业务、财务、估值、新闻与风险散落在不同入口，难以形成一张完整的图。
FINMIND · STRUCTURED RESEARCH ASSISTANT
FinMind
帮助用户看懂公司，而不是替用户下单。
基于用户导入的本地资料，把业务、产业链、财务、驱动、风险与事件组织成一份可理解的公司档案，再用 AI 辅助分析与追问。
- 我的工作
- 产品定义 / 信息架构 / 对话与合规逻辑 / React MVP
- 产品范围
- 本地资料导入 · 信息整合 · 辅助研究
- 当前状态
- 科技行业研究 Skill 已封装 / 多行业适配中
COMPANY RESEARCH FILENVDA / SAMPLE
ONE COMPANY先建立稳定档案，
再开始对话。STRUCTURE BEFORE CHAT
再开始对话。STRUCTURE BEFORE CHAT
- 01概览OVERVIEW
- 02商业模式BUSINESS
- 03历史表现HISTORY
- 04未来驱动DRIVERS
- 05风险清单RISKS
- 06近期事件EVENTS
ASK AI
基于当前档案继续解释
01
THE REAL
PROBLEM
市场不缺行情、资讯和研报。
个人投资者真正缺的，
是形成研究视角的方法。
研报信息密度高，却默认读者已经理解行业、指标与公司上下游。
万能聊天能回答问题，却难以保证用户已经看到关键风险和反方证据。
02
CORE
JUDGMENT
FinMind 最关键的产品选择
让数据来源回到用户手中，
让 AI 专注整合与分析。
只处理用户主动导入的数据与文档，不主动从外部搜集金融信息。
AI 不负责到处找信息，而是帮助用户理解、比较并发现已有资料中的关联。
03
SIX
MODULES
少而精的单公司档案。
六类信息，建立一个完整研究视角。
OVERVIEW
30 秒理解这家公司是什么。
用一句话定位、产业链位置和上下游关系，先建立最基本的公司认知坐标。
- 用户问题
- 它到底是做什么的？
- 信息结构
- 公司定位 / 产业链五层 / 上下游
- AI 作用
- 白话解释专业概念
04
PRODUCT
SYSTEM
档案不是内容堆叠，而是五层共同工作。
结构、内容、交互、合规与监控。
公司档案与 AI 产业链五层定位。
解析用户导入的业务、财务、行业与事件材料。
模块内“问 AI”和侧边对话联动。
交易建议、目标价和预测问题规则拦截。
模块展开、问题类型、对话轮数与合规触发。
05
WORKING
PROTOTYPE
VITE + REACT 19 + TYPESCRIPT
从 NVIDIA 样例开始的
科技行业研究原型。
- 六模块单公司研究档案
- AI 五层蛋糕产业链示意
- 推荐问题与模块问答联动
- 交易类问题合规拦截
06
COMPLIANCE
BOUNDARY
金融场景里，拒绝什么与回答什么同样重要。
帮助理解，
不替用户承担交易判断。
可以回答
公司如何赚钱
产业链位置
关键驱动与不确定性
风险触发条件
必须拒绝
现在该不该买
目标价是多少
仓位如何配置
止损止盈点位
07
HONEST
STATUS
研究能力已经完成第一个行业封装。
从科技行业出发，
把同一套方法迁移到更多行业。
科技行业研究 Skill 封装
六模块公司研究框架
NVIDIA 研究样例与产品原型
金融分析与交易建议边界
适配其他行业的研究结构
优化本地资料导入与解析
提高信息整合与辅助分析质量
验证用户研究效率
FINMIND