中信证券在2026年8月系统化投资分析师交流会上介绍了其资产配置AI应用PortfolioClaw Agent工具体系，该工具依赖三层架构：以MCP（模型上下文协议）为核心的工具层、封装资产配置全链条专业技能的技能层，以及参考真实研究团队分工构建的智能体层。以下内容仅基于该会议纪要整理，属于中信证券研究团队在闭门会议中的自述与判断，未经独立核验，且会议内容明确提示未经授权不得外传。

PortfolioClaw的三层架构依赖哪些技术框架？

根据会议纪要，PortfolioClaw工具层核心是MCP，既接入iFind、Wind、Choice等专业数据商的MCP，也自建私域数据MCP，用于解决内部投研数据孤岛问题。技能层封装覆盖资产配置全链条的专业技能，每项技能对应特定投研任务（如黄金分析、技术分析、资产监控），来源方称其是流程可控、结果可解释的分析框架。智能体层则构建了如黄金Agent、宏观分析Agent等专业智能体集群，形成跨Agent协同推理、辩论、投研决策闭环。

技术迭代与落地遵循什么逻辑？

来源方称，资产配置研究正从传统量化配置向LLM助手和智能体应用演进，技术迭代整体遵循"基础模型→数据增强→认知推理→单智能体应用→多智能体协同→集体智慧"的递进逻辑。落地原则为"基础设施先行、场景分步落地"，即先搭建MCP、知识库等基础设施，再从高度流程化的场景入手逐步落地。来源方同时提示风险因素，包括基座模型能力波动、大模型前视偏差、算力限制、幻觉问题、智能体框架稳定性、群体智慧决策不收敛等。

常见问题

PortfolioClaw是否已实际应用于投资决策？

来源材料未提供PortfolioClaw已实际应用于实盘投资决策的证据。纪要仅描述了该工具的三层架构设计、技术迭代逻辑与落地原则，属于中信证券研究团队在闭门会议中的方案介绍与判断，未提及具体部署时间、实盘使用效果或客户案例。

MCP在工具层中起什么作用？

据来源方陈述，MCP是工具层的核心，用于接入外部专业数据商（iFind、Wind、Choice）的MCP以及自建私域数据MCP，目的是解决内部投研数据孤岛难题。材料未提供MCP接入的具体技术实现细节或与其他协议的性能对比。

来源材料对风险因素有哪些提示？

来源方提示的风险因素包括：基座模型能力波动、大模型前视偏差、算力限制、幻觉问题、智能体框架稳定性、群体智慧决策不收敛。此外，纪要还提示历史数据不能代表将来、模型存在失效风险、部分数据来源于第三方机构可能与实际情况存在差异，以及特邀嘉宾观点属个人意见、不代表中信证券立场。