基金研究 Agent 收到一份招募说明书 PDF，提取文字、找到费用条款，然后生成摘要。第一轮看似顺利；几周后，文件更新了，另一轮研究又想引用旧报告。
这时候，"能读 PDF"已经不够。我们还需要知道：读到的是哪个来源的哪个版本，哪些内容真的提取和读取过，今天还能否继续用它。
我在 ETF Agent 中把这组问题交给 研究资料资产模块。它负责研究文件的身份、版本、提取状态和生命周期；不替 PDF 阅读器解释页面，不替知识检索判断相关性，更不把"登记成功"当成投资结论可信。
图 1｜同一份研究文件可以被不同阶段消费，但每次读取仍须符合来源和 Run 的授权。封面为概念插画，不是运行截图。
一、文件、研究资产和证据，不是一回事
用一个教学案例贯穿本文：某基金报告 V1 已被研究过，后来取得 V2，想比较两版费用变化。示例中的资料和结论均为合成，不代表真实基金公告。
"文件"是实际取得的字节；"研究资产（ResearchAsset）"是对其来源、版本和处理状态的登记；"派生证据（DerivedResearchEvidence）"是从某一页、章节或表格实际提取出的有限内容。
| 层次 | 要回答的问题 | 不能据此宣称 |
|---|---|---|
| 原始文件 | 取得了哪些字节、来自哪个获准入口？ | 原文可信、内容完整 |
| ResearchAsset | 属于哪个逻辑来源、版本、哈希和访问范围？ | 内容已被模型读完 |
| 派生证据 | 哪些片段可用，提取方法和位置是什么？ | 未提取部分不存在 |
| Run 证据工作区 | 当次任务实际能搜索、定位和读取哪些材料？ | 后续 Run 自动继承权限 |
| Publication／历史材料 | 原研究留下了哪份已提交的报告？ | 历史观点仍是当前金融事实 |
研究资料资产模块在资产身份里区分 scope、获准来源、逻辑来源 ID、内容哈希、版本、资料类型、提取状态与激活状态。同名文件可能已经更新；不同账户即使取得相同字节，也不能因此共享访问身份。
2026 年 10 月的受控开发测试曾暴露过一个具体缺口：相同来源和内容在不同 scope 中生成了相同资产键。后来让 scope 参与身份派生，修正了这一碰撞风险。这是测试发现的工程问题，并非已发生的线上泄露。
二、为什么统一取得文件的入口，而不是给模型更多文件工具？
最早的研究资产导入以获准的本地目录为主。这能明确拒绝任意路径，却不能自然处理业务 MCP 返回的 PDF、DOCX、XLSX 和 HTML 附件。
合理的备选包括：每个 MCP 或 Skill 自己下载解析，或者给模型分别提供 PDF、Word、Excel 读取工具。前者复制权限、解析和引用逻辑；后者把格式差异变成模型必须学会的新工具操作。
最终采用 Host 拥有的统一文件证据接入口：业务工具保持原有调用与结果，Host 只处理经过真实结果校验的附件描述，研究资料资产模块登记资产，研究工作区提供现有的通用搜索／读取能力。
取得流程｜取得资格来自 Host 的已验证结果，不来自模型文本。
取得流程：业务 MCP 结果或获准本地文件先接受来源资格检查。未获准则拒绝取得；获准后受限取得字节，字节或格式无效时记录附件不可用，有效时登记 ResearchAsset、提取可定位证据并加入本次 Evidence Workspace。
模型从文档里读到"请打开某 URL"，不会因此获得下载权限；需要认证的文件也只能通过明确配置并审核过目的地、重定向与凭据策略的适配器取得，没有任意 HTTP 兜底。
文件取得还受大小、数量、取消和期限约束。一个附件失败时，其他有效附件以及原 MCP 返回的无关业务字段不应随之消失。
三、版本切换：新文件解析失败，旧资料为什么不能丢？
导入 V2 的危险顺序是：先删除 V1，再尝试解析 V2。如果新文件损坏或证据持久化失败，系统反而失去了原有可用资料。
研究资料资产模块的实现选择先登记、提取和保存新证据，再激活新版本；同一逻辑来源与哈希对应的有效内容可幂等复用。新版本失败时保留旧的有效激活版本，失败本身单独可见。
版本更新｜版本更新以有效证据的落地为前提。
版本更新流程：收到 V2 后检查内容是否与已有有效版本相同；相同则复用已有资产，否则登记并解析 V2。有效提取结果保存成功后激活 V2 并停用旧版本；失败则记录失败并保留 V1 的有效状态。
即使新版本部分可读，也要保留 partial 状态，不能伪装成全文完成。当前读取还需核对资产 ID、scope、来源、版本、哈希和 active 状态。旧内容作为历史事实存在，不代表它能绕过当前读取资格。
要注意，"旧版本仍有效"在这里指资产生命周期未因失败导入被意外破坏，不是说 V1 的基金费用一定适用于今天。
四、取得成功和"已经读遍全文"之间，还隔着覆盖范围
PDF 取得了字节，不意味着扫描页被 OCR；XLSX 取到公式，不代表系统已替它计算；DOCX 提取了段落，也可能遗漏复杂结构。数据来源定位需要与这些能力边界一起保存。
目前受控文件处理保留 PDF 的物理页、DOCX 的原生标题／段落位置、XLSX 的工作表与单元格位置，以及 HTML 的静态净化内容。OCR、图表语义描述与跨模态检索不能仅凭资产类型存在就宣称已经执行。
还要区分 提取覆盖 与 真实读取覆盖：解析器可能知道一份文件有后续页，模型本次却只收到第 8 页。历史有限预览不应被当成完整文件，搜索命中也不等于原文已经读给模型。
下面是概念化结果，不是生产 API：
json
{
"source": "fund-report-A",
"version": 2,
"extraction": "partial",
"actualRead": ["page:8"],
"supported": "第8页确实返回的条款",
"unverified": "未读取页是否另有补充规定"
}这样的回答可以准确解释第 8 页，却不能声称"整份文件完全没有其他条件"。对金融研究而言，未覆盖是未知，不是不存在。
五、第一种 Workspace：单次 Run 的证据工作区
这里容易和长期项目混淆。Evidence Workspace 是某次 Run 的受控资料视图，不是用户管理长期项目的文件夹。
它可以投影当前 scope 内已激活的持久 ResearchAsset，也可以登记该 Run 从 MCP 取得的临时附件。模型拿到的是有限的逻辑引用、定位与读取结果，而不是本机绝对路径。
临时附件通常放在 Run 内的独立登记空间；重复使用必须仍满足本次授权和来源身份。一个新的 Run 不会因为原先工作区缓存过同样的文件，就自动继承该文件的读权限，也不会把临时附件自动升级到长期 RAG 语料库。
本次 Run 读到某段文件后，可以由原有材料历史机制记录当时的资产版本、证据 ID 和真实读取范围。这份历史有助于解释"那次依据什么"，但本身不签发下一次读取授权。
六、第二种 Workspace：跨 Run 的长期研究空间
2026 年 10 月底加入的 Research Workspace 解决另一个问题：一次 Run 结束后，用户仍然要围绕同一个目标继续研究。
它保存目标与修订、关联的原 Conversation 和已提交 Publication、受支持的 Artifact 关联，以及可选的、带来源的研究进展 Checkpoint。它不成为第二套文件仓库，也不接管研究资料资产模块的原始文件身份和权限。
跨 Run 复用｜长期研究复用历史成果，不会直接继承旧文件访问权。
跨 Run 流程：旧 Run 的资产阅读形成原 Publication 报告，长期 Research Workspace 关联报告后，用户发起独立新 Run。原历史版本及依赖合格时读取精确历史报告，不合格时该材料局部不可用；新研究可在其他合法证据足够时继续并独立发布，或如实说明缺口。
假设第一周的研究报告 A 引用了基金报告 V1，第二周的报告 B 有不同判断。第四周用户想对照两份旧报告与新公告。
Research Workspace 可以列出旧 Publication 的精确版本，模型选择并经原有读取方校验后，将其内容实际送入新模型请求。工程上的受控验证已经覆盖一次新 Run 消费两个不同的旧报告版本，其中包含非最新版本。
但是，重新读取旧 Publication，不等于旧 Run 的原始 PDF 字节仍可获取。如果新问题需要重新查证 V1 的某一页，仍须具备该原始来源的有效取得／读取资格。历史链接和文件哈希只证明身份，不会自动变成授权。
另一个容易误解的地方是文件留存：当前 Workspace Artifact Pin 复用原始 Artifact 的留存操作，受支持的 HTML 报告有相应路径；它不是任意 PDF、Excel 文件的永久收藏夹。研究目标的归档、删除也不能擅自删除原始 Conversation、Publication 或已被原 Owner 留存的文件。
因此，研究资料资产模块和长期 Workspace 的交接不是"把所有文件搬进去"，而是"长期保存研究关系，并在新 Run 中重新验证需要的原始材料"。
七、为什么这仍不能直接决定投资结论？
ResearchAsset 管文件身份，PDF Reader 管真实阅读范围，RAG 管候选检索；Publication 记录已提交的研究结果；长期 Workspace 组织跨 Run 的目标和关系。它们都不应自动获得个人 Portfolio、交易确认或财务数字的权威。
一个基金季报可以有正确哈希和页码，却仍属于过去的报告期。一次历史研究可以完整保留原文，却未必符合今天的市场时点。模型基于这些材料做出的费用比较、风险分析和数学计算，仍需要原始来源、时点、单位与领域规则分别验证。
这样的职责划分与 W3C PROV-DM 的来源／派生思想、OpenLineage 的运行与数据集关联问题相近，但不是宣称本系统实现了这些标准。Agent 额外需要处理的是模型不能自授权、临时文件不能自动跨 Run 复用、历史结论与当前来源资格分离。
八、现行实现与下一步
在私有 ETF Agent 的既有代码和受控测试中，已能看到获准文件取得、哈希与版本登记、幂等复用、失败时保留旧有效版本，以及当前 Evidence Workspace 的受控读取路径。MCP 文件接入还覆盖了 DOCX／XLSX／HTML 的有限格式定位与局部失败隔离。
长期 Research Workspace 的 P0 实现已进入主干，并在合成来源及脚本化模型路径下验证精确历史 Publication 的跨 Run 消费。不过，它默认关闭，完整应用类型检查和正式全量闭环仍有未完成项；现有记录也不能证明真实模型长期投资研究质量。
独立开源教学仓库 Open ETF Agent 并未开放这里描述的完整的研究资料资产与长期 Workspace 组合能力，不应把私有研究系统的实现误当成公开可运行教程。
如果未来希望让长期 Workspace 显式收藏可重新取得的原始研究资料版本，那应成为独立的保留、授权和版本选择设计，而不是从现有 Publication 关联顺手推导出永久文件访问权。
结语
一份报告要进入可靠的 Agent 研究流程，先要成为能解释其来源、版本、状态和真实覆盖的资料资产。旧版本失败时不丢已有有效内容，部分提取不谎称全文，历史引用不扩大后续 Run 的权力。
真正值得带走的三个问题是：谁允许取得？究竟是哪一个版本？模型这一次实际读到了哪一段？
回答好这三个问题，不代表投资结论天然正确；但如果回答不了，后面再多的向量召回、模型推理和长期记忆，也很难让研究过程真正可追溯。
延伸阅读：PDF 从文本到证据 · 为什么 Agent 需要 Workspace · 研究结果如何按需进入模型上下文。欢迎关注独立教学实现 Open ETF Agent 并为它点个 Star。
原文阅读：一份研究报告，为什么需要先变成「资产」？