📰 研报摘要
查看全文 ➔摘要： 本文探讨了 AI 如何真正嵌入信用债研究的真实工作流，提出“工程化”比“智能化”更重要的核心观点，并详细介绍了开源项目 Financialanalysis 在处理财报附注、构建可回溯证据链方面的实务应用。
核心观点：
AI 辅助投研的核心价值不在于简单的摘要生成或文字润色（表达效率），而在于改变研究生产方式。主张将 AI 引入信用研究中最费时、最碎片化的材料组织环节，通过将非结构化文本转化为结构化底稿和可复核的证据索引，实现研究经验的工程化沉淀。
论据支撑：
- 实务工具验证：介绍 Financialanalysis 项目，涵盖原始材料采集、文档解析、附注优先分析、结构化底稿生成等完整链路。
- 典型案例分析：通过万科（房企样本）展示 AI 对复杂融资成本的细粒度拆解，以及通过杭海新城控股（城投样本）展示 AI 对特殊口径（如政府债券置换）的工程化处理，证明了 AI 在构建“证据 $\rightarrow$ 公式 $\rightarrow$ 结果”闭环中的能力。
- 流程重构：提出 AI 应接管材料收集、证据索引等机械劳动，而将研究员释放到主体判断、定价分析和配置决策等核心环节。
局限性/风险：
AI 仍存在幻觉风险，提取结果可能存在遗漏，且对非标行业或特殊会计处理的覆盖不完整，依赖原始数据质量，最终投资判断必须由人工收口。