研究经理 Agent
負責整合多头、空头、估值和觀察层輸出，给出更平衡的研究结論。
研究经理 Agent 是 thesis 层的裁判與整合者。
持續讀取研究輸入、市場上下文與關鍵變化。
把判斷結果送往下一環節與最終結論。
用多維框架壓縮噪音、校準偏差。
圍繞職責邊界、作用方式與協作關係展開。
它透過階段位置、觸發信號與協作鏈路共同發揮作用，而不是孤立輸出。
來自研究輸入與即時上下文
連接上游、下游與平行角色
透過多重判斷維度壓縮偏差
誰會先把上下文或信號送到這裡。
誰會直接接收它的判斷結果。
哪些平行角色會共同校準這段判斷。
這個角色真正推動什麼
下面這 6 件事，是這個角色在系統裡最值得被單獨分工處理的職責。
整合多头、空头、估值和觀察层结論。
判断哪些訊號真正重要，哪些只是边缘噪音。
形成带有置信度和條件约束的研究判断。
在自己的職責邊界内补齐证据、缩小噪音，讓结論建立在更专业的判断基础上。
為下游角色提供可执行、可复核、可延续的中间结果，而不是停留在笼统描述。
当輸入发生變化時，快速更新這一階段的判断重点。
能力邊界
這個角色越專業，越需要清楚知道自己不該替別人做什麼。
不代替基础角色重新做一遍分析。
不負責最终倉位执行。
為什麼系統需要它
先給一句結論，再用幾個結構化要點解釋這個角色存在的必要性。
研究经理 Agent 属于 AlphaVue 多智能體系統中的「論點與辯論」通道，主要在「辯論」階段建立更专业的判断，讓後續角色能够接在更可靠的前提上。多 Agent 系統如果没有管理层，最后很容易变成“信息很多，但没有決策”。
決定它主要服務哪一段研究工作。
這是它最直接施加影響的位置。
它的判斷會在這裡繼續被放大與執行。
輸入如何被壓縮成可以執行的判斷
把這個角色的輸入、判斷與輸出拆成三段看，更容易理解它在系統中的真實作用。
輸入與信號
持續讀取哪些資訊
多头與空头 thesis、估值限制與市場環境结論。
哪些論點被多個角色共同支持，哪些只是單点主张。
系統對哪些变量最有把握，哪些部分仍然模糊。
分析框架
如何壓縮噪音形成判斷
它不会机械折中，而是判断哪條逻辑最重要。
核心证据、辅助证据和噪音應被明确分開。
輸出不能只是“有道理”，还要能指导後續执行和监控。
輸出與產物
如何把判斷送往下一環
輸出一個更接近用户最终看到的核心研究结論。
说明哪些部分高确定，哪些部分仍需觀察。
告诉交易和風險角色，什么條件下這份 thesis 才值得行動。
研究经理 Agent 如何支援人工智慧股票分析
研究经理 Agent 是 AlphaVue 多代理股票研究工作流程中的 論點與辯論 角色。它將原始訊號轉化為更清晰的中間判斷，以便下游代理人可以在更強有力的背景下辯論、調整、監控或解釋論文。
您需要的不僅僅是一個通用模型答案。
股票有收益、價格變動、新聞催化劑、估價衝突或變動的風險。
在採取行動之前，你需要看看是什麼證據塑造了你的觀點。
它不是財務建議，也不承諾投資回報。
它專注於自己的角色，並依賴其他代理商來完成最終的工作流程。
當證據薄弱時，系統應該降低信心，而不是創造確定性。
研究经理 Agent research paths
圍繞這個角色的常見問題
FAQ 保留完整內容，但預設只露出問題，讓頁面更輕，也更適合搜尋問答場景。
Research Manager 是最终決策者吗？
它是研究层的整合者，但最终还要经过交易與風險层的约束。
它和 Thesis Synthesizer 有什么区别？
Research Manager 偏研究判断，Synthesizer 更偏把判断整理成對用户更清晰的表达結構。
没有這個角色会怎样？
系統会更像一堆並列报告，而不是一個有主次、有優先級的研究结論。
研究经理 Agent 在整個系統里最核心的職責是什么？
它最核心的職責，是在「論點與辯論」通道里把 辯論 階段需要的關鍵判断做深，並為後續角色提供更高质量的前提。
研究经理 Agent 最依赖哪类輸入？
它最依赖的通常是「冲突观点」這一类訊號，因為這是它形成专业判断的起点。
繼續打開這些相關角色
這些角色通常會直接承接、挑戰或放大目前頁面中的判斷。
繼續查看整個智能體系統
從總覽頁進入完整角色目錄，或直接體驗 AlphaVue 的多智能體股票分析工作流。
回到總覽頁繼續瀏覽其他角色，或直接進入 AlphaVue 看這些角色如何在真實分析中協同工作。