检索增强生成技术如何提升基金季报分析的效率与覆盖范围？

检索增强生成技术通过信息检索与文本生成的结合，有效提升了基金季报分析的效率与覆盖范围。具体而言，该技术框架包含以下关键环节：

第一，文本分块策略。由于季报观点中一段话往往包含宏观、行业等多维度内容，研究采用换行符及句号作为固定分隔符进行语句级分块，确保后续检索能够精确匹配对应语句，避免信息冗余。

第二，向量化处理。使用BAAI/bge-large-zh-v1.5模型将文本转化为数字向量形式，构建可检索的知识库，为后续语义匹配奠定基础。

第三，差异化检索与提示词设计。针对宏观经济观点分析、A股走势分析、行业观点分析等不同任务，设置专门的检索语句和提示词，使模型能够从海量季报文本中精准提炼核心观点。

第四，定量分析实现。对样本逐个进行观点提取，将基金经理对宏观经济、A股、港股的观点分为看好、不看好、中性、无观点四类，对行业和风格进行标签统计，最终以定量化方式展示观点分布。

该技术有效解决了大模型输入token限制问题，实现了对基金经理季报观点的全面覆盖与高效解析，为投资者提供了系统性的群体智慧参考。