夜雨聆风
2026年5月初，AI巨头Anthropic正式抛出金融界“核弹级”产品：Claude for Financial Services。一口气开源10个开箱即用的金融AI Agent模板，覆盖投行、股票研究、私募股权、财富管理四大核心领域。不同于以往通用大模型，这些Agent深度绑定金融工作流，从数据、分析、建模到报告、审查、财务和运营，能直接接手分析师、合规岗、财务岗等多种岗位。
每个模板都是一份“参考架构”，打包了三样东西：
Skills：任务指令+领域知识
Connectors：受治理的数据源访问（如 S&P Capital IQ、PitchBook、Moody's）
Subagents：处理子任务的 Claude 模型（比如挑可比公司、跑方法学校验）
整套资源支持多种部署方式、同一底层内核：
可作为 Claude Cowork插件直接安装使用，也可通过Claude托管智能体API部署至企业自有工作流引擎。系统提示词、专业能力完全一致，仅运行环境由企业自主选择。
全部都开源在anthropics/financial-services仓库里。
Anthropic这次真正展示的，不是Claude会做几个金融任务，而是未来公司里的很多岗位，会被拆成一套套可以运行、可以交接、可以复核、可以审计的Agent工作流。
开源信息、核心功能介绍
目前，各类智能体仅用于生成工作底稿，包括财务模型、业务备忘录、研究纪要、对账底稿等，仅供持专业人士复核。
智能体不会做出投资推荐、执行交易、承担风险责任、录入账务分类账，也不负责客户准入审批；所有输出结果均需人工审核签字确认。使用者需自行核验输出内容，并确保符合所在机构适用的法律法规与监管合规要求。
一、基础开源信息
1.项目名称：Claude for Financial Services
2.出品方：Anthropic（Claude大模型研发公司）
3.开源仓库：https://github.com/anthropics/financial-services
4.开源协议：Apache 2.0（免费商用，可二次开发）
5.核心配置：搭载Claude Opus4.7模型，内置41项金融专属技能、11个主流金融数据源连接器。
二、10大Agent核心能力
每款智能体均以对应业务工作流命名，可作为业务落地起点：按需安装匹配自身业务的智能体，再根据企业内部流程微调提示词、专业能力模块及数据连接器配置即可。
每款智能体插件均为独立完整封装，已内置所需全部业务能力，安装智能体插件即可直接使用，无需额外配置其他模块。
分类 | Agent 名称 | 核心功能 | 核心特点 | 适用岗位 | 全适用场景 |
投行与咨询 | Pitch Agent（路演智能体） | 一站式完成可比公司分析、过往交易案例参考、杠杆收购模型，自动生成企业定制版路演材料 | 端到端自动化，直接输出 Excel 模型+PPT文稿，适配投行投标全流程 | 投行分析师、PE/VC投资经理 | 1.投行项目投标、客户融资提案制作； 2.同业交易案例整理、归档与检索； 3.股权/债权融资方案框架草拟；4.项目立项、尽调报告初稿生成； 5.对外路演材料、项目简介一页纸撰写； 6.并购交易结构方案推演与多方案对比 |
Meeting Prep Agent（客户会议筹备智能体） | 客户会议前自动整合企业情报、财务数据、舆情、交易记录，生成全套简报包 | 多源数据一键聚合，简报结构化呈现，节省会前 80%准备时间 | 财富管理顾问、投行客户经理、营业部理财经理 | 1.客户拜访、机构会谈会前资料筹备； 2.内部投研例会、业务复盘会材料汇总； 3.高管路演、监管调研问答底稿准备； 4.跨部门协同会议议题、纪要、待办梳理； 5.高净值客户沟通合规话术整理； 6.历史会议纪要智能归档与主题检索 | |
研究与 建模 | Market Researcher（市场研究智能体） | 基于行业赛道 /投资主题，输出行业全景、竞争格局、同业对标、标的精选清单 | 实时抓取行业新闻、财报、券商研报，自动生成行业研究初稿 | 行业研究员、股票分析师、投研岗 | 1.行业深度研究、产业链上下游标的梳理； 2.每日财经舆情、行业政策摘要汇编； 3.券商晨会日报、行业周/月报初稿撰写； 4.政策利好/利空影响深度解读； 5.竞品研报观点汇总与异同对比；6.理财产品、基金赛道投资逻辑拆解 |
Earnings Reviewer（财报解读智能体） | 解析财报电话会议及监管申报文件，更新财务模型，自动撰写研究纪要初稿 | 精准提取财报关键数据，自动标记异常变动，适配季度财报季高频工作 | 股票分析师、投研专员、研究助理 | 1.上市公司财报、公告批量解读； 2.财报季业绩暴雷、商誉减值等风险预警； 3.跨年度 / 季度财务数据口径统一对比； 4.投资组合基本面定期跟踪复盘；5.市场投教内容、行情解读文案生成； 6.研报核心观点提炼与精简整理 | |
Model Builder（建模智能体） | 支持现金流折现、杠杆收购、三表联动、可比公司分析，可实时联动 Excel 建模 | 支持复杂财务公式运算，自动校验模型逻辑，降低建模错误率 | 投行建模师、估值分析师、财务分析岗 | 1.各类财务模型搭建与公式校验；2.项目敏感性分析、多情景测算；3.新项目投资回报、盈亏平衡点测算； 4.业务预算编制、营收利润预测； 5.历史财务数据规整与口径修正；6.模型逻辑漏洞排查与优化 | |
基金管理与财务 | Valuation Reviewer（估值复核智能体） | 读取普通合伙人资料包，套用估值模板，生成待向有限合伙人披露的报表底稿 | 标准化估值流程，自动对比行业基准，确保估值合规性 | PE/VC估值分析师、基金运营岗、券商估值岗 | 1.私募基金净值测算与估值合理性校验； 2.限售股、非上市股权公允价值评估； 3.内部资产盘点、长期股权投资估值复核； 4.对外估值备案材料标准化撰写； 5.同业估值参数对标与偏差分析； 6.基金 LP 汇报材料、估值说明编制 |
GL Reconciler（总账对账智能体） | 定位账务差异断点、追溯根本原因、流转至对应负责人审批签字 | 跨账簿、多账户自动对账，无人值守处理，生成审计日志 | 财务会计、对账专员、券商财务岗 | 1.银企流水自动勾兑、未达账项识别； 2.分支机构台账与总部账务比对； 3.业务系统与财务系统数据差异排查； 4.历史挂账、往来款清理线索梳理；5.对账异常整改建议与说明模板生成； 6.日常账务核对与审计底稿留存 | |
Month-end Closer（月末结账智能体） | 计提分录、数据滚动结转、账务差异分析说明 | 覆盖月末结账全流程，自动生成结账清单，缩短结账周期 | 财务主管、总账会计、券商运营财务岗 | 1.月度/季度/年度财务决算材料整理； 2.费用预提、摊销合规性自查； 3.各业务条线经营业绩复盘拆解； 4.结账流程节点提醒与待办推送； 5.历年结账问题复盘与避坑清单编制； 6.财务结账差异分析与报告撰写 | |
Statement Auditor（对账单审计智能体） | 财务报表一致性、完整性、审计合规性审查，标记问题项 | 对照会计准则自动校验，生成审计工作底稿，适配外部审计需求 | 内审专员、审计师、合规风控岗 | 1.财务报表审计、内控缺陷识别； 2.对外宣传、业务文案敏感信息排查； 3.制度文件、合同条款合规性逐条审阅； 4.员工对外发文、投教内容合规预审； 5.内网文档涉密筛查、客户信息脱敏标记； 6.跨部门数据越权访问行为审计 | |
运营与客户准入 | KYC Screener（合规准入筛查智能体） | 解析客户准入资料、运行合规规则引擎、识别资料缺失与风险漏洞 | 内置全球合规规则（如反洗钱、OFAC），自动留存筛查记录 | 合规专员、风控岗、券商开户审核岗 | 1.客户开户 KYC 审核、反洗钱筛查； 2.客户身份资料归档与要素完整性校验； 3.高风险/涉敏客户智能标记与分级管控； 4.员工从业行为、利益冲突合规排查； 5.营销话术违规词汇自动过滤； 6.内外网文件涉密扫描、可疑交易线索初筛 |
注：托管智能体部署相关配置（agent.yaml、子智能体、调度事件示例、单智能体安全规范说明），详见仓库 managed-agent-cookbooks/目录。
三、三种部署方式
形态 | 运行环境 | 适用人群 | 核心特点 |
Claude Cowork 插件 | 浏览器端（与Office协同） | 普通用户，如分析师、研究员、合规人员 | 人机协作，手动触发，低代码 |
Claude Code 插件 | 终端（命令行） | 开发者，如量化分析师、建模师 | 代码感知，适合脚本化任务 |
Claude Managed Agents | Anthropic云基础设施 | 企业、团队 | 无人值守，定时/事件驱动，批量处理 |
1. Claude Cowork插件：直接安装，即插即用
在Cowork中进入：设置→插件→添加插件，两种方式任选其一：粘贴仓库地址：https://github.com/anthropics/claude-for-financial-services，从市场列表勾选所需智能体与行业模块；
离线压缩包上传：将 plugins/ 下任意目录（如 plugins/agent-plugins/pitch-agent/）打包为压缩包，直接上传安装。
2.Claude Code 命令安装
安装完成后，智能体将出现在 Cowork 调度面板，相关专业能力自动触发，会话内可直接使用斜杠命令：/comps 可比分析、/dcf 现金流折现、/earnings 财报解读、/ic-memo 投决备忘录等。
3. Claude 托管智能体部署
managed-agent-cookbooks/下所有模板，与插件版本共用同一套系统提示词和业务能力。部署脚本可自动解析文件引用、上传能力模块、创建子智能体，并调用/v1/agents接口创建编排主智能体。
可参考scripts/orchestrate.py事件循环示例，在企业自有编排层实现智能体间任务转交与流程调度。
研发预览功能：子智能体任务委派（callable_agents）为预览特性，各智能体独立说明文档内附有安全规范与任务交接指引。
四、整体架构逻辑
模块类型 | 说明 | 存放路径 |
业务智能体 | 端到端工作流插件，内置系统提示词与所需全部能力；Cowork与托管智能体共用同一源码目录 | 路径：plugins/agent-plugins/ |
专业能力模块 | 封装行业专业知识、业务规范与标准化流程，由垂直领域统一维护，各智能体自动同步依赖能力源码 | 路径： |
命令 | 手动触发的快捷操作指令，如可比分析、财报解读、投决备忘录生成 | 路径： |
数据连接器 | MCP 服务，打通 Claude 与企业终端、投研平台、文档库等内部数据配置文件 | 路径： |
托管智能体封装包 | 包含配置文件、一级子智能体、无头部署调度示例 | 路径： |
整体基于Markdown + JSON文件化配置，无需编译构建流程，轻量化易维护。
五、垂直领域插件
9个垂直插件，对应9类金融机构。建议优先安装核心财务分析模块，内含通用建模能力与全部数据连接器；再按需加装对应业务领域插件。
插件名称 | 新增核心能力 |
financial-analysis（核心基础） | 可比公司分析、DCF、LBO、三表建模、路演材料质检、Excel底稿审计；集成全部11类数据连接器 |
investment-banking（投资银行） | 客户信息备忘录、项目推介材料、业务函件、收购标的清单、并购模型、交易进程跟踪 |
equity-research（股票研究） | 财报研究纪要、首次覆盖报告、财务模型更新、投资逻辑与催化事件跟踪 |
private-equity私募股权 | 项目源挖掘、标的筛选、尽职调查清单、投决备忘录、投后组合监控 |
wealth-management财富管理 | 客户复盘报告、财务规划、资产再平衡、定期报告、税务亏损筹划 |
fund-admin基金运营 | 总账对账、差异溯源、计提分录、数据滚动、差异解读、资产净值核对 |
operations运营合规 | 准入资料智能解析、合规规则引擎校验、风险漏洞识别 |
lseg路孚特（第三方） | 债券相对估值、互换利率曲线、外汇套利、期权波动率、宏观利率监控（路孚特数据源） |
sp-global标普全球（第三方） | 标的概况简报、财报前瞻、融资动态摘要（标普资本 IQ 数据源） |
六、Skill+命令矩阵
Anthropic在每个垂直插件下面都挂了一堆Skill和命令，Claude看到上下文就自动触发，或者你手动 /comps 召唤。举个例子，investment-banking 包里有这些命令：
这种设计实质上是在说：金融分析的“操作手册”，可以被结构化成一堆Claude可理解的Skill。 如果你是一个金融机构的CTO，看完这个仓库，你脑子里应该冒出一个念头：“我能不能把我们自己的分析框架，也写成这样的 Skill？”答案当然是能。这也是为什么这个仓库的真正价值在于“参考实现”，而不在于它提供的那11个Agent本身。
七、MCP数据集成接口
光有Agent和Skill是不够的——金融的核心竞争力在于数据。
Anthropic很清楚这一点，所以在claude-for-financial-services里集成了11个MCP数据连接器（通过 MCP 协议对接）。所有数据连接器统一集中在核心财务分析插件，全业务模块共享复用。项目集成了11家主流金融数据提供商，通过这些MCP（模型上下文协议）服务器，Claude可以直接连接企业的数据源、研究平台和文档存储系统。
这个名单里，大部分都是金融行业的“金融数据商”——它们的数据订阅费本身就贵得离谱。Anthropic的思路很明确：我不卖数据，我帮你更好地用你的数据。
这对国内同行来说，是一个值得思考的信号：单纯做“金融大模型”是没戏的，能不能接入金融数据商的数据，才是关键。
注：使用 MCP 接口通常需向对应服务商订阅服务或申请专属 API 密钥。
八、Microsoft 365专用Claude部署工具
项目还提供了专门的工具，用于在企业的Microsoft 365环境中部署Claude。若企业需在Excel、PPT、Word、Outlook中内嵌Claude 办公插件，可通过claude-for-msft-365-install/工具包私有化部署。支持对接谷歌Vertex AI、Bedrock或企业内部大模型网关，无需依赖Anthropic官方API。
该工具为 Claude Code 专属插件（非 Cowork 插件），协助运维管理员完成：自定义插件清单生成、Azure 管理员授权、基于微软图形接口配置用户路由规则。
安装与初始化命令：
该模块独立于业务智能体与行业插件，属于租户级部署入口；部署完成后，前文所有智能体与业务能力可直接在 Office套件内运行。
九、企业自定义适配
整套资源均为行业参考模板，可按企业内部流程深度定制优化：
1.替换数据连接器：修改.mcp.json指向企业自有数据服务商与内部业务系统；
2.植入企业规范：在能力配置文件中加入企业专属术语、业务流程、文档格式标准；
3.导入自有模板：通过/ppt-template命令让Claude适配企业定制 PPT 版式；
4.调整智能体边界：编辑 agents/业务标识.md，匹配团队实际业务流程；
5.自主扩展开发：参照现有目录结构，新增未覆盖的业务工作流智能体。
十、能力与命令参考分类
财务分析核心：财务建模、Excel底稿、路演材料质检
投资银行：交易材料制作、项目执行全流程
股票研究：行业覆盖、研报发布全流程
私募股权：项目挖掘至投后运营全链条
财富管理：投顾日常业务全流程
十一、贡献开发规范
项目整体基于Markdown + YAML配置，支持Fork分支、编辑后提交PR合并。新增内容规范：
新增业务能力：在plugins/vertical-plugins/细分领域/skills/ 目录添加文件，执行 python3 scripts/sync-agent-skills.py 同步至所有依赖该能力的智能体；
新增业务智能体：在 plugins/agent-plugins/业务标识/ 创建目录（包含智能体说明与内置能力），同时在 managed-agent-cookbooks/ 新建对应托管部署目录；
提交前校验：执行 python3 scripts/check.py，自动校验配置清单合法性、跨文件引用完整性，若内置能力与源模块版本不一致将拦截提交。
对金融行业的五大变革
投行分析师：从“Excel民工”到“审核决策者”
以前：一名分析师拿到目标公司列表后，需要花十几个小时搜集可比公司数据、搭建财务模型、制作Pitchbook。通宵是常态。
现在：将目标列表交给Pitch Agent，它直接在Excel中生成可比分析、在PowerPoint中起草Pitchbook。分析师的工作从“做”变成了“审”—2-3小时审阅+修改即可完成。
效率提升估算：60-80%的时间节省
合规部门：KYC从“数天”到“分钟”
以前：KYC审查需要合规专员逐份阅读开户文件、交叉比对制裁名单、标记风险缺口，一个高净值客户可能耗时好几天。
现在：KYC Screener自动解析文档、运行规则引擎、标记风险缺口，合规专员审阅确认即可。
效率提升：从数天→几小时
财务运营：月末结账不再“通宵”
以前：月末结账是整个财务部最痛苦的时间—多系统对账、分录编制、差异分析，往往需要5-7个工作日，期间全员加班。
现在：Month-End Closer自动执行结账清单、准备分录、生成报告，GL Reconciler自动对账并追溯根因。
效率提升：5-7天→1-2天
股票研究：财报季不再“书山文海”
以前：财报集中发布期，一名研究员可能同时要覆盖5-10家公司，每份财报100-200页，加上电话会议记录，阅读量极其庞大。
现在：Earnings Reviewer自动阅读所有财报和纪要，更新模型、生成笔记、标记关键变化。
效率提升：覆盖范围扩大3-5倍
资管运营：LP报告从“手工”到“自动化”
以前：估值审查需要人工处理GP数据包，填写估值模板，再经多层审核。
现在：Valuation Reviewer自动处理数据包，配合Statement Auditor进行LP报表前置审计。
效率提升：审核周期缩短70%
资本市场影响：谁是赢家，谁是输家？
群体 | 影响方向 | 分析 |
投行/资管/PE | ✅ 利好 | 降本增效的买家 |
传统金融数据商 | ❌ 利空 | 核心业务（数据整合+报告生成）被AI替代 |
金融从业者（分析师） | ⚠️ 挑战 | 基础信息整合工作被替代，需向上游迁移 |
科技巨头（微软） | ✅ 利好 | 365生态成为AI入口 |
AI公司（Anthropic、OpenAI） | ✅ 利好 | 金融是最高价值的AI落地场景 |
对金融科技行业的启示
虽然金融数据合规要求高、AI渗透速度相对较慢，但趋势不可逆转。更关键的风险在于：
1.头部客户的“叛逃”：国内头部券商、基金公司正在自建AI工具，一旦成功，将大幅降低对外部数据服务商的采购需求
2.商业模式被颠覆：传统金融数据商们的核心商业模式是“数据+终端”，但如果AI能直接从底层抓取数据、理解财报、生成分析，中间这个“收费站”价值何在？
3.从卖工具到卖智能：未来的竞争不是“谁的终端更好用”，而是“谁能提供更智能的分析能力”。
总结
Anthropic在做的事情，实质上是在给整个行业立标准：
1. Skill怎么写（Markdown + YAML，无 build step）
2. Agent怎么设计（单任务闭环，不跨Agent串联）
3. 数据怎么接（统一MCP协议）
4. 安全合规怎么处理（System Card里专门有一节讲金融场景的对齐）
如果你是一个AI创业者，或者你在金融机构负责数字化转型，这个仓库的真正价值在于：它告诉你，一个“生产级”的 Claude Agent 系统应该怎么搭。
另外，Anthropic 中claude-for-msft-365-install/，可以直接集成到 Microsoft 365里。这个方向很明确——占领企业办公套件。
Anthropic这次发布的不是“AI交易员”，而是一套AI工作流自动化工具包。其核心战略是：提供安全可控、即插即用、深度集成现有办公生态的AI Agent，让金融从业者从“执行者”转变为“审核者与决策者”。
这对金融从业者的启示是：
不要问“AI会不会替代我”，要问 “AI已经能替代我工作的哪个部分？”
将容易被替代的“信息整合”和“格式化输出”工作向上游迁移
转向需要真实客户信任、非标准化判断和跨部门协调的岗位
金融AI的落地问题，已经从“要不要”变成了“用哪一家的方案”。
