当前位置： 首页 > news >正文

一天一个开源项目（第95篇）：Claude for Financial Services - Anthropic 官方金融行业 AI 代理套件

news 2026/5/9 9:16:01

引言

“From watching analysts work to managing the analytical pipeline itself.”

这是"一天一个开源项目"系列的第95篇文章。今天带你了解的项目是Claude for Financial Services。

在前两篇，我们分别看到了 OpenAI 的Symphony（AI 代理编排规范）和 Addy Osmani 的Agent Skills（工程实践技能集）。而今天要介绍的这个项目，是Anthropic 官方直接下场，为金融行业量身打造的 AI 代理套件——一套能够处理 DCF 估值、LBO 模型、股票研报、KYC 审查、GP/LP 报告、总账对账等专业任务的完整解决方案。

这不是一个玩具项目。12k Stars、1.6k Forks，背后是华尔街投行、对冲基金、私募机构正在真实使用的工作流。更重要的是，它完全开源——你可以直接看到 Anthropic 是如何定义"金融 AI 代理"应该长什么样的。

你将学到什么

  • Anthropic 如何定义金融行业的 10 个专业 AI 代理的能力边界
  • 7 大垂直插件如何覆盖从 IB（投资银行）到 WM（财富管理）的完整业务线
  • 11 个 MCP 数据连接器如何打通 FactSet、Bloomberg（LSEG）、S&P Global 等专业数据源
  • 如何在 Claude Code、Cowork 和 Microsoft 365 中部署和使用这套系统
  • 为什么"输出供人复审，不直接执行"是金融 AI 代理的核心设计原则

前置知识

  • 了解基本的金融概念（DCF、LBO、PE、WM 等缩写有基本印象即可）
  • 使用过 Claude Code 或其他 AI 编码工具
  • 无需金融专业背景，文章会解释关键术语

项目背景

项目简介

anthropics/financial-services是 Anthropic 官方发布的一个参考实现库，包含面向金融服务行业的参考代理（Reference Agents）、技能集（Skills）和数据连接器（Data Connectors）。

它的设计哲学有一个核心：AI 负责起草，人类负责签字。无论是生成一份 Pitch Deck、自动对账总账，还是审查 LP 报表，所有输出都会"staged for human sign-off"（暂存等待人工确认），不会直接执行任何交易、入账或客户通知。这个设计让它在合规要求极严的金融行业得以落地。

作者/团队介绍

  • 发布方：Anthropic（Claude 的开发公司）
  • 定位：面向金融机构的官方参考实现，展示如何在受监管行业中负责任地部署 AI 代理
  • 合作伙伴：LSEG（路孚特）、S&P Global（标准普尔）——两大全球金融数据巨头提供了官方合作插件

项目数据

  • ⭐ GitHub Stars:12,000+
  • 🍴 Forks:1,600+
  • 📝 Commits:50
  • 🤝 官方合作伙伴:LSEG、S&P Global
  • 🔌 MCP 数据连接器:11 个
  • 📄 License: Apache-2.0
  • 🌐 仓库: anthropics/financial-services

主要功能

核心作用

该项目提供了三层能力：

  1. 10 个命名代理（Named Agents）：可独立部署的完整工作流，例如"Pitch Agent"一键生成含可比公司、先例交易、LBO 摘要的品牌 Pitch Deck
  2. 7 个垂直插件（Vertical Plugins）：按业务线（IB / ER / PE / WM / 基金管理 / 运营）组织的技能和命令集合
  3. 11 个 MCP 数据连接器：打通 Daloopa、FactSet、Morningstar、PitchBook 等行业数据源

使用场景

  1. 投资银行（Investment Banking）

    • 用/cim生成保密信息备忘录（CIM），用/buyer-list生成潜在买家列表，用/merger-model分析并购交易。

  2. 股票研究（Equity Research）

    • 财报季时用/earnings一键生成覆盖最新财报、模型调整、评级维持的完整研报；用/initiate生成新覆盖报告。

  3. 私募股权（Private Equity）

    • 用/ic-memo生成投资委员会备忘录，用/dd-checklist生成尽调清单，用/portfolio监控投资组合。

  4. 财富管理（Wealth Management）

    • 用/client-review准备客户会议材料，用/rebalance生成投资组合再平衡建议，用/tlh执行税损收割分析。

  5. 基金管理（Fund Admin）

    • 用 GL Reconciler 代理找到总账对账差异并追溯根因，用 Month-End Closer 代理完成月末结账的应计和滚动表更新。

快速开始

方法 1：Claude Cowork（最简单）

进入设置 → 插件 → 添加插件 粘贴: https://github.com/anthropics/claude-for-financial-services

方法 2：Claude Code CLI

# 先安装核心插件（必须首先安装）claude plugininstallfinancial-analysis@claude-for-financial-services# 安装需要的代理（选择你的业务场景）claude plugininstallpitch-agent@claude-for-financial-services claude plugininstallgl-reconciler@claude-for-financial-services# 安装垂直业务线插件claude plugininstallinvestment-banking@claude-for-financial-services claude plugininstallequity-research@claude-for-financial-services claude plugininstallprivate-equity@claude-for-financial-services claude plugininstallwealth-management@claude-for-financial-services

方法 3：Managed Agents（无头批量部署）

exportANTHROPIC_API_KEY=sk-ant-...# 部署总账对账代理scripts/deploy-managed-agent.sh gl-reconciler# 部署 KYC 审查代理scripts/deploy-managed-agent.sh kyc-screener

方法 4：Microsoft 365 加载项

# 使用提供的安装脚本在 M365 环境中部署cdclaude-for-msft-365-install# 按照 README 配置 Teams/Excel 集成

核心特性

  1. 10 个专业命名代理（Named Agents）

    代理名称所属垂直核心能力
    Pitch Agent投资银行可比公司 + 先例交易 + LBO → 品牌 Pitch Deck
    Meeting Prep Agent覆盖/顾问客户会议前生成情报摘要包
    Market Researcher研究/建模行业概览 + 竞争格局 + 同类公司对比
    Earnings Reviewer研究/建模财报电话 + 申报文件 → 模型更新 → 研报草稿
    Model Builder研究/建模DCF / LBO / 三表模型 / 可比公司（Excel 输出）
    Valuation Reviewer基金管理摄取 GP 包 → 估值 → 暂存 LP 报告
    GL Reconciler基金管理找到对账差异 → 追溯根因 → 路由至审批
    Month-End Closer基金管理应计 + 滚动表 + 差异说明
    Statement Auditor基金管理分发前审计 LP 报表
    KYC Screener运营解析文件 → 运行规则引擎 → 标记缺口

  2. 7 个垂直插件 + 2 个合作伙伴插件

    • 覆盖 IB、ER、PE、WM、Fund Admin、Operations 六大业务线
    • LSEG 插件提供债券相对价值、掉期曲线、外汇 Carry、期权波动率
    • S&P Global 插件提供公司简报、财报预览、融资摘要

  3. 11 个 MCP 数据连接器

    Daloopa ← AI 驱动的财务建模数据 FactSet ← 综合金融数据与分析 Morningstar ← 基金与股票研究数据 S&P Global ← 信用评级与市场情报 LSEG ← 实时行情与历史数据（原 Bloomberg） Moody's ← 信用分析与评级 PitchBook ← 私募股权与风险投资数据 Chronograph ← PE 投资组合监控 Aiera ← AI 驱动的财报电话分析 MT Newswires← 实时财经新闻 Egnyte ← 企业内容管理（文件存储）

  4. 多部署模式

    • Cowork（交互式）：类似 ChatGPT 的对话界面
    • Claude Code CLI：开发者命令行模式
    • Managed Agents（无头）：API 驱动的批量自动化
    • Microsoft 365 加载项：直接在 Teams、Excel、Outlook 中使用

项目优势

对比项Claude for Financial Services通用 AI 助手专有金融 AI 产品
专业深度金融行业定制工作流，覆盖 50+ 专业命令通用能力，需要大量 prompt 工程单一垂直，功能覆盖有限
数据集成11 个行业标准数据源（FactSet、LSEG 等）无直接集成通常只集成 1-2 个数据源
合规设计所有输出等待人工确认，不直接执行无内置合规机制有合规考虑但不透明
可定制性完全开源，可 fork 和自定义黑盒封闭代码
部署灵活性四种部署模式（含 M365 集成）单一通常云端 SaaS

项目详细剖析

1. 项目结构：三层架构

financial-services/ ├── plugins/ │ ├── agent-plugins/ # 10 个独立代理（每个含完整工作流） │ │ ├── pitch-agent/ │ │ ├── gl-reconciler/ │ │ ├── kyc-screener/ │ │ └── ... │ ├── vertical-plugins/ # 7 个垂直业务线技能集 │ │ ├── financial-analysis/ # 核心插件（必须先安装） │ │ ├── investment-banking/ │ │ ├── equity-research/ │ │ ├── private-equity/ │ │ ├── wealth-management/ │ │ ├── fund-admin/ │ │ └── operations/ │ └── partner-built/ # 合作伙伴插件 │ ├── lseg/ │ └── sp-global/ ├── managed-agent-cookbooks/ # 每个代理的无头部署模板 ├── claude-for-msft-365-install/# Microsoft 365 安装工具 └── scripts/ ├── deploy-managed-agent.sh # 一键部署脚本 ├── check.py # 代码质量检查 ├── validate.py # 配置验证 ├── orchestrate.py # 参考事件循环（编排器实现） └── sync-agent-skills.py # 技能同步工具

2. 核心命令参考：覆盖 50+ 专业操作

financial-analysis（核心基础）：

/comps# 可比公司分析（Comparable Company Analysis）/dcf# 贴现现金流估值（Discounted Cash Flow）/lbo# 杠杆收购模型（Leveraged Buyout）/3-statement-model# 三表财务模型（利润表/资产负债表/现金流量表联动）/debug-model# Excel 模型审计（查找公式错误和循环引用）/competitive-analysis# 市场竞争格局分析/ppt-template# PowerPoint 模板生成

investment-banking（投行业务）：

/one-pager# 公司单页简介/cim# 保密信息备忘录（M&A 卖方材料）/teaser# 匿名项目简介（不披露公司名的初步材料）/buyer-list# 潜在买家/投资人列表/merger-model# 并购分析模型（含摊薄/增厚测试）/process-letter# 竞购流程说明书/deal-tracker# 交易管道跟踪

equity-research（股票研究）：

/earnings# 财报后研报（含模型调整和评级）/earnings-preview# 财报前预测分析/initiate# 新覆盖初始报告/model-update# 模型定期更新/morning-note# 每日早报/sector# 行业专题报告/thesis# 投资逻辑追踪与更新/catalysts# 催化剂日历管理/screen# 股票筛选

private-equity（私募股权）：

/source# 项目来源挖掘/screen-deal# 项目初步筛选/dd-checklist# 尽职调查清单生成/dd-prep# 尽调会议准备/unit-economics# 单元经济学分析（LTV/CAC 等）/returns# 投资回报分析（IRR/MOIC）/ic-memo# 投资委员会备忘录/portfolio# 投资组合监控/value-creation# 价值创造计划（100 天计划等）/ai-readiness# 被投企业 AI 就绪度评估

3. "人工复审优先"的合规设计

这是整个项目最关键的设计决策，也是它能在金融行业落地的核心原因。

项目明确声明，所有代理：

  • ✅会做的：起草分析师工作产品（reports、models、memos）供专业人员复审
  • ❌不会做的：
    • 发出投资建议（Investment Recommendations）
    • 执行交易（Execute Transactions）
    • 绑定风险敞口（Bind Risk）
    • 直接入账（Post to Ledgers）
    • 批准客户入职（Approve Onboarding）

这种"AI 起草，人类签字"的设计，精准地契合了金融行业的监管框架——它让 AI 承担重复性高、耗时长的分析工作，同时保留了人类专业判断在最终决策环节的不可替代性。

4. orchestrate.py：看 Anthropic 如何编写 Agent 事件循环

scripts/orchestrate.py是整个项目最值得深读的文件之一——它是 Anthropic 提供的**参考事件循环（Reference Event Loop）**实现，展示了一个生产级金融 AI 代理的骨架：

# orchestrate.py 的核心结构（概念示意）whileTrue:# 1. 从任务队列（如线性看板、邮件触发）获取任务task=fetch_next_task()# 2. 为任务准备隔离环境和上下文context=prepare_workspace(task)# 3. 加载对应的垂直插件技能skills=load_vertical_skills(task.vertical)# 4. 调用 Claude API 执行分析result=claude.run(task,context,skills)# 5. 暂存输出，等待人工确认（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)

项目地址与资源

官方资源

  • 🌟GitHub: https://github.com/anthropics/financial-services
  • 📚Anthropic 官方文档: docs.anthropic.com
  • 🤝合作伙伴 LSEG: lseg.com
  • 🤝合作伙伴 S&P Global: spglobal.com

适用人群

  • 金融机构技术团队：希望快速搭建符合合规要求的 AI 分析工作流
  • 投行/PE/ER 分析师：寻找能处理重复性建模和报告工作的 AI 工具
  • AI 应用开发者：研究如何在受监管行业负责任地部署 AI 代理
  • 金融科技创业者：希望参考 Anthropic 官方的金融 AI 设计范式

总结与展望

核心要点回顾

  1. Anthropic 官方出品，金融行业 AI 代理的权威参考实现
  2. 10 代理 × 7 垂直 × 11 数据源，覆盖从 IB 到基金管理的完整金融工作流
  3. “AI 起草，人类签字”的合规设计是在严格监管行业落地的关键
  4. 四种部署模式（Cowork / Claude Code / Managed Agents / M365）满足不同技术场景
  5. 完全开源 + Apache-2.0，可自由 fork 用于企业内部定制

一句话评价

这不是"AI 进入金融"的幻想，而是 Anthropic 给出的、经过工程化设计的落地路线图——供所有人参考和复用。

欢迎来我的个人主页找到更多有用的知识和有趣的产品

http://www.jsqmd.com/news/782029/

相关文章：

  • 2026天津水下打捞行业深度甄选｜本地实地调研实测 正规潜水作业团队全方位解析 - 速递信息
  • 别再只用Gazebo了！用ADAMS 2020和Solidworks给你的机器人做个‘物理体检’（附四旋翼模型）
  • 字画艺术品鉴定机构如何选购 - mypinpai
  • ainonymous：开发者必备的智能文本匿名化工具，安全分享代码与日志
  • 许艳超
  • Blues Notecard XP蜂窝物联网模块解析与工业应用
  • 别再乱起名了！Windows文件命名那些坑，我用PowerShell脚本帮你一键搞定
  • 半导体价值困境：从“十美元铰链”看芯片行业的破局之道
  • 2026年，成都哪些好的资质代办公司，背后藏着啥秘密？ 成都公司注册/成都代理记账/成都资质代办 - 品牌推荐官方
  • Wi-Fi感知技术：从通信到环境智能的革命
  • 佛山铝单板哪个公司技术强 - 品牌企业推荐师（官方）
  • 国瑞长江赋口碑怎样 - mypinpai
  • 用一张外币信用卡搞定Google Cloud免费试用（附详细验证流程与账单截图）
  • 抖音下载器终极教程：一键批量下载去水印视频与音乐
  • 【2026 AI开发者大会终极避坑指南】：92%的参会者踩过的3大认知陷阱——如何用1天获取等同于6个月行业情报的价值？
  • 2026年成都AI搜索优化公司该如何进行选择呢？ 成都GEO外包/成都GEO公司/成都GEO - 品牌推荐官方
  • 2026年成都散酒铺品牌口碑TOP6权威排行榜，哪家实力更胜一筹？ - 品牌推荐官方
  • DeepSeek集成配置实战指南：5分钟快速上手的3种高效方法
  • YOLOv8模型瘦身实战：用ShuffleNetV2替换主干网络，在边缘设备上也能流畅跑目标检测
  • 科技早报晚报｜2026年5月9日：浏览器 CAD、联邦化电视协议与工业脚本本地开发，今天更值得看的 3 个开源机会
  • 五金模具钢制造企业哪家好，如何选择靠谱的？ - mypinpai
  • ESP32-C3 WiFi实战：从零到一，手把手教你用Smart Config搞定无键盘配网（附避坑指南）
  • Blender MMD Tools架构解析与性能优化实战指南
  • 3秒搞定百度网盘提取码：baidupankey智能工具终极使用指南
  • 加工中心选购有哪些要点？荣嘉机械口碑如何 - myqiye
  • 国产vs进口在线溶氧仪：荧光膜寿命、温补精度、长期稳定性对比 - 陈工日常
  • 3步搞定SD-WebUI-Inpaint-Anything插件：从零开始掌握AI图像修复
  • 雷达液位计采购避坑指南：品牌对比与天线类型、介电常数参数解读 - 陈工日常
  • 南昌做软装好找门店的公司推荐 - mypinpai
  • ncmdumpGUI：让网易云音乐NCM格式文件重获自由的终极解决方案