一家投资公司的优势是一笔笔交易积累起来的，但每项决策背后的判断通常只存在于少数几位资深投资者的头脑中。当他们离开时，公司就会面临 Terminal X Terminal X（在新窗口中打开） 所称的“记忆债务”：公司可能保留了文档，却失去了推理过程。
Terminal X 的 Capital Memory 操作系统旨在偿还这笔债务。该公司的前置部署工程师——曾任职于摩根大通和黑石集团的金融与投资专业人士——会与每个客户的投资团队坐在一起，设计公司的智能体架构，并将该公司的投资方式编码进公司自己拥有的智能体中，部署在本地或其自己的云上。
OpenAI 模型，包括 GPT‑6.1 Sol 和 GPT‑6 Luna，负责这些智能体内部的推理。而 Terminal X 的 Eval Agent 则根据公司的标准对智能体的输出进行评分。GPT‑6.1 Sol 帮助 Eval Agent 多捕捉了约 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 的长上下文推理能力和 token 效率使我们能够构建更深入的评估流水线。这有助于我们的 Eval Agent 让投资判断变得可衡量、可审计。”——Hyun Hong，Terminal X 联合创始人兼 CEO
将每家公司最优秀投资者的推理过程编码下来
对于每个客户，Terminal X 构建的智能体旨在像该公司最优秀的投资者那样进行投资。Terminal X 的工程师会花数周时间驻扎在客户现场，反向解析该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，例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的契合度。GPT‑6 Luna 则运行那些 token 效率比深度更重要的高容量步骤。
这些智能体在每家公司的私有数据室（一个供企业共享和管理敏感投资数据的专用环境）内工作。智能体处理英文、韩文、日文和中文文档，并将学到的内容存储为公司的 Memory：一份关于某个部门如何做出某类决策的版本化记录，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，每个生产查询都可以通过其完整轨迹进行审计：所采取的步骤、检索到的来源、使用的模型以及推理过程。
据 Terminal X 称，客户通过这种方法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尽职调查和投资备忘录工作流实现了 2.4 百万美元的年化节约。
用 Eval Agent 为答案评分并改进系统
为了根据公司自身的标准检验智能体的答案，Terminal X 构建了一个 Eval Agent。这是一个基于 GPT‑6.1 Sol 和其他 OpenAI 模型的编排工作流，旨在像 VP 审阅分析师工作那样阅读每个智能体输出。
Eval Agent 依据一份包含 54 项标准的评分细则检查每个输出。它会提出这些问题：数字、可比公司、共识数据和引述是否取自正确的来源？叙述是否站得住脚？建议是否与内部观点挂钩？
每项检查都会给出通过或不及格的评分。每一个不及格项都附带一行原因说明以及更好的来源或修正后的文本，并成为一个 Memory。例如，遗漏的来源、错误的可比公司，或偏离内部观点的论点，都会被编码为新的工作流指令或该部门的新测试用例。
“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该公司是如何运作的，”Terminal X 联合创始人兼 CTO Ken Lee 说，“因此公司使用的时间越长，系统就越像他们自己的团队一样思考。”
测试每一个模型，按任务选择
Terminal X 根据自己的评估结果来选择模型。在 500 项评分判断中，其基于 GPT‑6.1 Sol 的 Eval Agent 与资深人工审阅者的意见吻合率为 88.6%，而次优模型为 86.4%，提升了 220 个基点。
GPT‑6.1 Sol 表现更优的一类错误是风格漂移。例如，一家并购基金的任务是寻找以低于 NAV 的价格交易、适合私有化收购的标的，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，交易建议开始推荐不良信贷头寸或纾困融资。基于 GPT‑6.1 Sol 的 Eval Agent 比次优模型多捕捉了约 25% 的此类偏离。
GPT‑6.1 Sol 在长上下文工作上的 token 效率使 Terminal X 能够在相同预算内构建更深入的审阅工作流。投资论点首先对照基金授权进行检验，然后对照其近期交易。不确定的结论会被重新运行，智能体在报告前会对结果进行核对。
这种更深入的审阅标记出了在可比模型上单次运行即被放行的交易。GPT‑6.1 Sol 还以比次优模型低约 30% 的单次查询成本、在相近速度下运行了相同的工作流。
迈向为每位投资者建立 Memory
使用 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 firm Memories 从办公桌扩展到个人，使每位投资专业人士的标准按其实际实践方式被记录下来，而不仅仅是按其描述方式。
对于 Terminal X 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衡量，从而可以被保存、改进和复用。”