虽然不同因子挖掘类的研报在研究对象上存在差异，部分侧重高频价量信息的隐含的交易行为模式，部分侧重基本面数据的经济逻辑，部分侧重另类数据的提供的额外信息，但在因子构建及测试的流程上具有较高的一致性。因此，因子挖掘类报告适合通过流程化进行拆分并自动化。我们按照实际研究流程对 AI 自动投研系统进行拆解，将自动投研体系划分研报解析、因子复现和因子管理三个环节，并通过统一的数据接口与配置文件实现模块间协同。相比提供一篇原始报告给 AI 直接解析复现，生成的效果通常存在较大不确定性，而通过 SKILL 进行规则化的约束，其往往能够大大提升产出的准确率。在工程实现层面，我们采用分层架构设计，在每个环节生成特定 SKILL 负责任务执行。
