大模型已经很会搜索了,为什么还需要 QVeris?

📅 发布时间:2026/8/1 4:39:08
大模型已经很会搜索了,为什么还需要 QVeris?
QVeris · 产品解读大模型已经很会搜索了为什么还需要 QVeris搜到信息和获得可以直接工作的数据是两件事。假设你对一个金融 Agent 说帮我看看这家公司最近有什么变化。今天的大模型很会搜。它可以找到新闻、财报解读、分析师观点、公司官网和社交媒体讨论然后很快生成一篇看起来完整的报告。但如果你继续追问最新价格对应哪个交易日20 日涨跌是否使用复权数据毛利率来自年报、季报还是 TTM新闻中的公司和行情数据里的证券是同一个主体吗这些数字能不能明天重新跑一遍得到同样的口径问题就开始变得不一样。搜索擅长找到内容工作流需要的却是可计算、可对齐、可重放的数据。01 /搜索能回答发生了什么但很难保证口径完全一致搜索对新闻、公告、产业趋势和定性判断很有价值。但当 Agent 需要同时处理行情、财务、事件和时间序列时网页会带来一组新问题·不同页面的更新时间不同·证券代码、交易所和公司名称的表达不同·市值、营收和现金流可能使用不同币种或单位·最近一年可能指自然年、财年或滚动 12 个月·表格在页面上看得见但不一定能稳定解析·页面展示的结果未必保留当时的请求条件。对人来说这些问题可以通过经验慢慢判断。对 Agent 来说它们会变成一串隐蔽的错误源。最危险的情况不是没有数据而是数据都存在却被放在了错的主体、时间或计算口径下。01 /一个看起来很简单的请求背后至少有六个能力再看这句话帮我看看这家公司最近有什么变化。对用户来说这只是一个问题。对 Agent 来说它至少需要1.主体识别确定公司、证券、交易所和市场。2.实时快照获取最新价格、成交和数据时间。3.历史序列计算指定窗口的涨跌、波动和回撤。4.财务口径区分年报、季报、TTM 与币种单位。5.新闻事件找到近期催化剂并区分事实与观点。6.证据对齐确保每个数字都能追回来源和请求条件。任何一层失败最后的自然语言都可能仍然很流畅。这才是金融 Agent 最需要防范的地方流畅不代表数据对齐完整不代表证据充分。03 /QVeris 做的不是替代搜索QVeris 和 Web 搜索不是二选一。搜索更适合找到新闻原文、公司声明、产业叙事和外部观点。QVeris 更适合让 Agent 发现并调用结构化能力例如行情、历史序列、财务报表、公司事件和风险指标。它把工具使用拆成三个明确步骤CODEDiscover找到可能解决问题的能力 Inspect检查当前参数、返回结构和运行质量 Call带着结构化参数执行并保留调用身份这个过程不是为了让 Agent 多调几个接口。它是在一次调用前后多出几个可检查的决策点·这个能力真的覆盖 A 股吗·参数要传纯代码还是带交易所后缀的标准代码·时间按 UTC、本地时区还是交易日解释·返回为空是真的没有数据还是业务错误·结果是否被截断是否只有部分字段工具越多这些检查就越重要。04 /Skill 的价值是把能力变成工作方法只有 APIAgent 仍然需要自己决定什么时候调用、怎么拼接以及失败时做什么。Skill 解决的是另一层问题把一批零散能力变成一套可重复的业务方法。以一份 A 股数据报告为例Skill 会约束 Agent·先确认证券主体再读取公司数据·市场不支持时明确降级而不是用其他市场数据填空·时间序列过薄时不计算趋势和波动·财务期间不匹配时不把 Q1 或 TTM 混入年度表·新闻样本不完整时不输出强情绪结论·所有缺失和失败都保留在 data quality 与 Trace 中。这些约束看起来没有一句话出报告那么惊艳但它们才是 Agent 可以重复交付的基础。05 /强模型不会让数据层消失反而会更需要它模型越强它阅读、归纳和写作的能力就越好。但模型不会因为更聪明就自动获得实时数据、当前 API 契约和稳定的业务身份。它反而更容易生成一个语言非常好但某个底层口径错了的答案。因此未来的分工会越来越清楚CODE大模型理解问题、组织推理、生成表达 Web 搜索找到原文、叙事、观点和定性上下文 QVeris发现和调用实时结构化能力 Skill把这些能力组织成特定业务工作流这不是四者的竞争而是一条完整的 Agent 生产链。06 /真正的问题不是要不要搜索未来的 Agent 不会只用一种数据来源。它会搜新闻读公告调行情拉财报算指标再把这些证据组织成回答。所以真正的问题不是大模型已经会搜索了还要不要数据工具而是当 Agent 同时使用多种来源时谁来保证主体、时间、口径和证据始终对得上这就是 QVeris 要解决的问题。它不负责替模型思考也不需要替代搜索。它要做的是在 Agent 真正开始工作时让外部能力变得更容易发现、更容易调用也更容易检查。07 /写在最后搜索给 Agent 世界知识。结构化数据给 Agent 当前事实。Skill 告诉 Agent 如何用这些事实完成工作。而 QVeris 连接了中间最容易断掉的一段让 Agent 知道当下有什么能力可用这个能力现在怎么调以及这次调用到底发生了什么。大模型越会搜索这条链路反而越重要。本文仅讨论 Agent 工具与数据工作流不构成任何投资建议。