课程目标

帮助投顾人员掌握DeepSeek等大模型及Skill工具，在数据处理、信息筛选、策略对比中实现降本增效，重塑投顾工作流

课程对象

华夏基金财富投资顾问及相关人员（线下约30人+线上同步）

课程方式

业务痛点剖析 + 工具实操演示 + 场景化案例演练

课程大纲

模块一：AI大模型发展趋势与投顾业务破局

本模块旨在帮助财富投资顾问建立对AI大模型的核心认知，明晰其在金融投研与财富管理领域的应用边界与价值。

1. AI大模型的发展与金融应用现状

主流大模型（DeepSeek、KIMI、豆包等）在金融领域的核心能力解析

大模型在投研、风控、客户服务等场景的应用趋势

2. 财富投资顾问的“AI效能革命”

投顾日常工作的痛点分析：信息过载、数据整理耗时、策略对比维度单一

AI大模型如何重塑投顾工作流：从“人工检索处理”到“AI辅助决策生成”

3. 大模型交互心法与Prompt提示词技巧

“场景-IPO原则-Prompt-校准”的关键操作链条

如何通过精准提示词控制大模型的输出质量与专业性

模块二：AI驱动的产品数据整理与市场信息筛选

本模块针对投顾高频的“找数据、读资讯”痛点，演练如何利用大模型及插件工具实现数据的高效清洗与资讯的精准提炼。

1.      产品数据整理与结构化输出

痛点：基金产品净值、持仓、业绩归因等多源数据格式不一，手工整理耗时。

AI实战：

“数据投喂”技巧：如何让大模型快速读取并理解PDF/Excel格式的产品定期报告。

利用AI进行数据提取、清洗与结构化重组，一键生成产品数据对比表格。

2.      市场信息的自动化收集与高质筛选

痛点：海量券商研报、宏观新闻难以快速提炼有效投资线索。

AI实战：

长篇市场分析报告、会议纪要的核心观点秒级提炼（文档摘要技能）。

利用大模型工具（如KIMI、秘塔AI）进行全网市场资讯的实时追踪与高信噪比筛选。

3.      Skill等高阶工具在投顾场景的深度应用

认识并调用大模型的高级技能与插件（如联网搜索、文件解析、数据图表生成）。

构建个人专属的“投研资讯Copilot”，实现市场异动的自动提示与汇总。

模块三：投资策略比较与智能投研报告生成

本模块聚焦核心业务决策环节，利用AI进行多维度的策略推演与对比，并快速生成面向客户的专业材料。

1.      投资策略的智能化比较与归因

痛点：不同基金经理投资策略（如价值vs成长、主动vs量化）对比维度难以统一。

AI实战：

基于大模型的数据分析四步法（取数-建模-分析-决策）。

利用AI建立多维度评价框架，对多只产品/策略进行横向对比与深度归因分析。

2.      AI辅助资产配置与客户适配度分析

结合宏观数据与客户风险偏好，让AI辅助生成大类的资产配置建议参考。

投资策略与客户画像的智能匹配度检视。

3.      高质量投顾服务材料的自动化生成

AI实战：

输入产品数据与市场观点，自动生成格式规范、逻辑清晰的“产品推介书”或“市场观点总结”。

基于既有研报进行“二次创造”，转化为面向直销客户或渠道的通俗易懂版解读文案。

模块四：现场答疑与业务落地共创

1.      实操问题答疑

针对学员在线下/线上实操中遇到的Prompt设计、工具报错等问题进行解答。

2.      场景共创与工作流优化

引导投顾人员结合自身业务线（如针对高净值客户服务、渠道培训等），探讨AI应用的新场景。

制定个人的《AI赋能工作效率提升行动计划》。