“過去，一份客戶定制的投資診斷優(yōu)化報告需要耗費投研團隊半天甚至兩天的時間，為此我們只能為少數(shù)高凈值客戶提供服務(wù)。現(xiàn)在，借助 AI 大模型的能力和盈米且慢 MCP 的助攻，我們報告產(chǎn)出的效率提升了 5 倍以上，能為所有有需求的客戶提供持倉診斷和資產(chǎn)配置服務(wù)，且客戶的開戶和入金的比例也實現(xiàn)了翻倍的增長。”——盈米叩富投顧團隊徐國興。
作為一支由專業(yè)金融從業(yè)者組成的投顧團隊，盈米叩富投顧團隊希望用科學的多元化資產(chǎn)配置理念，幫助更多普通投資者解決理財難題。在傳統(tǒng)的投顧服務(wù)模式下，受限于投研團隊有限的產(chǎn)能、通用的報告模版和割裂的服務(wù)流程，難以滿足互聯(lián)網(wǎng)上不同客戶的個性化需求。
這次我們和盈米叩富投顧團隊的徐國興聊聊，看他是如何利用AI大模型與盈米 MCP 的能力，將曾經(jīng)專屬于高凈值客戶的深度投顧服務(wù)，帶給更多的普通投資者，并且提升了業(yè)務(wù)的有效轉(zhuǎn)化。
01、傳統(tǒng)的投顧服務(wù)流程存在哪些卡點?
徐國興日常需要處理兩大類客戶訴求：一類是基金診斷，客戶已持有一只或多只基金，出現(xiàn)虧損想賣出，或已經(jīng)盈利不確定是否應(yīng)該止盈，前來咨詢;另一類是資產(chǎn)配置，客戶手頭有一筆資金，希望穩(wěn)健增值卻不知道該投資什么。
在業(yè)務(wù)與AI深度融合之前，他經(jīng)常面臨工作效率低下和客戶信任難以建立的問題：
一是服務(wù)的效率低。一份客戶的持倉分析診斷報告，需要我們的投研團隊投入大量精力進行數(shù)據(jù)搜集、單只基金分析和撰寫報告。“我們團隊一天能做到一到兩份報告就到極限了，”徐國興說，“這種效率決定了我們只能設(shè)置門檻，比如為 30 萬以上可投資產(chǎn)規(guī)模的客戶提供服務(wù)，大量長尾用戶的需求就無奈只能放棄了。”
二是客戶信任難以建立。為了提升效率，之前徐國興的團隊給客戶提供的報告難免會陷入“模板化”。這種模式化的報告難以靈活匹配不同客戶的訴求和持倉情況。如果不匹配，客戶看了接受度會降低，信任難以建立，最終就會影響轉(zhuǎn)化的效果。
三是服務(wù)流程的“割裂感”。傳統(tǒng)的服務(wù)流程往往“診斷分析”與“資產(chǎn)配置”脫節(jié)。投顧先分析客戶的持倉，再推薦合適的投顧策略。整個服務(wù)過程在客戶體驗看來，有點像是“產(chǎn)品的推銷”。“這種傳統(tǒng)的服務(wù)方式較難立刻取得客戶的信任，也不符合客戶的真實投資訴求。”徐國興說。
02、AI + MCP ，如何助力投顧破局?
擁有技術(shù)背景的徐國興很早就將目光投向了 AI 大模型。但他最初的嘗試并不順利。
“之前單純用大模型出的報告是沒法給客戶用的，”徐國興說，“因為數(shù)據(jù)幻覺問題解決不了，它在網(wǎng)上搜集的信息真假難辨，看起來頭頭是道，但數(shù)據(jù)是錯亂的，信息也不準確。”
轉(zhuǎn)機的出現(xiàn)他在使用盈米且慢 MCP 之后。通過盈米且慢 MCP 提供的真實、準確的金融數(shù)據(jù)源接口，有效解決了 AI 的“幻覺”問題，讓大模型的強大推理能力和內(nèi)容生成能力“如虎添翼”。
在 AI 大模型+盈米且慢 MCP 的助力下，過去兩個多月的時間里，徐國興出具了上百份的客戶報告，不僅效率得到提升，還有效解決客戶認可和信賴的核心問題。
效率提升超5倍：從一開始1人1天最多能出1份報告，到現(xiàn)在1人1天能產(chǎn)出至少5份高質(zhì)量、個性化的報告，效率提升了5倍以上。這使得客戶服務(wù)報告從一個高時間成本和高人力成本的服務(wù)，轉(zhuǎn)變?yōu)橐粋€高效的獲客和轉(zhuǎn)化工具。
客戶信任的建立：對客戶服務(wù)前需要有足夠的KYC，但客戶初次接觸投顧時難以馬上建立信任，所以通常不愿提供完善的信息。而在信息不完善的情況下，傳統(tǒng)的方式很難出具高質(zhì)量的報告。
而有了AI之后，徐國興就能根據(jù)客戶的現(xiàn)有持倉進行全面的分析，基于分析的結(jié)果提供配置建議并與客戶溝通，這一流程下來，可以更容易與客戶建立信任感。
個性化服務(wù)的實現(xiàn)：AI能夠快速理解并處理客戶的持倉，結(jié)合盈米且慢 MCP 的精準數(shù)據(jù)，從而生成"千人千面"的持倉分析與優(yōu)化方案，使每份報告都精準滿足客戶的個性化需求。
轉(zhuǎn)化率翻倍：在團隊5- 6月的測試運營中，接收并認可 AI 生成報告的客戶，其開戶和入金比例是以為傳統(tǒng)服務(wù)模式下的兩倍。
03、工作流七步法，如何獲得更好的輸出效果?
徐國興從4月25日開始應(yīng)用盈米且慢 MCP 的能力來出報告，在這過程中迭代了十幾個版本，到現(xiàn)在已經(jīng)迭代出一套穩(wěn)定、精細的工作流和方法論，讓團隊的投顧可以直接使用。
徐國興選用的是Cursor + Claude-4-sonnet的組合搭配。
為給客戶做《基金投資診斷優(yōu)化報告》，他設(shè)置的 Prompt 如下：
你參考上傳圖片樣式進行回執(zhí)報告，品牌名是：盈米叩富團隊;
客戶情況： 客戶200000元買了1只基金，代碼：009274，目前已經(jīng)虧損50510元，目前持有894天，持倉成本價3.2819元;
從規(guī)模、歷史業(yè)績、持倉明細等方面分析下這只基金，然后給出是否繼續(xù)持有、還是補倉、還是賣掉的的相應(yīng)建議;
最后，都要用echart的可視化圖表來展示，最終生成PDF。
一般情況下，一句話提示語給到AI大模型也能輸出報告，但徐國興并不止步于此。
“雖然一步到位的提示詞也能輸出報告，但最終落地到投顧服務(wù)的工作流上，你給AI大模型的提示詞更明確、更詳細，一方面能解決大模型幻覺和上下文窗口、計算能力邊界的問題，另一方面也更方便報告的穩(wěn)定產(chǎn)出。”徐國興表示。以下是徐國興探索出的一套訓練 AI 生成報告的工作流和實操技巧，分享給大家：
獲取基金信息
投顧指令:向 AI 輸入客戶具體持倉的基金代碼列表。
AI 動作:通過調(diào)用盈米 MCP 接口，精準抓取每只基金的最新、最全的檔案信息。
2、客觀分析
投顧指令:要求 AI 基于步驟1獲取的數(shù)據(jù)信息，從持倉情況、歷史業(yè)績、收益率、估值等維度進行客觀分析和視覺化圖表呈現(xiàn)。
AI 動作:生成清晰的表格與圖表，在確保數(shù)據(jù)準確的同時，將復(fù)雜的數(shù)據(jù)可視化，可以讓客戶對自己的持倉現(xiàn)狀一目了然。
3、主觀診斷
投顧指令:這是給 AI注入團隊投研能力的關(guān)鍵。徐國興通過提示詞，將團隊關(guān)于基金的判斷邏輯和投資價值觀“喂”給 AI 。 AI 本身是沒有價值觀的，這需要人給的輸入越多， AI 輸出的質(zhì)量就越高。
AI 動作:AI 化身為專業(yè)的“數(shù)字投研助理”，遵循投顧給定的專業(yè)框架，對每一只基金做出“持有”或“賣出”的初步判斷。
4、調(diào)倉建議
投顧指令:基于上一步的診斷結(jié)果，制定具體可執(zhí)行的調(diào)倉方案。
AI 動作:明確列出建議賣出的基金名稱、代碼及操作理由，根據(jù)投研的判定邏輯給出調(diào)倉方案。
5、金額計算
投顧指令: 要求 AI 精準計算調(diào)倉后的資金變化，必須調(diào)用相關(guān)接口驗證。
AI 動作: 基于最新凈值數(shù)據(jù)進行準確的計算。
重要經(jīng)驗：這是容易出錯的環(huán)節(jié)——由于大模型數(shù)學計算的能力邊界，這里需要人工進行細致的數(shù)據(jù)核驗，有時候甚至需要投顧手動算出正確的答案告知 AI，以確保后續(xù)輸出內(nèi)容的準確性。
6、獲取投顧策略
投顧指令:調(diào)用盈米且慢 MCP 的接口，獲取符合客戶風險偏好的投顧策略列表及其詳細的產(chǎn)品信息。根據(jù)客戶的風險偏好，搜索不同類型的策略，做匹配客戶實際情況的資產(chǎn)配置方案。這么一來，從投研分析到資產(chǎn)配置的全流程就很絲滑，不割裂。
AI 動作:呈現(xiàn)可供選擇的投顧策略產(chǎn)品池，根據(jù)客戶的風險畫像匹配不同類型的策略。
7、資金再分配
投顧指令:結(jié)合上面所有的分析和內(nèi)容，要求AI制定完整的資金再分配方案并生成最終報告。
AI 動作:將前面的步驟再整體跑一遍，形成從“基金診斷”到“資產(chǎn)配置優(yōu)化”再到“具體執(zhí)行計劃”的完整閉環(huán)，最后附上投顧團隊的介紹，以增強客戶的信任感。
“整個流程跑下來，大概需要和 AI 進行10輪左右的交互，”徐國興總結(jié)道。“將工作流拆解后，一步步往下引導，才不會出現(xiàn)大模型的上下文遺忘的問題。這樣我們最終交付給客戶的報告，也不再像‘賣產(chǎn)品’，而是真正圍繞客戶現(xiàn)在的實際持倉情況去做資產(chǎn)配置的優(yōu)化，給客戶的體驗也會更好。”
04、經(jīng)驗總結(jié)：分步驟拆解任務(wù)，讓AI適配業(yè)務(wù)的核心邏輯
一是，提示詞需要不斷試錯和優(yōu)化。
1、與其寫 “一站式” 提示詞，不如將復(fù)雜的任務(wù)分階段處理;同時，由于缺乏真實數(shù)據(jù)源時，模型易編造錯誤信息，接入盈米且慢 MCP 能很好地解決這個問題。
2、分步驟拆解你的任務(wù)，需要明確每階段提示詞的邊界?？梢詫⒐ぷ髁鞑鸱殖蔀楠毩⒌哪K，避免 AI 大模型上下文遺忘的問題。
二是，要讓 AI 適配業(yè)務(wù)的核心邏輯。
1、提示詞設(shè)計：任務(wù)的顆粒度越細越好。因為大模型的能力存在邊界，我們給 AI 的每個提示詞最好僅解決一個細分問題，避免多個環(huán)節(jié)、多個需求的疊加。
2、“人機協(xié)作” 思維：不追求 AI “全流程自動化”，在關(guān)鍵的節(jié)點(如數(shù)據(jù)校驗、投顧策略的判斷方面)仍需人工投顧的介入?？梢杂?“手動數(shù)據(jù)輸入 + 分步校驗” 彌補大模型在計算方面的短板。
對于未來，徐國興很看好 AI 在投顧業(yè)務(wù)的運用和發(fā)展。他認為AI 可以解決工作效率和客觀分析的問題，但投研團隊的核心觀點和投資哲學，以及投顧與客戶之間基于信任的長期陪伴，這些“主觀”和“感性”的情感鏈接，依然是人類投顧的核心價值。而 AI ，正在將投顧從繁重的重復(fù)性勞動中解放出來，回歸到創(chuàng)造客戶信任與傳遞價值的本源。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
