由收集Agent去补充。

这种分工的核心目的就是抑制幻觉。我们测试下来，把收集和分析分给同一个Agent做，它编造数据的概率明显更高。因为当它找不到信息时，它倾向于「自己编一个」而不是说「没有」。分开之后，分析Agent只能基于确定的信息做推理，编造的动机和机会都大大降低。

除了这两类Agent，还有一些辅助Agent负责特定任务，比如图表绘制、数据校验、内容润色等。一份报告生成过程中，可能涉及五六个不同角色的Agent协作。

报告生成全过程

一份专家模式报告的生成过程大概是这样的：

第一阶段，资料分类和关联。上传的文档经过OCR识别后，Agent会对每个文档做摘要，然后根据摘要判断它属于哪个资料类别（财务报表、银行流水、合同等），自动归类到对应的报告模块下。

第二阶段，模块化生成。每个报告模块独立生成。Agent会先判断关联的文档是否相关——不是所有归类到「财务分析」下的文档都需要用，Agent会做一轮筛选，只提取真正有用的信息。

第三阶段，交叉分析。多个数据源的数据进行交叉比对，比如流水和发票、流水和纳税申报表、科目余额表和资产负债表等。不一致的地方会被标记为风险点。

第四阶段，统一润色。所有模块生成完成后，做一轮全局检查：公司名称统一、重复风险点去重、前后表述对齐。这个步骤确保报告读起来是一个整体，而不是拼凑的。

第五阶段，输出。支持PDF和Word两种格式下载，包含自动生成的目录和图表。

小结

专家模式不是一个简单的「AI写报告」功能，而是一套完整的多Agent协作体系。

它从DD Agent简化而来，保留了核心的多Agent协作和防幻觉机制，同时优化了资源消耗，让更多机构能够在私有化环境下使用。

3小时是DD Agent的速度，30分钟到1小时是专家模式的速度。选择哪个，取决于你的硬件和对报告深度的要求。