写在前面
很多人用 DeepSeek、千问写股票研报，输出的都是一堆"建议审慎关注""行业景气度较高"这种废话。不是模型不行，是 Prompt 太粗糙。
我在做 多智能体 AI 股票分析 系统的过程中，光研报这一个环节就迭代了 20 多版 Prompt。这篇文章把最终可用的模板开源出来，以 2025Q1 贵州茅台为案例，演示从烂 Prompt → 可用 Prompt 的全过程。
完整茅台案例研报可以看这里 👉 AI 研报 Prompt
⚠️ 免责声明：本文所有研报输出片段（包括"中性偏谨慎""批价 2200 元"等表达）均为 Prompt 工程的方法论范例，仅用于演示提示词结构差异，不构成任何投资建议。涉及的财务数据为公开信息整理，市值 / 股价 / 批价等以发布当日实际行情为准。投资有风险，入市需谨慎。
一、烂 Prompt 长什么样
先看两个真实用户输入：
❌ 烂 Prompt v1
帮我分析一下贵州茅台。
输出结果：
贵州茅台是中国高端白酒龙头企业，拥有极强的品牌价值和稳定的现金流，建议长期关注。
这就是一段百度百科摘要，没有任何决策价值。
❌ 烂 Prompt v2
贵州茅台现在能买吗？给我买卖建议。
输出结果（合规模型直接拒答）：
抱歉，我不能提供具体的股票买卖建议。
即使越狱成功，输出也是"建议逢低吸纳"这种不可验证的废话。
核心问题：模型没有数据、没有角色、没有输出结构，只能瞎编。
二、Prompt 三段式：角色 + 数据 + 输出规范
经过几十轮迭代，我收敛到一个固定结构：
┌─────────────────────────────┐
│ 第 1 段：角色（Role） │ → 锁定专业口吻
├─────────────────────────────┤
│ 第 2 段：数据（Context） │ → 喂真实财务 / 新闻
├─────────────────────────────┤
│ 第 3 段：输出规范（Schema）│ → 强制 9 小节 + 免责声明
└─────────────────────────────┘
每一段都不能省。缺角色 → 输出像小白；缺数据 → 纯瞎编；缺输出规范 → 结构散乱。
三、第 1 段：角色设定
烂写法：
你是一个股票分析师。
好写法（茅台案例）：
你是一家头部券商（国泰君安级别）A 股消费组的资深研究员，
深耕白酒行业 10 年，擅长从预收款（合同负债）、
经销商打款意愿、茅台批价三条线索判断高端白酒基本面。
你的研报要被基金经理直接看，所以只讲事实和推理，不讲套话。
关键差异：
- 锁定行业（白酒不是泛消费）
- 锁定经验年限（10 年，会引用周期）
- 锁定读者（基金经理，不是散户）
- 锁定风格（只讲事实，拒绝套话）
这一段直接决定输出的"口吻"，LLM 在后续 token 里会自动向这个画像靠拢。
四、第 2 段：结构化数据喂入
这是最容易被忽视的一段。没数据的 Prompt 再好也是瞎编。
以茅台 2025Q1 为例，我们用代码块把数据喂给模型：
【公司基本面】
- 股票: 贵州茅台（600519.SH）
- 行业: 白酒 - 高端
- 市值: 约 1.95 万亿
- 当前股价: 1552 元（2025-04-30）
【2025Q1 财务】
- 营收: 514.4 亿（同比 +10.7%）
- 归母净利: 268.5 亿（同比 +11.6%）
- 毛利率: 92.6%（同比 +0.3pct）
- 预收款（合同负债）: 95.1 亿（同比 -18.2%）⚠️
【经销商数据】
- 2025Q1 经销商打款进度: 约 28%（去年同期 35%）
- 茅台飞天批价: 2180 元（2024 年高点 3050 元，累计 -28.5%）
【近 30 日催化】
- 2025-04-20: 集团层面表态"不压货"
- 2025-04-15: 部分经销商反馈配额被砍 5%
- 2025-03-30: 茅台 1935 批价跌破 800 元
⚠️ 重点：预收款下滑 -18% 这种"反常数据"一定要加 ⚠️ 符号，LLM 会自动把它拎出来重点分析。这是一个实测非常有效的 trick。
五、第 3 段：输出规范（Schema）
不给输出结构，LLM 会随心所欲地写。我们强制 9 小节：
请按以下 9 小节输出研报，每节 150~250 字，不要空话：
1. 一句话结论（看多 / 中性 / 看空，附核心理由）
2. 公司画像（业务结构、护城河、同业比较）
3. 最新财务拆解（用【数据】里的 2025Q1 数据）
4. 核心矛盾点（把预收款 -18% 这个⚠️展开讲）
5. 行业 β（白酒库存周期、消费降级影响）
6. 估值（PE / PB / DCF 保守估算）
7. 三大风险（不要写"市场波动"这种废话）
8. 三大催化（具体事件 + 预计时间窗口）
9. 免责声明（必须包含）
禁止：
- 禁止给出具体买入价、卖出价
- 禁止预测未来股价
- 禁止使用"建议关注""审慎看好"这类无信息量的词
- 每小节必须有至少 1 个来自【数据】的具体数字
三个关键约束：
- 字数范围：防止模型摸鱼（太短）或啰嗦（太长）
- 禁止项：比"请不要 XX"更有效的是列 ban 词清单
- 数据回引约束：强制每节引用【数据】里的数字 → 抑制幻觉
六、完整 Prompt 模板（可直接复用）
把上面三段拼起来，就是一份可以反复复用的研报 Prompt 模板：
# 角色
你是头部券商 A 股消费组资深研究员，深耕白酒行业 10 年...
# 数据（调用方按标的替换）
【公司基本面】...
【最新财务】...
【行业数据】...
【近 30 日催化】...
# 输出规范
请按 9 小节输出研报...
工程上把这段做成 Jinja2 模板，填充变量即可：
from jinja2 import Template
REPORT_PROMPT = Template("""
你是头部券商 A 股{{ sector }}组资深研究员，深耕 {{ sector }}行业 10 年，
擅长从 {{ key_indicators }} 三条线索判断{{ sector }}基本面...
【公司基本面】
- 股票: {{ stock_name }}（{{ stock_code }}）
- 行业: {{ sector }}
- 市值: {{ market_cap }}
- 当前股价: {{ price }}
【最新财务】
{{ financial_block }}
【近 30 日催化】
{{ news_block }}
请按 9 小节输出研报...
""")
prompt = REPORT_PROMPT.render(
sector="白酒",
key_indicators="预收款、经销商打款、批价",
stock_name="贵州茅台",
stock_code="600519.SH",
...
)
七、茅台案例的实际输出对比
以下表格为 Prompt 方法论范例，对比烂 / 好两种提示词的输出差异，不构成对贵州茅台或任何标的的投资建议。
同样的数据，烂 Prompt vs 好 Prompt 输出摘要：
| 小节 | 烂 Prompt 输出 | 好 Prompt 输出 |
|---|---|---|
| 结论 | "建议关注茅台长期价值" | "中性偏谨慎：基本面稳健但预收款 -18% 预示渠道库存压力未释放" |
| 财务 | "业绩稳健增长" | "Q1 营收 +10.7%、净利 +11.6%，但预收款从 116 亿降至 95 亿，意味着经销商打款意愿下降" |
| 风险 | "市场波动、政策风险" | "1) 批价跌破 2200 元若失守 → 渠道恐慌抛售；2) 1935 批价跌破成本线 → 利润率压力；3) 消费降级下宴席场景替代率提升" |
差距一目了然。好 Prompt 输出的内容，至少是一份能发到基金经理群里的研报雏形。
完整 9 小节范例见 👉 AI 研报 Prompt 茅台案例
八、踩坑总结（Prompt 工程专属）
坑 1：把数据写在 Prompt 结尾
LLM 对 Prompt 开头和结尾的 token 注意力最强，中间容易被"遗忘"。
解法：核心数据放在最后一个【】块里，紧贴输出规范。
坑 2：禁止项写成"尽量不要"
"尽量不要预测股价" → 模型照样预测。
解法：写死"禁止预测股价，违反此项输出视为无效"。
坑 3：小节标题用中文冒号 vs 英文冒号
中英混用会导致部分模型解析失败（尤其是小尺寸模型）。
解法：统一中文全角符号。
坑 4：温度设高了
研报类任务 temperature=0.3 比 0.7 稳定得多。
高温度适合创意写作，研报要可复现 → 低温度。
九、延伸：从单股研报到多智能体协作
单 Prompt 能写出一份还凑合的研报，但做不到：
- 基本面分析师 vs 技术派 vs 新闻派多视角
- 看多派 vs 看空派辩论
- 风控独立审查
想要更深度的拆解，可以参考多智能体协作的实现思路：把本文的研报 Prompt 当作"基本面分析师"角色，再组合技术 / 新闻 / 情绪 / 风控等角色，形成完整 pipeline。在线方法论笔记可见 nbstockai.com（仅供学习交流）。
结语
Prompt 工程在金融垂类的核心不是"魔法咒语"，而是工程化：
- 角色 → 定口吻
- 数据 → 防幻觉
- 规范 → 保结构
把这三件事做扎实，即使换模型（DeepSeek、千问、Claude）也能稳定输出。
如果你也在做金融 / 法律 / 医疗等强垂类 LLM 应用，欢迎评论区交流你迭代 Prompt 的心路历程。
