金融 Agent 不能只会取数，还要能对齐口径

QVeris · 产品思考金融场景里Agent 从来不缺可以调用的数据。行情、财务、公告、新闻、行业指数、资金数据、宏观指标任何一个方向往下展开都能接出一长串接口。但真正开始做金融 Agent 之后会发现一个更底层的问题数据接进来了不代表它已经能用。同样是价格数据可能有前复权、后复权、不复权同样是财务数据可能有报告期、披露日、TTM、单季、累计值同样是新闻和公告可能有发布时间、事件发生时间、市场反应时间同样是一个因子名称背后可能对应完全不同的数据窗口、缺失处理和计算口径。如果这些口径没有对齐Agent 生成的内容越完整反而越危险。因为它看起来是在分析实际上可能只是在把不同口径的数据拼成一段顺滑的解释。这也是我们最近做 A 股研究工作流时反复遇到的问题金融 Agent 的难点不只是能不能取到数据。更关键的是它能不能把数据变成一套可解释、可计算、可验证的口径契约。/ 金融数据最容易出错的地方往往不在模型而在口径很多金融 Agent 的失败并不是模型不会推理。而是模型拿到的数据本身已经混在一起了。比如一个价格序列如果没有说明是否复权后面所有基于涨跌幅、波动率、均线和动量的计算都会受到影响。比如一个财务字段如果只知道营收两个字却不知道它是年度、单季、累计还是 TTM后面的比较就很容易失真。比如一条公告如果只记录文本内容没有记录披露时间和事件时间Agent 就很难判断它应该进入哪一个研究窗口。比如一个行业指数如果成分股、权重和更新周期没有明确拿它做参照时就会天然带着偏差。这些问题单独看都很小。但放到 Agent 工作流里它们会被不断放大。因为 Agent 不是只读一条数据。它会把价格、财务、事件、行业和计算结果串在一起。一旦最前面的口径不清楚后面的推理越长偏差就越难被发现。所以金融 Agent 真正要解决的第一件事不是把接口接得更多。而是让每一次数据进入系统时都带着清楚的来源、时间、单位、窗口和处理方式。/ 因子不是 Prompt 里的名词而是一份数据契约很多人会把因子理解成一个词。比如动量、反转、波动、换手、资金、估值、情绪。但在系统里因子不是一个名字而是一份契约。它至少要回答几个问题用什么原始数据数据来自哪里时间窗口多长缺失值怎么处理是否需要复权是否允许用代理字段计算结果能不能回到原始数据如果这些问题没有定义清楚Agent 看到动量因子四个字并不等于它真的知道该怎么计算。一个十日动量和六十日动量不是同一个东西。基于不复权价格和复权价格计算出的结果也不是同一个东西。基于交易日窗口和自然日窗口得到的结果仍然不是同一个东西。这也是为什么金融 Agent 不能只把因子当成语言概念。它需要知道每个因子背后的数据绑定关系。哪些因子可以直接由价格数据计算哪些因子需要财务报表哪些因子需要公告、新闻或行业数据哪些因子当前只有代理字段哪些因子因为数据不足应该明确标记为不可用这一步看起来不如生成回答显眼但它决定了 Agent 后面的分析是否站得住。/ 工具调用不应该只返回结果还要返回证据对象在金融 Agent 里工具调用很容易被设计成一个简单过程用户问问题Agent 选择工具工具返回结果模型组织答案。但如果工具只返回一个数字、一段摘要或一张表Agent 仍然很难判断这个结果能不能被信任。更稳的方式是让工具返回一个证据对象。这个对象不只包含结果还要包含数据来源调用参数时间范围字段口径原始记录派生计算缺失说明异常提示可复用的引用标识。这样Agent 生成的不是孤立答案而是一段可以回溯的执行记录。当后续需要复查某个结论时系统可以知道它当时调用了哪个工具、用了什么参数、基于哪些原始数据、有没有缺字段、有没有触发降级逻辑。这对金融 Agent 很关键。因为金融场景里的看起来差不多经常并不是真的差不多。一个字段差一个口径一个时间点差一个交易日一个事件差一个披露窗口都会改变后面的解释。所以工具调用的目标不应该只是让 Agent 拿到结果。而是让 Agent 拿到可以被检查、被引用、被复算的证据。/ 历史验证不是为了给结论背书而是为了暴露边界金融 Agent 进入研究工作流之后很自然会遇到历史验证。但历史验证的价值不是让系统说过去有效所以未来也会有效。它更重要的作用是暴露一个分析逻辑的边界。哪些市场阶段里这个变量有解释力哪些阶段里它会失效失效时是因为数据稀疏、行业切换、事件冲击还是因为因子本身只适合某类样本同一套规则在不同时间窗口、不同样本范围、不同数据口径下结果是否稳定这些问题比单个指标更重要。如果 Agent 只给出一个漂亮结论却不知道这个结论在哪些条件下容易失效那么它仍然只是一个文本生成器。如果 Agent 能把历史验证里的有效区间、失效区间、数据缺口和计算假设都记录下来它才开始接近一个真正的研究系统。这也是金融 Agent 和普通问答工具的分界线。普通问答工具更关心回答是否完整。研究型 Agent 更关心回答是否可以被复查。/ 从能调用工具到能约束工具很多 Agent 系统的第一步是让模型学会调用工具。但在金融场景里仅仅会调用还不够。Agent 还要能约束工具。它要知道什么时候不能继续算什么时候应该提示数据不足什么时候只能使用代理字段什么时候应该保留原始记录而不是直接生成解释什么时候应该把一次分析标记为阶段性结果。这套约束才是金融 Agent 变稳定的关键。从工程上看它不是一个单点能力而是一整条链路先做数据发现再做口径识别再做因子绑定再做工具调用再做历史验证最后把每一步都沉淀成可复盘的执行记录。这也是 QVeris 在金融场景里真正有价值的地方。它不只是让 Agent 多一个数据入口而是让 Agent 有机会把取数、计算、验证、复盘变成同一条链路。金融 Agent 未来的差异可能不在于谁生成的文字更像研究员。而在于谁能把数据口径、工具契约和验证过程管理得更清楚。因为在金融研究里最难的不是说出一个完整答案。而是让每一个答案都能回到它所依赖的数据、口径和证据。