一家投资公司的优势是一笔笔交易积累起来的，但每次决策背后的判断通常只存在于少数资深投资人的头脑中。当他们离开时，公司就会面临 Terminal X Terminal X（在新窗口中打开） 所说的“记忆负债”：公司可能还保留着文件，但已经失去了背后的推理逻辑。
Terminal X 的 Capital Memory 操作系统旨在偿还这笔负债。该公司的前线部署工程师曾任职于摩根大通（JPMorgan）和黑石（Blackstone）等金融和投资机构，他们会与每个客户的投资团队一起工作，设计该公司的智能体架构，并将公司如何投资的方式编码到公司自己拥有的智能体中，这些智能体部署在本地或其自有云上。
包括 GPT‑6.1 Sol 和 GPT‑6 Luna 在内的 OpenAI 模型负责这些智能体内部的推理。Terminal X 的 Eval Agent 则根据公司的标准对这些智能体的输出进行评级。GPT‑6.1 Sol 帮助 Eval Agent 多发现了约 25% 偏离基金授权的建议，并以比次优模型低约 30% 的单次查询成本运行相同的工作流。
“GPT-6.1 Sol 的长上下文推理和 token 效率让我们能够构建更深度的评估流水线。这帮助我们的 Eval Agent 使投资判断变得可衡量、可审计。”——Terminal X 联合创始人兼首席执行官 Hyun Hong
将每家公司最优秀投资人的推理逻辑编码下来
对于每个客户，Terminal X 都会构建智能体，使其按照该公司最优秀投资人的方式进行投资。Terminal X 的工程师会在客户现场驻留数周，逆向解析公司受信任的投资备忘录，并捕捉那些从未被记录下来的流程，比如信贷部门如何筛选借款人，或联合投资团队在撰写备忘录前会查阅哪些资料来源。
接下来，这些流程会被编码到数百个按资产类别和策略定制的智能体中，并为每个投资阶段设置子智能体。GPT‑6.1 Sol 负责需要判断力和巨大上下文窗口的阶段：综合投资论点、识别关键考量因素，以及评估与公司授权范围的契合度。GPT‑6 Luna 则运行那些数量庞大、token 效率比深度更重要的步骤。
这些智能体在各公司的私有数据室（一个供企业共享和管理敏感投资数据的专用环境）内工作。智能体能够处理英文、韩文、日文和中文的文档，并将其学到的内容存储为公司的 Memory：即某个部门如何做出某类决策的带版本记录，包括其过往分析、委员会决策、工作流指令和内部观点。
工程师将每个 Memory 转化为 Terminal X 平台上可重复执行的工作流，在该平台上，每个生产查询都是可审计的，并带有完整的轨迹：所采取的步骤、检索的来源、使用的模型以及推理过程。
据 Terminal X 介绍，客户通过这种方式获得了显著的成本节约，其中包括一家私募股权公司，其报告称通过自动化的尽职调查和投资备忘录工作流每年节省了 2.4 百万美元。
用 Eval Agent 为答案评分并改进系统
为了对照公司自身的标准核查智能体的答案，Terminal X 构建了一个 Eval Agent。它是一个基于 GPT‑6.1 Sol 和其他 OpenAI 模型的编排式工作流，旨在像副总裁审阅分析师的工作那样阅读每一条智能体输出。
Eval Agent 会依据一份包含 54 项标准的评分细则核查每条输出。它会问：数字、可比公司数据、一致预期数据和引用是否来自正确的来源？叙述是否站得住脚？建议是否与内部观点挂钩？
每项核查都会给出通过或不通过。每个不通过都附有一行原因以及更好的来源或修正后的文本，并成为一条 Memory。例如，遗漏的来源、错误的可比对象，或偏离内部观点的论点，都会被编码为该部门的新工作流指令或新测试用例。
“每个答案都会被评估，分析师纠正的任何内容都会让系统多了解一点这家公司的运作方式，”Terminal X 联合创始人兼首席技术官 Ken Lee 说。“因此，一家公司使用它的时间越长，它就越像他们自己的团队那样思考。”
测试每个模型，按任务选择
Terminal X 根据自己的评估结果来选择模型。在 500 项打分判断中，其基于 GPT‑6.1 Sol 的 Eval Agent 与资深人工审阅者的意见一致率为 88.6%，而次优模型为 86.4%，提升了 220 个基点。
GPT‑6.1 Sol 表现出色的一类错误是风格漂移。例如，一家收购型基金的授权是寻找以低于 NAV 的折价交易的被私有化标的、对业务进行承销评估并安排融资结构。当情景模型显示市场转向时，交易建议开始推荐困境信贷头寸或救助性融资。基于 GPT‑6.1 Sol 的 Eval Agent 比次优模型多发现了约 25% 的此类偏离。
GPT‑6.1 Sol 在长上下文工作中的 token 效率使 Terminal X 能够在相同预算内构建更深度的审阅工作流。投资论点首先对照基金的授权进行检验，然后对照其近期交易。不确定的结论会重新运行，智能体在报告之前会核对结果。
这种更深度的审阅标记出了在可比模型上单次通过即被放行的交易。GPT‑6.1 Sol 还以比次优模型低约 30% 的单次查询成本、以相近的速度运行了相同的工作流。
迈向为每位投资人建立 Memory
利用 GPT‑6.1 Sol 和 GPT‑6 Luna，Terminal X 已构建了 1,700 个公司 Memory，运行了超过 1 百万个自定义工作流，其周活跃用户数达到了月活跃用户数的 81%。
Terminal X的下一步是将机构的Memories从桌面延伸到个人，使每位投资专业人士的标准按其实际操作方式被记录下来，而不仅是按其描述方式。
对于Terminal X的联合创始人兼CEO Hyun来说，这正是关键所在：“赢得下一个十年的机构将把自己的判断作为数据拥有。我们的工作是让这种判断可被衡量，从而得以保存、改进和复用。”