缺少你的持仓上下文
通用 AI 不了解你持有什么、关注什么，以及你的组合是如何构成的。
AI Agent 协同工作 · Privora 泊睿
AI agent 如何与 Privora 协同工作
通用 AI 擅长语言生成，但不天然拥有你的持仓上下文、监控逻辑和投资分析能力。Privora 泊睿把这些能力沉淀在平台内，让 AI agent 可以围绕真实组合上下文进行研究、跟踪和复盘，而不是只给一个泛泛的回答。
AI agent 与 Privora 的协同是什么意思？
AI agent 与 Privora 的协同，是指 agent 在受控范围内使用平台沉淀的组合分析、信号跟踪、异动解释和复盘等能力，把分析过程留在平台内，让 agent 的回答建立在你的持仓上下文之上，而不是通用知识之上。
为什么通用 AI 不够
缺少持续监控能力
通用 AI 响应单次查询，但无法围绕你的组合维持持续的监控状态。
缺少结构化的投资分析链路
从数据汇总到风险监控再到解释，这些能力需要一个结构化的平台层，而不只是一个语言模型。
agent 可以使用的平台能力
持仓级分析能力
Agent 可以基于组合和观察列表上下文开展持仓级分析，而不只是孤立的单票观察。
风险监控与持续跟踪
Agent 可以利用平台的持续风险监控和信号跟踪，随时了解组合变化。
异动解释与研究辅助
Agent 可以请求对价格异动、公告事件和新闻动态相对于你持仓的解释。
在平台授权范围内的数据上下文
所有分析都基于你的平台授权数据上下文，而不是通用训练数据或外部粘贴的文本。
注意：这里描述的是 agent 在平台内可以使用的能力本身，而不是企业接入方式或 API 服务套餐。如需了解工作流程，请查看操作手册或联系我们。
适合哪些工作流
研究助手
帮助围绕组合上下文收集、整理和解释投资研究内容的 agent。
日常监控助手
持续感知组合变化、风险信号和相关事件的 agent。
异动解释助手
结合持仓上下文解释价格异动、公告事件或新闻动态的 agent。
投资复盘助手
支持结构化组合复盘、帮助你追踪决策、结果和随时间演变上下文的 agent。
数据上下文如何被使用
所有分析仅使用你授权的平台范围内的数据，基于平台内部数据上下文进行。这不等于把敏感持仓直接当作开放输入交给外部通用 AI——分析始终在平台的受控环境内进行。
平台云端执行 · 不为数据管道烧 token
策略执行、持续监控和行情采集这些重活，都跑在 Privora 平台云端——不是每次都让 AI agent 自己拉数据、自己轮询。Agent 调用的是平台沉淀好的能力和结果，token 只用在最后一层 AI 解释与合成上，而不是消耗在每一次数据获取或定时巡检上。
策略执行（云端）
策略与因子计算在平台执行器中跑，结果对 agent 可用。Agent 不需要为每一次回测、每一轮筛选去重新组织 prompt 和重新拉数据。
持续监控（云端）
持仓、风险、信号的持续监控在平台调度层运行，按你设置的节奏长期运转。Agent 接入的是结构化的监控状态，而不是每次都让 LLM 重新审视一遍全市场。
行情采集（云端）
行情、公告、事件等数据采集由平台数据管道负责，统一缓存与索引。Agent 调用的是已经整理好的数据上下文，不必为每次「看一眼盘面」消耗一轮 token。
结果：用通用 AI agent 直接做策略 / 监控 / 行情采集，每一次拉数据、每一轮巡检都是 token 成本；而以 Privora 作为执行底座，token 只用于最后一层 AI 解释与合成。
和直接问通用 AI 的区别
通用 AI
泛研究与语言生成。适合探索概念、起草框架或获取通用解释。无法访问你的持仓数据，没有持续监控状态。
Privora 协同
以你真实组合上下文为基础的结构化投资分析能力，具备持续跟踪与解释——而不只是泛泛的对话回应。
关于 AI Agent 协同工作的常见问题
AI agent 如何与 Privora 协同工作？
Agent 在受控范围内使用平台沉淀的投资分析能力——组合分析、信号跟踪、异动解释、复盘——而不是从通用训练数据回答问题。Agent 的回答基于你真实的平台组合上下文。
和直接问 ChatGPT / Claude 有什么区别？
通用 AI 工具擅长泛研究与语言任务，但无法访问你的持仓、没有持续监控状态、也没有结构化的投资分析链路。Privora 在平台内提供这些能力，让 agent 能给出基于组合的答案，而不是泛泛的回应。
适合什么样的高级用户？
希望围绕自己的组合建立结构化研究、监控和复盘工作流的用户——想让 AI 助手基于真实数据上下文工作，而不只是通用知识的人。
数据使用的边界是什么？
数据仅在你授权的平台范围内用于生成分析、提醒与决策支持。Privora 不会把敏感持仓数据作为开放输入传给外部通用 AI 服务。
是否支持研究、跟踪和复盘任务？
支持。协同能力为三者都做了设计：持续研究、信号持续跟踪、结构化定期复盘。工作流详情请查看操作手册。
用 Privora 跑 agent 工作流，会比直接用通用 AI 更省 token 吗？
在涉及策略执行、持续监控和行情采集的场景里，通常会。原因不是模型更便宜，而是这些重活在 Privora 平台云端执行——按你设置的节奏长期运转、结果被结构化沉淀。Agent 调用的是这些结果，token 只花在最后一层的解释与合成上，而不是把每一次数据获取或定时巡检都变成一轮 LLM 调用。