49 · 金融场景
从一张 K 线图开始，完成一场有证据的投研评审会
一张 K 线图很容易让人产生判断。趋势向上、放量突破、回撤企稳……这些词写起来很快，却可能已经越过了图片本身能证明的范围。
一张 K 线图很容易让人产生判断。趋势向上、放量突破、回撤企稳……这些词写起来很快，却可能已经越过了图片本身能证明的范围。
当时正好赶上春节前最后一波密集发布期，各家模型齐登场，Seedance 2.0 视频模型也上线，整个 AI 圈热闹得不行。
我当时的第一反应是：这个必须测。
然后.. 就没有然后了。
年前忙着收尾，年后又接连在玩 OpenClaw，豆包 2.0 的评测就一直排在待办清单里吃灰。直到这周末，我终于腾出一整块时间，把豆包2.0 从头到尾认认真真跑了一遍。
测下来，还真有惊喜。
先给大家看个效果：
看完这个，你大概就明白我为什么觉得这个模型值得单独写一篇了。
简单说说测下来的体感：
1、多模态理解和 Agent 调度能力，比上一代强了很多，尤其是视觉理解，之后在做质检等场景的时候优势比较大
2、推理效率提升很明显，Token 用得更少，响应更快
3、在企业级应用场景里，整体能力算是实现了一次升级，几个线上在跑的生产场景任务已经完成了从1.8到2.0的切换。
好了，先不看官方说法，不堆参数，不看比分。
我们直接上实战，边看边聊。
Case 1：多图表数据分析
第一个场景，我想测的是豆包 2.0 的多模态图表理解 能力。
怎么测？不搞简单的看图说话。直接上强度。
我从不同渠道找了 8 张 AI 行业数据截图。白皮书里的柱状图、新闻报道的折线图、Excel 表格、数据平台的仪表盘..
来源不同，统计口径不同，图表格式也完全不同。
因为豆包App也在第一时间上线了 Seed-2.0-Pro 模型，而且还支持「专家」模式，就直接在豆包里面测了，方便大家看，选用 Web 端，
提示词如下：
我上传了几张来自不同渠道的 AI 行业相关数据截图。请你：
1. 逐张识别每张图片的类型（柱状图/折线图/饼图/表格/仪表盘等）
2. 识别每张图的数据来源机构或平台
3. 提取每张图中的所有关键数据指标和数值
4. 将提取结果整理成统一的表格格式输出
请用以下表格格式输出每张图的识别结果：
| 图片编号 | 图表类型 | 数据来源 | 主题 | 关键指标 | 数值/数据 | 时间范围 |
效果超出预期。
8 种不同图表类型，全部识别正确。图里的小数点、百分比、坐标轴标注，精准提取。这个 OCR 精度放在半年前，大部分模型都做不到。
但做到这一步肯定是不够的，我还需要它进一步进行交叉对比分析。
因为这几家机构的数据其实是有冲突的，于是我追问了一轮：
现在请你对刚才提取的图表数据进行交叉对比分析：
1. 找出不同来源中引用了相同指标但数值存在差异的数据点
2. 分析这些数据差异可能的原因（统计口径不同？时间节点不同？样本差异？）
3. 判断哪个来源的数据可信度更高，并给出你的理由
4. 用表格列出所有发现的数据矛盾点
注意：请展示你的推理过程，不要只给结论。
豆包 2.0 不仅发现了这个矛盾，还给出了原因分析：统计口径不同，一个包含了硬件市场，另一个仅统计软件和服务。
这就不是简单的 OCR 了，而是在推理。
继续追问趋势研判，它又输出了一份带有 ▲ ▼ ◆ 标记的洞察报告。格式整齐，数据准确，层次清晰。直接拿去做汇报都不需要太多修改。
而且还可以利用它的code生成，把非格式化的数据转成图表。
当然，我这个场景里给出的这些结论完全依赖于上传的这几个图表，我并没有让它自由搜索发挥，所以结论完全基于我上传的图表，仅供参考
像这种数据分析类的场景，很多粉丝都留言问过我，最关键的还是依赖于：
模型的多模态能力、文字提取、图表理解，然后再结合你的Prompt，基本上就能完成一些数据的分析和调研工作。
豆包 2.0 这次的升级就比较明显。它不只是「看到」了图表，还「看懂」了图表背后的数据逻辑。
日常需要处理大量报表、做竞品分析或行业研究的朋友，这个能力值得试试。
Case 2：AI 投资教练（从 K 线图到四位大佬的私董会）
第三个场景，是我最想展示的。
也是我认为最能体现豆包 2.0「企业级 Agent 能力」的案例。
它展示是一个完整的 Agent 工作流：
VLM 视觉识别 → 专业工具自动调用 → 多角色深度研讨 → 结构化报告输出。
四个环节串联起来，全程无需手动切换工具。
第一步：看图识势 · VLM 读 K 线
我截了一只近期有明显技术形态的 A 股 K 线日线图和 MACD/KDJ 技术指标图，上传给模型。
仅供学习交流参考！！不做推荐！！
提示词：
我上传了一只 A 股的 K 线日线图和技术指标图（MACD）。
请你作为一位专业的技术分析师，完成以下任务：
1. 识别股票信息：这是哪只股票？当前股价大约是多少？
2. K 线形态分析：近期呈现什么形态？近 5 日 K 线的具体表现？
3. 均线系统分析：MA5/MA10/MA20 的排列状态，最近是否出现金叉或死叉
4. MACD 分析：DIF 和 DEA 的位置关系，柱状图趋势，是否出现背离
请以表格 + 文字结合的方式输出技术面速读报告。
理解识别的非常准确。
MA5/MA10/MA20 的多头排列，识别正确。MACD 信号，判断准确。甚至长上影线都有描述。
一张手机截图，提取出这么丰富的技术分析信息。
VLM 的图表理解能力，确实到位了。
第二步：调兵遣将
接下来，我又上传了这只股票的财报数据截图。
提示词：
我又上传了这只股票的最新财报数据截图。
现在请你：
1. 先识别截图中的所有财务指标数据
2. 然后结合第一轮的技术面分析，做一次全面的 A 股分析：
- 技术面总评（综合 K 线、均线、MACD、KDJ 给出方向判断）
- 基本面总评（营收增速、盈利能力、估值水平）
- 资金面观察（成交量变化趋势）
- 综合评级：强烈推荐 / 推荐 / 中性 / 谨慎 / 回避
3. 给出短期（1-2 周）、中期（1-3 月）的操作建议
4. 明确标注关键支撑位和压力位
请按照专业研报的格式输出。
在 VLM 识别的静态数据基础上，还给出了操作建议。
之后我又让它从不同角度试试，它调取了A 股分析 Skill开始一通分析..
综合评级、关键支撑位和压力位、短中期操作建议。一应俱全。
格式也很规范。表格、要点、结论，层次分明。
第三步：群英会 · 四位顶级幕僚的投资私董会
最精彩的部分来了。
这一步是整个流程的关键。我追问了一句：
分析非常专业！但我对这只股票还是拿不定主意。
现在请帮我启动一场私董会，我要请四位幕僚来讨论这只股票是否值得投资：
- 巴菲特：从价值投资的角度（内在价值、护城河、安全边际）
- 马斯克：从科技趋势和颠覆性创新的角度
- 比尔·盖茨：从商业模式和行业格局的角度
- 乔布斯：从产品力和用户体验的角度
讨论要求：
1. 每位幕僚先各自发表独立观点
2. 然后进入交叉质询环节，幕僚之间互相挑战对方观点
3. 最后每人用一句话给出「买入/持有/卖出」的最终建议
4. 你作为私董会主持人，综合四位意见给出最终执行方案
请基于前两轮的分析数据来展开讨论，让幕僚们带着数据聊。
我没有手动告诉模型「去调用 私董会 skill」。、它根据需求自己判断下一步该做什么。
这就是 Agent 能力的核心价值：模型不只是被动回答问题，而是能主动判断下一步需要什么工具、什么数据，然后自己去调度完成。
模型随即自动触发了私董会 Skill。四位虚拟幕僚轮番登场：
- 🎩 巴菲特：从价值投资角度审视护城河和安全边际
- 🚀 马斯克：从科技趋势和颠覆性创新角度发问
- 💼 比尔·盖茨：从商业模式和行业格局角度分析
- 🎯 乔布斯：从产品力和用户体验角度切入
关键在于，他们不是在空聊。
每位幕僚都在引用前两轮分析中的真实数据展开讨论。巴菲特说「这是一家好公司，但不是一个好价格。好公司只有在好价格时才值得买入」，马斯克就反驳「你不能用后视镜开车」。
盖茨接着补充行业格局数据，乔布斯则从产品竞争力的角度给出了不同判断。
四个人吵来吵去。但每句话都有数据支撑。
这种「带着数据聊」的 Agent 编排能力，就是豆包 2.0 VLM + 思考的亮点。
模型需要同时具备多 Skill 串联调用、跨 Skill 上下文传递、角色一致性维护这几项能力，才能把这个流程跑通。哪一环掉链子都不行。
最后，模型自动整合了四位幕僚的观点，输出了一份报告。
当然，我们还可以让它进行杂志排版~自动调用 杂志排版类 skills。
一页纸摘要（适合快速过目），加上详细分析（适合存档复盘）。
风险提示、操作计划、仓位建议，全部到位。
通过这个Case，能感觉豆包2.0 在 Agent 方向比上一代提升的还算明显：
Skills 理解与调用、Function Call、多轮指令遵循、格式输出稳定性
💡 Tips： 本案例中使用的 Skills（包括 A 股分析、私董会等）已在 GitHub 开源。https://github.com/isjiamu/jiamu-skills
好了，以上这个案例其实就是给大家分享的一个场景。
除了这个场景之外，我们还可以把它拓展到任何一个个股分析的平台上面。豆包工作 也同样支持，而且现在豆包本身的模型能力已经提升了很多，效果会更好！
AI 办公产品教程 · 完整版