尧图网站建设 免费方案咨询
ARTICLE DETAIL

资讯详情

深耕网站建设、视觉设计与SEO优化的一线实战洞察。

首页/资讯中心/资讯详情

投行研究员别再熬夜写研报了：Anthropic 这套开源 AI 代理，把重复活包了

发布时间：2026/11/4 6:56:18 尧图网站建设
投行研究员别再熬夜写研报了：Anthropic 这套开源 AI 代理，把重复活包了

前几天我翻了翻 Anthropic 官方的 GitHub，发现他们悄悄放出了一个面向金融行业的开源仓库——把投行、PE（私募股权）、研究员平时最重复的那部分活，全做成了现成的 AI 代理。我试了下它的设计，越看越觉得这个思路挺实在，所以写篇笔记分享一下。

先说它解决的是什么问题

用大白话讲：金融圈的分析师，大量时间花在「重复但又不简单」的活上——拉可比公司、搭 DCF（现金流折现估值）模型、写研报、对账、做 Pitch Deck（给客户看的融资/并购演示材料）。这些活 AI 其实能起草个七七八八，但金融行业监管严、出错的代价高，所以一直没人敢让 AI 直接拍板。

Anthropic 这个仓库（anthropics/financial-services）的思路很聪明：AI 负责起草，人类负责签字。所有产出先「暂存」等真人复核，不直接执行任何交易或入账。这恰恰是它能落地的原因。

这项目是什么来头

  • 发布方：Anthropic（就是 Claude 背后的公司），仓库挂在官方anthropics组织下，属于官方出品，不是个人玩具。
  • 形态：一套「参考实现」——里面是代理（Agent）、技能（Skill）、数据连接器（Connector）的源码，全是 Markdown 和 JSON，不用编译。
  • 协议：Apache-2.0，可以随便 fork 自己改。
  • 热度：在 GitHub 上已经接近 4 万 star，合作方里有 LSEG（路孚特，原 Bloomberg 终端那类数据商）和 S&P Global（标准普尔）两家金融数据巨头。

小提醒：网上有些文章把仓库名写成claude-for-financial-services，那是错的。正确的仓库是anthropics/financial-services。

三层结构：代理 / 插件 / 连接器

我画了一张图把它的结构捋清楚：

  • 第一层：10 个命名代理。每个代理是一个「端到端工作流」，比如 Pitch Agent 一键出 Pitch Deck，GL Reconciler 自动找总账对账差异。它们自带要用到的技能，装上就能用。
  • 第二层：7 个垂直插件。按业务线打包的「技能 + 斜杠命令 + 连接器」。其中financial-analysis是核心，必须第一个装——它带着所有数据连接器。
  • 第三层：12 个 MCP 数据连接器。把 Claude 接上你的数据源：FactSet、LSEG、S&P Global 这些专业终端都在这层。MCP（模型上下文协议，可以理解为「AI 连外部系统的通用插头」）负责打通数据。

10 个代理都能干啥（一张表看完）

代理所属业务线大白话能干啥
Pitch Agent投资银行可比公司 + 先例交易 + LBO（杠杆收购）→ 直接出品牌 Pitch Deck
Meeting Prep Agent覆盖/顾问每次见客户前，自动攒一份情报摘要包
Market Researcher研究/建模给定行业或主题，产出行业概览、竞争格局、同行对比
Earnings Reviewer研究/建模听了财报电话 + 读了申报文件 → 更新模型 → 起草研报
Model Builder研究/建模DCF / LBO / 三表模型 / 可比公司，直接在 Excel 里搭
Valuation Reviewer基金管理吃进 GP（普通合伙人，即基金管理者）数据包 → 跑估值 → 暂存 LP（有限合伙人，即出资人）报告
GL Reconciler基金管理找总账对账差异 → 追根因 → 路由给审批人
Month-End Closer基金管理月末结账：应计、滚动表、差异说明
Statement Auditor基金管理给 LP 发报表前先做一遍审计
KYC Screener运营解析入职文件 → 跑规则引擎 → 标出缺漏

打个比方：这些代理就像你团队里「分工明确的初级分析师」——有人专做 Pitch，有人专盯对账，每个人把自己那块初稿写好摆桌上，你只管改和签字。

50+ 个斜杠命令，覆盖六条业务线

装了垂直插件后，会话里就能直接用斜杠命令（类似在聊天框打/comps这种）。我挑几个有代表性的：

  • 金融分析（核心）：/comps（可比公司）、/dcf（现金流折现）、/lbo（杠杆收购）、/3-statement-model（三表模型）、/debug-model（查 Excel 公式错误）、/competitive-analysis（竞争格局）、/ppt-template（做 PPT 模板）
  • 投资银行：/cim（保密信息备忘录）、/teaser（匿名项目简介）、/buyer-list（潜在买家清单）、/merger-model（并购增厚/摊薄分析）、/deal-tracker（交易管道跟踪）
  • 股票研究：/earnings（财报后研报）、/initiate（新覆盖报告）、/morning-note（每日早报）、/screen（股票筛选）
  • 私募股权：/dd-checklist（尽调清单）、/ic-memo（投委会备忘录）、/portfolio（投资组合监控）、/returns（IRR/MOIC 回报分析）

命令太多，这里只列了一部分；仓库 README 里每个插件下都有完整清单，感兴趣可以直接去翻。

12 个数据连接器，把专业终端接进来

光有代理不够，分析师的活离不开数据。这层把行业里常用的数据源通过 MCP 接了进来：

连接器干啥的
FactSet / S&P Global / LSEG综合金融数据终端（行研、估值、行情）
Morningstar基金与股票研究数据
Moody's信用评级与分析
PitchBook一级市场（PE/VC）数据
DaloopaAI 驱动的财务建模数据
ChronographPE 投资组合监控
Aiera / MT Newswires财报电话分析 / 实时财经新闻
Egnyte / Box企业内容管理与文件存储

注：仓库 README 文字里有时写「11 个连接器」，但表格实际列了 12 个（多了个 Box）。我按表格的 12 个来。接这些一般要各家的数据订阅或 API key。

为什么金融圈敢用：AI 起草，人类签字

这是我看完觉得最值得聊的一点。整个项目明明白白写了：所有代理——

  • ✅会做的：起草分析师的工作产物（模型、研报、备忘录、对账），交给专业人员复核。
  • ❌绝不做的：发投资建议、执行交易、绑定风险敞口、直接入账、批准客户入职。

说白了就是「助理把初稿写好，你签字才生效」。这个设计刚好踩在金融监管的线上——把重复耗时的分析丢给 AI，把最终判断留给人。从社区反馈看，这种「不越权」的定位，是它能在投行、基金里真正用起来的关键，而不是又一个演示 Demo。

一个具体例子：Pitch Agent 怎么跑

光说概念有点虚，我拿最出圈的 Pitch Agent 举个例子：

你给它一个行业或标的公司，它自己串起/comps（可比公司）、/precedent（先例交易）、/lbo（杠杆收购）几条命令，把一份带品牌样式的 Pitch Deck 拼出来，然后——注意——先暂存等你确认，你改改、点个头，才发出去。同样一套「起草 → 暂存 → 签字」的套路，也用在 GL Reconciler（对账）、Earnings Reviewer（研报）这些代理上。

怎么装：四种玩法

这个项目有意思的地方是，同一套提示词和技能，你可以选在不同地方跑。

① 最简单：Claude Cowork（对话式）

进 Cowork → 设置 → 插件 → 添加插件，粘贴仓库地址，然后从市场列表里挑你要的代理和插件：

https://github.com/anthropics/financial-services

② 开发者：Claude Code（命令行）

# 先把整个仓库加为插件市场 claude plugin marketplace add anthropics/financial-services # 核心技能 + 连接器（必须第一个装） claude plugin install financial-analysis@claude-for-financial-services # 挑你需要的命名代理 claude plugin install pitch-agent@claude-for-financial-services claude plugin install gl-reconciler@claude-for-financial-services # 再装对应的垂直插件（按业务线） claude plugin install investment-banking@claude-for-financial-services claude plugin install equity-research@claude-for-financial-services

注意：网上有些旧教程直接claude plugin install ...，漏了第一步加市场。不加市场，后面的@claude-for-financial-services会找不到源。

③ 无头批量：Managed Agents（API 驱动）

适合把代理挂在你自己的工作流引擎后面，自动跑：

export ANTHROPIC_API_KEY=sk-ant-... scripts/deploy-managed-agent.sh gl-reconciler

④ 进办公室：Microsoft 365 加载项

如果你的公司在 Excel、PPT、Word、Outlook 里用 Claude，仓库里带了一套管理员工具，把它部署到你自己的云（Vertex AI / Bedrock / 内部网关）而不是 Anthropic 的 API：

claude plugin install claude-for-msft-365-install@claude-for-financial-services /claude-for-msft-365-install:setup

顺带看一眼：Anthropic 怎么写 Agent 事件循环

scripts/orchestrate.py是整个项目最值得扒的文件之一——它是 Anthropic 给的「参考事件循环」实现，展示一个生产级金融代理的骨架长啥样。我简化了一下它的逻辑：

# orchestrate.py 的参考事件循环（简化示意，非逐行原文） while True: # 1. 从任务队列（看板、邮件触发等）取任务 task = fetch_next_task() # 2. 给这个任务准备隔离的工作区和上下文 context = prepare_workspace(task) # 3. 加载对应的垂直插件技能 skills = load_vertical_skills(task.vertical) # 4. 调 Claude API 跑分析 result = claude.run(task, context, skills) # 5. 暂存输出，等人工确认——绝不自动执行 stage_for_review(result, approver=task.assigned_analyst) # 6. 记录轨迹（Token 消耗、耗时、模型版本） log_trajectory(task, result)

真实的orchestrate.py重点在「把handoff_request事件在不同代理之间路由」——也就是多个代理协作时，谁该接下一棒。如果你想在自己的系统里搭类似的东西，这个文件是很好的起点。

它适合谁，又有什么坑

维度Claude for Financial Services通用 AI 助手专有金融 AI 产品
专业深度金融定制工作流，50+ 专业命令通用，得自己写一堆 prompt单一垂直，覆盖面有限
数据集成12 个行业标准数据源没有直接集成通常只接 1-2 个
合规设计输出全等人签字，不自动执行没有内置合规机制有考虑但不透明
可定制全开源，可 fork 改黑盒闭源
部署四种模式（含 M365）单一通常 SaaS

坑也得说清楚：

  • 数据是真金白银的门槛：那 12 个连接器，大部分要你本来就订阅了 FactSet、LSEG 这些（年费不便宜），不然接不进来。
  • 它不替你背锅：仓库首页就写「不构成投资建议」，最终责任在你。
  • 上手有门槛：得会用 Claude Code / Cowork 这类工具，纯小白直接上手有点懵。

总结

一句话：这不是「AI 要取代金融人」的科幻片，而是 Anthropic 给出的、经过工程化设计的落地路线图——AI 把最重复的那层活包了，把判断和签字留给人。开源、Apache-2.0、四种部署方式，基本把「企业里怎么负责任地用 AI 代理」这件事讲明白了。

如果你在投行、PE、基金或 Fintech 团队，想快速搭一套合规的 AI 分析工作流，这个仓库值得 clone 下来翻一翻。

名词速查表

  • Agent（代理）：能自主跑完一段工作流的 AI 程序，这里指金融分析场景下的「虚拟初级分析师」。
  • DCF（现金流折现）：一种估值方法，把公司未来能赚的钱折算成今天的价位。
  • LBO（杠杆收购）：借钱（加杠杆）把公司买下来，靠后续经营和退出赚钱的玩法。
  • Pitch Deck：给投资人/客户看的演示材料，讲「为什么值得投/买」。
  • IB / ER / PE / WM：投资银行 / 股票研究 / 私募股权 / 财富管理，金融圈的四条主要业务线。
  • GP / LP：普通合伙人（基金管理者）/ 有限合伙人（出钱的出资人）。
  • KYC（客户尽职调查）：金融机构拉新客户时必须做的身份与风险审查。
  • MCP（模型上下文协议）：AI 连接外部系统（数据库、API、文件）的通用标准接口，相当于「AI 的万能插头」。
  • GL（总账）对账：把两套账目（比如银行流水和公司账本）逐笔核对，找出对不上的地方。
  • Cowork / Claude Code / Managed Agents：Anthropic 提供的三种使用入口——对话式网页、命令行、API 无头部署。
网站建设 视觉设计 SEO优化
返回列表