作者老余捞鱼原创不易转载请标明出处及原作者。本文约 3400 字 | 预计阅读 9 分钟文中示例仅用于技术讨论不构成任何操作建议。量化策略开发应以学习和技术交流为目的。本公众号不荐股、不卖课、不承诺收益。市场有风险请合法合规投资。2026年5月Anthropic 直接开源了Claude for Financial Services。这不是一个概念产品目前 GitHub 17,500 星Apache 2.0 协议。这是目前我看到的最完整的开源金融行业 AI Agent 工具集10个专业 Agent、41项领域技能、11个数据连接器覆盖投行、股权研究、私募、财富管理、基金运营、合规六大场景。我花了几天时间把这个项目翻了个底朝天今天把它的底层逻辑和实际应用方向给大家扒扒。· · ·一、它到底能干什么先看架构。Anthropic 把整个系统分了三层数据层处理 PDF 财报、监管文档、实时 API 市场数据。逻辑层核心 Prompt 库针对金融逻辑优化的系统提示词支持 Tool Use。应用层自动化合规、投资调研、财报摘要。翻译成人话就是以前你得自己从 Wind、彭博拉数据、手动填 Excel、熬夜写 memo而现在10个 Agent 可以帮你批量处理这些破事儿。10个专业 AgentAgent职能Pitch Agent从 Comps 到 LBO一条龙生成 Pitch DeckMeeting Prep Agent客户会前 briefing packMarket Researcher行业研究、竞争格局、标的筛选Earnings Reviewer财报电话会 → 模型更新 → 笔记初稿Model BuilderDCF、LBO、三张表、CompsLive in ExcelValuation ReviewerGP 包估值、LP 报告GL Reconciler找差异、追根因、提交审批Month-End Closer应计、滚动、方差分析Statement Auditor审计 LP 语句KYC Screener解析开户文档、规则引擎检查41项技能 11个数据连接器技能包括/comps、/dcf、/lbo、/earnings、/ic-memo等等。数据连接器直接接入Daloopa、Morningstar、SP Global、FactSet、Moodys、LSEG、PitchBook。这意味着 Agent 可以自己动手查数据不用你复制粘贴。图110个专业 Agent 的分工架构· · ·二、它怎么工作的Anthropic 用了一个很有意思的设计一次开发双路径部署。同一套系统提示词和技能既可以作为Claude Cowork 插件安装直接在桌面端使用也可以通过Claude Managed Agents API部署到你自己的企业工作流引擎里。Cowork 安装claude plugin marketplace add anthropics/financial-services claude plugin install financial-analysisclaude-for-financial-services claude plugin install pitch-agentclaude-for-financial-servicesManaged Agent 部署export ANTHROPIC_API_KEYsk-ant-... scripts/deploy-managed-agent.sh gl-reconciler两种路径用同一套技能区别只是一个在云端跑、一个在你本地跑。还能直接嵌入 Microsoft 365这是我觉得最狠的一点。Anthropic 做了 Microsoft 365 的原生集成Claude 可以直接在Excel、PowerPoint、Word、Outlook里面跑。分析师不用再跳来跳去复制粘贴了。直接在 Excel 里调 Agent模型自动更新结论直接写进 PPT。图2手动搬运 vs AI Agent 自动化· · ·三、大家都在用它干什么这是很多人关心的。但说句实在话由于项目5月初才开源公开渠道能查到的实际部署案例确实不多。原因也不难猜金融机构用了通常不会公开说企业部署需要时间周期很多团队可能还在概念验证阶段但从项目设计、社区讨论和技术能力来看几个明确的应用方向已经能看出来1. 财报季效率提升Earnings Reviewer 可以在财报发布后自动抓取 filings、跑模型更新、生成笔记初稿。根据项目文档和社区反馈原来需要 2-3 小时的活现在大概 20-30 分钟能跑完初稿。2. Pitch Deck 自动生成Pitch Agent 从 Comps、Precedents 到 LBO 模型一键生成完整 Deck 初稿。分析师的反馈是省了 60% 的时间用于格式调整和排版核心逻辑还是需要人把控。3. GL 对账与月结GL Reconciler 自动找差异、追根因、路由审批。基金运营团队用它来跑月结以前对账需要两天现在基本当天能跑完这是目前社区反馈最多的场景之一。4. 投研覆盖扩展Market Researcher 可以自动化生成行业概览、竞争格局、标的筛选 list。研究员的核心能力从覆盖多少家公司变成了判断AI生成的东西哪些靠谱。5. KYC 与合规KYC Screener 自动解析开户文档、跑规则引擎、标记 GAP。合规团队反馈说材料初筛的效率提升明显但最终审核还是需要人。关键点以上场景都有一个共同特征AI 负责起草人负责判断。这不是替代关系是分工关系。· · ·四、它动了谁的蛋糕华尔街的痛点其实很明显投行分析师每天 80% 的时间在做脏活拉数据、填模板、改格式。真正花在思考上的时间不到 20%。资管研究员的覆盖能力受限于人力一个团队覆盖 20 家公司已经是极限。基金运营月结、对账、LP 报告全是重复劳动。Claude for Financial Services 做的事情本质上是把这些重复劳动自动化让分析师和研究员把时间挪到真正需要判断力的事情上。对行业的影响初级分析师的需求会减少。基础的数据整理、模板填充这些活Agent能干了那么画 PPT 实习生的市场需求必然会萎缩。对复合型人才的需求会增加。会指挥Agent的人比会自己画PPT的人更值钱。数据供应商的价值会重估。当 Agent 可以直接调 API 拉数据的时候数据接口的标准化程度决定了 Agent 的能力上限。· · ·五、普通人能怎么用如果你不在金融机构这东西跟你有什么关系两个角度第一学习它的设计思路。17.5k 星的项目代码质量非常高。它展示了什么叫金融级的 AI 应用不是通用 ChatGPT 那种聊聊天就完事了而是真正嵌入了工作流、接入了数据、能干脏活的 Agent 系统。对于想搞 AI 应用的开发者来说这是一个非常好的参考模板。第二理解行业趋势。金融行业是 AI 落地最激进的领域之一。Anthropic 这套东西不是概念而是已经在企业环境里跑的东西。理解它能帮助你判断哪些金融岗位会被影响AI 工具未来会往哪个方向卷图3AI Agent 来了你怎么办· · ·观点总结Claude for Financial Services可能是目前最完整的金融行业 AI Agent 解决方案。它不是玩具是真刀真枪能进生产环境的工具。核心亮点10个专业 Agent 覆盖投行、资管、运营全链路41项技能 11个数据连接器自动化程度高支持桌面端和企业级部署两条路径Microsoft 365 原生集成Excel 里直接跑但还需要注意输出都是初稿需要人工审核项目README里专门强调了每一步输出都需要 qualified professional 签字确认。数据连接器需要订阅PitchBook、LSEG、Moodys 这些不是免费接口。部署有一定技术门槛。开源地址如下GitHub - anthropics/financial-services · GitHub我的判断这不是要取代金融从业者而是重新定义什么叫做基础工作。以前基础是拉数据、画 PPT以后基础是审核 Agent 的输出、做判断决策。技术浪潮来了与其躲着不如早点弄清楚它到底在干什么。#AI #Anthropic #Claude #金融科技 #量化 #投行 #人工智能 #Agent #金融工具 Anthropic出手了：把整个华尔街装进 AI Agent
作者老余捞鱼原创不易转载请标明出处及原作者。本文约 3400 字 | 预计阅读 9 分钟文中示例仅用于技术讨论不构成任何操作建议。量化策略开发应以学习和技术交流为目的。本公众号不荐股、不卖课、不承诺收益。市场有风险请合法合规投资。2026年5月Anthropic 直接开源了Claude for Financial Services。这不是一个概念产品目前 GitHub 17,500 星Apache 2.0 协议。这是目前我看到的最完整的开源金融行业 AI Agent 工具集10个专业 Agent、41项领域技能、11个数据连接器覆盖投行、股权研究、私募、财富管理、基金运营、合规六大场景。我花了几天时间把这个项目翻了个底朝天今天把它的底层逻辑和实际应用方向给大家扒扒。· · ·一、它到底能干什么先看架构。Anthropic 把整个系统分了三层数据层处理 PDF 财报、监管文档、实时 API 市场数据。逻辑层核心 Prompt 库针对金融逻辑优化的系统提示词支持 Tool Use。应用层自动化合规、投资调研、财报摘要。翻译成人话就是以前你得自己从 Wind、彭博拉数据、手动填 Excel、熬夜写 memo而现在10个 Agent 可以帮你批量处理这些破事儿。10个专业 AgentAgent职能Pitch Agent从 Comps 到 LBO一条龙生成 Pitch DeckMeeting Prep Agent客户会前 briefing packMarket Researcher行业研究、竞争格局、标的筛选Earnings Reviewer财报电话会 → 模型更新 → 笔记初稿Model BuilderDCF、LBO、三张表、CompsLive in ExcelValuation ReviewerGP 包估值、LP 报告GL Reconciler找差异、追根因、提交审批Month-End Closer应计、滚动、方差分析Statement Auditor审计 LP 语句KYC Screener解析开户文档、规则引擎检查41项技能 11个数据连接器技能包括/comps、/dcf、/lbo、/earnings、/ic-memo等等。数据连接器直接接入Daloopa、Morningstar、SP Global、FactSet、Moodys、LSEG、PitchBook。这意味着 Agent 可以自己动手查数据不用你复制粘贴。图110个专业 Agent 的分工架构· · ·二、它怎么工作的Anthropic 用了一个很有意思的设计一次开发双路径部署。同一套系统提示词和技能既可以作为Claude Cowork 插件安装直接在桌面端使用也可以通过Claude Managed Agents API部署到你自己的企业工作流引擎里。Cowork 安装claude plugin marketplace add anthropics/financial-services claude plugin install financial-analysisclaude-for-financial-services claude plugin install pitch-agentclaude-for-financial-servicesManaged Agent 部署export ANTHROPIC_API_KEYsk-ant-... scripts/deploy-managed-agent.sh gl-reconciler两种路径用同一套技能区别只是一个在云端跑、一个在你本地跑。还能直接嵌入 Microsoft 365这是我觉得最狠的一点。Anthropic 做了 Microsoft 365 的原生集成Claude 可以直接在Excel、PowerPoint、Word、Outlook里面跑。分析师不用再跳来跳去复制粘贴了。直接在 Excel 里调 Agent模型自动更新结论直接写进 PPT。图2手动搬运 vs AI Agent 自动化· · ·三、大家都在用它干什么这是很多人关心的。但说句实在话由于项目5月初才开源公开渠道能查到的实际部署案例确实不多。原因也不难猜金融机构用了通常不会公开说企业部署需要时间周期很多团队可能还在概念验证阶段但从项目设计、社区讨论和技术能力来看几个明确的应用方向已经能看出来1. 财报季效率提升Earnings Reviewer 可以在财报发布后自动抓取 filings、跑模型更新、生成笔记初稿。根据项目文档和社区反馈原来需要 2-3 小时的活现在大概 20-30 分钟能跑完初稿。2. Pitch Deck 自动生成Pitch Agent 从 Comps、Precedents 到 LBO 模型一键生成完整 Deck 初稿。分析师的反馈是省了 60% 的时间用于格式调整和排版核心逻辑还是需要人把控。3. GL 对账与月结GL Reconciler 自动找差异、追根因、路由审批。基金运营团队用它来跑月结以前对账需要两天现在基本当天能跑完这是目前社区反馈最多的场景之一。4. 投研覆盖扩展Market Researcher 可以自动化生成行业概览、竞争格局、标的筛选 list。研究员的核心能力从覆盖多少家公司变成了判断AI生成的东西哪些靠谱。5. KYC 与合规KYC Screener 自动解析开户文档、跑规则引擎、标记 GAP。合规团队反馈说材料初筛的效率提升明显但最终审核还是需要人。关键点以上场景都有一个共同特征AI 负责起草人负责判断。这不是替代关系是分工关系。· · ·四、它动了谁的蛋糕华尔街的痛点其实很明显投行分析师每天 80% 的时间在做脏活拉数据、填模板、改格式。真正花在思考上的时间不到 20%。资管研究员的覆盖能力受限于人力一个团队覆盖 20 家公司已经是极限。基金运营月结、对账、LP 报告全是重复劳动。Claude for Financial Services 做的事情本质上是把这些重复劳动自动化让分析师和研究员把时间挪到真正需要判断力的事情上。对行业的影响初级分析师的需求会减少。基础的数据整理、模板填充这些活Agent能干了那么画 PPT 实习生的市场需求必然会萎缩。对复合型人才的需求会增加。会指挥Agent的人比会自己画PPT的人更值钱。数据供应商的价值会重估。当 Agent 可以直接调 API 拉数据的时候数据接口的标准化程度决定了 Agent 的能力上限。· · ·五、普通人能怎么用如果你不在金融机构这东西跟你有什么关系两个角度第一学习它的设计思路。17.5k 星的项目代码质量非常高。它展示了什么叫金融级的 AI 应用不是通用 ChatGPT 那种聊聊天就完事了而是真正嵌入了工作流、接入了数据、能干脏活的 Agent 系统。对于想搞 AI 应用的开发者来说这是一个非常好的参考模板。第二理解行业趋势。金融行业是 AI 落地最激进的领域之一。Anthropic 这套东西不是概念而是已经在企业环境里跑的东西。理解它能帮助你判断哪些金融岗位会被影响AI 工具未来会往哪个方向卷图3AI Agent 来了你怎么办· · ·观点总结Claude for Financial Services可能是目前最完整的金融行业 AI Agent 解决方案。它不是玩具是真刀真枪能进生产环境的工具。核心亮点10个专业 Agent 覆盖投行、资管、运营全链路41项技能 11个数据连接器自动化程度高支持桌面端和企业级部署两条路径Microsoft 365 原生集成Excel 里直接跑但还需要注意输出都是初稿需要人工审核项目README里专门强调了每一步输出都需要 qualified professional 签字确认。数据连接器需要订阅PitchBook、LSEG、Moodys 这些不是免费接口。部署有一定技术门槛。开源地址如下GitHub - anthropics/financial-services · GitHub我的判断这不是要取代金融从业者而是重新定义什么叫做基础工作。以前基础是拉数据、画 PPT以后基础是审核 Agent 的输出、做判断决策。技术浪潮来了与其躲着不如早点弄清楚它到底在干什么。#AI #Anthropic #Claude #金融科技 #量化 #投行 #人工智能 #Agent #金融工具