"斩杀一半分析师"是标题党还是预告片?我翻完了 10 个模板的真实能力边界

原创2026-10-21 10:36:351,349 阅读
文章标签:人工智能AI 技能AI 插件金融科技Agent 工作流MCP 服务提示工程企业应用

"斩杀一半分析师"是标题党还是预告片?我翻完了 10 个模板的真实能力边界

最近金融圈被一句话刷了屏:"AI 来了华尔街,Claude 金融插件,将'斩杀'一半分析师?"

光看标题,血压就上来了。多少券商研究所的朋友在群里哀嚎:干了十年的饭碗,说没就没了?

但作为一个喜欢较真的人,我决定不跟着情绪走,而是把这份在网上传疯了的开源项目仓库从头到尾翻了一遍。里面到底藏着什么?是"狼来了"的标题党,还是真有一把刀悬在分析师头上?

今天我用大白话,把这 10 个"金融智能体模板"掰开揉碎,讲讲它们的真实能力边界。

一、先说人话:这到底是个啥?

一句话:它是给 AI 助手 Claude 装的一套"金融行业上岗技能包"。

打个比方。现在的 AI 大模型就像个名校毕业但毫无工作经验的高材生,聪明是真聪明,但你让他去券商上班,他不知道竞标书怎么写、不知道财报电话会怎么听、不知道月末结账的流程是什么。

而这套开源项目,等于给这位"高材生"配了 10 个岗位说明书,外加一堆老师傅的工作手册——告诉他投行竞标书有哪几页、Excel 模型什么颜色该填什么、KYC 开户要查哪些黑名单。然后 Claude 就从一个"什么都懂一点的聪明人",变成了"懂行规、会干活、按流程走"的金融打工人。

更关键的是,它还能连上华尔街那套贵得吓人的数据系统:FactSet、标普、晨星、穆迪、LSEG、PitchBook……一共接入了 12 家数据源。换句话说,它不是瞎编数字,而是真能查到实时行情、财报和同行估值。

二、逐模板盘点:10 个"数字员工"都干些啥?

仓库里一共有 10 个具名智能体,我一个个看完了它们的岗位说明书,给你翻译成大白话:

第一梯队:前台冲业绩的(投行与研究所)

  • Pitch Agent(竞标书助理):你给它一个目标公司和一句收购意向,它自己查同行估值、翻历史交易案例、搭 DCF 模型,最后直接在你银行的 PPT 模板上生成一份品牌化竞标书。过去一个分析师要熬夜一周的活,它说几小时能出"初稿"。
  • Market Researcher(市场研究员):你让它研究某个行业,它输出行业全景、竞争格局、同行估值对比,再给你一张"最值得看的 3-5 只股票"候选清单。
  • Earnings Reviewer(财报评审员):季报发布当晚,它把财报电话会纪要、申报文件全读完,自动更新模型,顺手起草一份研报。仓库里的示例指令写得明明白白:"处理英伟达 Q1 财报"——一句话开工。
  • Model Builder(建模师):DCF、LBO、三张报表联动模型,全在 Excel 里实时搭建,每个格子都是活公式,改一个假设全表联动。
  • Meeting Prep Agent(会议秘书):见客户前,自动从 CRM 调出客户关系史、持仓、近期动态,生成一页纸的会谈简报和要聊的三个话题。

第二梯队:后台管账的(基金运营与财务)

  • GL Reconciler(对账员):每天的总账和分账对不平?它自动找出差异、追溯根因、生成异常报告,递给财务主管签字。
  • Month-End Closer(月末结账员):应计费用、滚存表、环比差异分析,月底那一堆繁琐流程,它按清单跑完打包。
  • Statement Auditor(报表审计员):给 LP(基金投资人)的账单发出去之前,它先逐行核对一遍,有问题直接标出来。
  • Valuation Reviewer(估值复核员):基金季末估值,它吸收各家的估值材料,跑完模板,把 LP 报告准备好。

第三梯队:守合规关的

  • KYC Screener(开户筛查员):新客户开户,一堆 PDF 证件和公司章程,它自动提取关键信息,跑反洗钱规则,查制裁名单和政要名单,标出缺口交给合规官。

说实话,光看这些岗位描述,任何一个在金融行业干过的人都会倒吸一口凉气:这哪里是"写个报告",这是把一个人从入职到退休的核心工作流,全给电子化了。

三、但重点来了:能力边界藏在这些细节里

如果文章到这里就结束,那我也成标题党了。真正有意思的,是仓库里那些容易被忽略的"小字"。我把它们翻出来给你看:

第一行免责声明,直接把话说死了。 项目官方白纸黑字写着:这里面的所有产出都不能构成投资建议,每个模型、每份备忘录、每张研报,"都只是草稿,必须由合格的专业人士审核签字"。翻译成人话:它干的是"打草稿",签字盖章、拍板定论,还是得靠人。

权限设计更耐人寻味。 每一个智能体,内部都被拆成了好几个"小组",但整个团队里只有一个小组成员持有写文件的权限,其余全是只读的。为什么?就是为了防止 AI 在无人看管的情况下乱写乱改。这种设计本身就说明:官方默认它只是个"干活的",不放心让它"当家"。

数据是要花钱买的。 它连的那 12 家数据源,几乎全都需要订阅或者密钥。FactSet 一年多少钱?标普 Capital IQ 一年多少钱?懂的都懂。没有这些"高级会员",它就是个大聪明但没资料的实习生。

还有一个特别诚实的标注:多智能体协作目前还是"预览功能"。也就是说,让好几个 AI 互相接力干活,官方自己都还标着"试验中"。

合作伙伴的插件也在"划水"边界。 标普官方出的插件,说明文档里直接写了这么一句:"AI 生成的结果不保证正确,务必人工核实。"你看,连数据巨头自己都把丑话说在前头了。

四、"斩杀一半分析师"的叙事,问题到底出在哪?

现在我可以给你结论了:"斩杀一半分析师"是夸张的标题党,但"分析师的工作方式正在被改写"是真实的预告片。

这个叙事错在哪?错在它把"分析师"当成了一台只会重复劳动的机器。但真实世界的分析师,一半时间是做模型、写报告、对数字;另一半时间是在跟客户吃饭、跟上市公司管理层周旋、在内部会议上吵观点、替老板背锅和抢功。后者那部分,AI 十年内都碰不到。

而仓库里的设计逻辑,恰恰印证了这一点:它从头到尾在做的,是把分析师从"体力活"里解放出来。过去熬夜到凌晨三点改竞标书、通宵对账、月底连轴转的苦日子,交给 AI 干;人腾出时间来,去做那些 AI 干不了的事——判断、谈判、关系、责任。

所以业内有一篇分析说得特别到位:这根本不是"多了几个模板",而是企业工作流编排层开始成型——AI 开始按岗位封装工作流,从"帮人写东西"进化到"帮人跑流程"。

五、那分析师们会怎样?更可能是"岗位重构"而非"岗位消失"

我觉得更现实的剧本是这样的:

两三年内,会有一批"只会搬砖"的分析岗位确实收缩——那些主要负责整理数据、填模板、写标准化报告的初级岗位,首当其冲。这是残酷的,也是真实的。

但与此同时,会冒出一种新角色:"AI 审核人"。一个人带着三五个 AI 实习生,产出过去一个团队的量。分析师从"生产者"变成"把关者"——AI 出的每个数字,他负责核实、背书、优化。

说白了,未来金融圈不缺"会写报告的人",缺的是"敢对 AI 写的报告负责的人"。这个转变,比"裁员一半"更值得每个人提前想清楚。

六、普通人能玩吗?门槛有多高?

如果你不是金融从业者,说实话,这东西离你有点远——它需要付费的 Claude 订阅,外加动辄每年几十万的数据源订阅,是给机构准备的生产力工具。

但如果你是券商、基金、投行、企业财务的朋友,那我的建议很直接:别等公司统一部署,自己先装一个试试。这个仓库是开源的,装好之后你输一句"给某某客户做份会谈简报",亲眼看看它在你的真实工作里能帮你省几个小时,比看一百篇分析都管用。

(小提醒:拿真实数据测的时候,记得先看项目里那句免责声明——AI 给的每一个数,都得你自己再核一遍。)

写在最后

回到开头那个问题:"斩杀一半分析师",是标题党还是预告片?

我的答案是:标题党的是"斩杀",真实的是"重组"。 AI 不会把分析师从牌桌上赶走,但会把那些只会打体力牌的人淘汰出局。下一次技术革命,淘汰的从来不是"岗位",而是"岗位上那个不肯进化的人"。

最后抛个话题给各位:如果你所在的行业也有一堆"重复性专业活",你希望 AI 帮你干吗?你是更怕它抢你饭碗,还是更想早点用它把苦活甩掉?评论区聊聊,我搬好小板凳等着。

登录后查看全文
financial-services