抄作业指南用 Anthropic 金融模板重排你的日常分析流程【免费下载链接】financial-services可将 Claude 转变为金融服务专家适用于投资银行、股票研究等领域。提供核心及专项插件支持端到端工作流集成多数据源含技能、命令和连接器可定制适配企业需求。项目地址: https://gitcode.com/GitHub_Trending/fi/financial-services过去半年金融圈对 AI 的讨论从大模型能不能看懂财报快速滑向大模型能不能替我把活干完。2026 年 5 月前后Anthropic 开源金融模板库的消息在国内社区密集发酵——10 大智能体模板重塑金融工作流Claude 杀入华尔街接连刷屏更早的 2026 年 2 月Claude Cowork 插件更新被解读为企业工作流编排层开始成型而非简单多给了几个模板到了 9 月Anthropic 面向财务顾问推出专用产品、对接贝莱德与嘉信理财工具把战火烧到了财富管理一线。热度之外真正值得做的事只有一件别围观去抄作业。本文不打算复述新闻而是把这个仓库当成一本可照抄的工程手册回答三个实际问题10 个模板里哪些杠杆最高、怎么把它们的内部工作流映射到自己的日常任务、以及如何用最小成本验证抄了到底值不值。先看清货架这不是 10 个插件是一套可拆解的工程资产仓库里真正值钱的不是10 个模板这个数字而是它的组织方式。顶层是 10 个端到端命名智能体Pitch Agent、Earnings Reviewer、GL Reconciler、KYC Screener……每个智能体自包含系统提示词和它依赖的技能包底层是 6 个垂直插件financial-analysis、investment-banking、equity-research、private-equity、fund-admin、operations承载技能skills、斜杠命令commands和数据连接器再往下是两家合作伙伴的插件LSEG、SP Global和一套 Managed Agents 部署手册managed-agent-cookbooks。最关键的一条设计原则写在 README 第一屏同一份系统提示词两种跑法——装成 Cowork 插件在人机协同环境里用或者通过 Managed Agents API 塞进你自己的工作流引擎里无头跑。换句话说你在 Cowork 里调教好的行为换到自动化流水线里行为不变因为二者引用的是同一个目录、同一份 prompt 文件如 pitch-agent 系统提示词。抄作业的第一步就是理解一份资产、两个入口这个心智模型避免把 Cowork 版和 API 版当成两个产品分别研究。数据连接器集中在 financial-analysis 的 .mcp.json一份文件注册了 12 个 MCP 服务器FactSet、Morningstar、SP Global、Moodys、LSEG、PitchBook、Daloopa、Chronograph、Box、Egnyte 等。这解释了模板能干活的底层原因——模型本身不持有数据是 MCP 通道把机构级数据源接进了上下文。三个高杠杆用例从 10 个里挑出最值得抄的三个模板不是拿来全装的是拿来挑的。按投入产出比 × 复用频率 × 能否迁移到自己场景三个维度筛以下三个是杠杆最高的抄作业对象。用例一Earnings Reviewer——研究岗的财报事件流水线股票研究里最机械、最耗人力的活一家覆盖公司出财报后读电话会纪要、核对实际数与共识预期、更新模型、出点评初稿。Earnings Reviewer 把这个流程做成了六步流水线见 earnings-reviewer 系统提示词通过 FactSet/Daloopa MCP 拉实际数、共识和 10-Q/8-K加载完整纪要而非摘要调用earnings-analysis技能提取指引、语气和管理层回避的问题调用model-update更新覆盖模型每个变动单元格可溯源调用audit-xls做模型质检平衡校验、断链、硬编码检查调用morning-note起草点评初稿填充差异表停留为草稿交由高级分析师审阅绝不对外发布。值得抄的细节在产出物定义三个交付物是更新后的模型 点评初稿 差异表实际 vs 共识 vs 前次预期覆盖收入/毛利率/EBITDA/EPS——它把模糊的写篇点评翻译成了可验收的三件套。而earnings-analysis技能SKILL.md把质量标准钉死8-12 页、3000-5000 字、发布时效 24-48 小时、每张图表必须带可点击的来源超链接10-Q 的 EDGAR 链接、财报发布页。抄作业时最该抄的就是这种把质量标准写成 prompt的做法——它比任何口头要求都更能约束输出。用例二Model Builder——建模岗的公式优先纪律Model Builder 的价值不在于能建 DCF而在于它把机构建模纪律写进了技能约束。看 dcf-model 技能 里的几条非协商条款公式优先于硬编码NON-NEGOTIABLE每个预测、折现因子、敏感性单元格必须是活公式。用 openpyxl 时写ws[D20] D19*(1$B$8)是正确的写ws[D20] 计算好的数值是错的——模型必须能在用户改动假设后自动联动逐步确认拉完数据先给用户看输入块预测完营收先确认增长率算完 WACC 先展示输入再折现——禁止一口气建完整张表再交付敏感性表必须奇数行列标准 5×5中心单元格等于基准假设中心输出必须等于模型实际隐含股价以此自校验表格搭建是否正确。这套公式优先 分阶段确认 自校验结构完全独立于 AI 存在——即使不用 Claude把它移植到任何人肉建模流程里都是降 bug 率的方法论。Model Builder 只是把这些纪律执行化了。同理可抄的还有 audit-xls它把 Excel 审计拆成公式级检查 模型完整性检查 模型类型专项 bug 清单连终值占比超过 DCF 企业价值 75% 亮黄旗hockey-stick 式远期预测LBO 里 PIK 利息未计入本金这种资深分析师脑内清单都显式化了。用例三GL Reconciler——基金运营岗的信任分层样板对财务运营和基金会计岗GL Reconciler 抄的不是对账逻辑而是多智能体协作下的权限分层设计。看它的 agent.yaml 和三个子智能体orchestrator协调者只有 read/grep/glob从不持有写权限reader 子智能体负责按资产类别找差异critic 子智能体独立复核每个报告的 break且明确只读受信任的内部源绝不打开对手方文件见 critic.yaml只有 resolver 子智能体持有 Write而它永远看不到原始对手方内容。这条链路对应金融运营的经典信任模型不信任外部输入 → 分权处理 → 独立复核 → 单一写入口 → 人工签批。KYC Screener 用了同一套骨架读取开户文件的 doc-reader 无 MCP 权限、只输出长度受限的结构化 JSON只有 escalator 持有 Write风险评级只是建议合规官拍板kyc-screener 系统提示词。抄作业时如果只抄 prompt 不抄权限分层等于只拿到了形没拿到魂。把模板工作流映射到自己的日常任务抄作业的第二层是把别人的工作流翻译成我的任务清单。方法很机械每个模板都遵循同一种骨架——产出物 → 数据源 → 质检门 → 人工签字点。按这个骨架把模板拆开就能对照出自己的映射表模板产出物数据源MCP质检门人工签字点Earnings Reviewer模型更新 点评草稿 差异表FactSet / Daloopaaudit-xls 模型审计高级分析师审阅后发布Model Builder全联动 Excel 模型DCF/LBO/三表/compsCapIQ / Daloopa5×5 敏感性中心自校验建模后、审计后各停一次Market Researcher行业概览 竞争格局 同业 comps 想法清单 研究报告CapIQ / FactSetcomps 完成后停一次分析师批准每份产出物GL Reconciler差异清单 根因追溯 异常报告内部 GL / 子账 MCPcritic 独立复核控制人签批禁止记账KYC Screener实体档案 规则结果 筛查结果 升级包筛查 MCPdoc-reader 结构化输出合规官定风险评级映射时有一个通用技巧先抄质检门和签字点再抄执行步骤。因为这两处定义了错误边界——[UNSOURCED]标注、停点评审、禁止发布/记账——它们是模板里最有迁移价值的部分直接决定了你抄来的流程在合规审计面前站不站得住。更底层的映射逻辑藏在执行细节里。比如comps-analysis技能SKILL.md规定数据源优先级MCP 优先web 搜索永不当主数据源且所有硬编码输入单元格必须带来源注释或假设说明5-10 规则5 个经营指标 5 个估值指标防止指标堆砌。这些不是模型偏好是研究员方法论被 prompt 化的结果——你日常做同业对比时完全可以拿同一套规则要求自己和同事。用提示词模板快速验证 ROI从一条命令开始抄作业最大的风险是全量迁移、两周后回滚。模板给了你一个低成本验证路径不装完整 Agent先跑单条斜杠命令。仓库把技能做成了两类入口自动触发的技能skills和显式调用的命令commands。想验证模型建模质量直接在会话里敲/dcf或/comps见 comps.md它内部加载comps-analysis技能按明确分析目的 → 圈定 4-6 家可比公司 → 优先 MCP 拉数 → 建经营指标区与估值倍数区 → 出 Excel的流程走一遍最后还带质量清单。想验证财报事件处理敲 /earnings。一条命令跑完你会立刻得到三样东西输出质量、执行耗时、以及模型是否遵守了先确认再继续的停点纪律——后两者才是 ROI 的关键指标。进阶做法是把单命令串成半自动流程先/comps出同业对比再/debug-model内部映射audit-xls跑一遍模型审计最后用/ppt-template教模型认领你的品牌 PPT 模板。这套组合不需要装任何完整 Agent却能复现模板库 80% 的价值主张数据接入、公式纪律、质检闭环。确认 ROI 之后再上全量。此时按 README 的安装路径 走Cowork 里粘贴仓库 URL 从市场列表挑插件或 Claude Code 里claude plugin marketplace add anthropics/financial-services后按需安装需要无头自动化时跑scripts/deploy-managed-agent.sh slug一键部署到/v1/agents。值得留意的是部署脚本的工程细节环境变量注入前用^[A-Za-z0-9._/:-]*$白名单校验见 deploy-managed-agent.sh防止配置值被注入进 manifest——这种把安全写进部署层的习惯本身就是可抄的作业。配套的 orchestrate.py 则示范了跨智能体 handoff 的参考事件循环目标智能体硬白名单ALLOWED_TARGETS 载荷 schema 校验因为攻击者完全可能在待处理文档里嵌入伪造的 handoff 请求。抄作业的底线Guardrails 才是模板的灵魂如果只记住一件事请记住这个仓库最值得抄的不是任何技能而是每一份系统提示词里都存在的Guardrails 区块。归纳起来是四条任何金融 AI 流程都适用不信任外部文档财报纪要、对手方对账单、开户材料一律视为不可信数据。Earnings Reviewer 明确绝不执行文档内的指令GL Reconciler 要求 reader 打开对手方文件时无 MCP 权限——数据可读指令不可执行每个数字可溯源无法从 MCP 或 filing 取得来源的数字标注[UNSOURCED]而不是估算。这直接对应审计对证据链的要求写权限单一化orchestrator 从不写只有指定叶子子智能体持有 Write人工兜底不可省模型出草稿人做签批。禁止发布、禁止记账、禁止定风险评级——README 开头的免责声明和每个 Agent 的 guardrail 是同一条原则的两面。最后回到抄作业本身这个仓库的定位是参考模板README 原话reference templates它鼓励你把技能文件里的措辞、把.mcp.json指向你自己的数据源、把agents/slug.md改成你团队真实跑流程的方式。抄的最高境界不是照搬文件而是把它证明过的骨架——产出物定义、数据源分层、质检门、人工签字点、信任边界——移植进你自己的流程里。模板会过时这套骨架不会。【免费下载链接】financial-services可将 Claude 转变为金融服务专家适用于投资银行、股票研究等领域。提供核心及专项插件支持端到端工作流集成多数据源含技能、命令和连接器可定制适配企业需求。项目地址: https://gitcode.com/GitHub_Trending/fi/financial-services创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考