夜雨聆风折腾了AI大半年，从第一个prompt到搭建完整工作流，到现在开始研究harness和工程化，踩了无数坑，也找到了真正好用的方法。
现在我把这半年的实践，集结成了"金融人怎么用AI"的实操手册。是以为记。
大部分人在 AI 上犯的第一个错，不是 prompt 没写好。
是没想清楚该让它干什么。
AI 能帮你读 30 篇研报，也能把"看多"写成"看空"。能帮你算目标价，也能多打一个零。
不是 AI 不行。是你没把任务拆清楚。
一句话
在写这个系列开篇，我觉得可能最重要的是这4个原则，来自anthropic公开课程，虽然不是针对金融领域的，但我觉得很合适。
Delegate 不是"全扔给 AI"。是把任务拆开，问自己：哪些活 AI 干得比我快，哪些活必须我来。拆清楚了，人机分界线自然就出来了。
三问法
每次碰到一个新任务，问自己三个问题。答案通常不用多想。
第一问：数据敏感吗？
"这个任务会碰客户隐私、未公开信息、合规红线吗？"
第二问：需要判断力吗？
"这事有明确规则，还是得靠经验、审美、直觉？"
第三问：谁背锅？
"搞砸了，谁担责？AI 还是你？"
三个问题的底层逻辑是一样的：AI 兜不了底。兜底的是你。
Delegate 的核心不是"AI 能做什么"，是"你敢让 AI 做什么"。
三个真实场景
场景 1：每天 50+ 篇研报
做产品经理要跟踪行业。每天券商发 50+ 篇研报，靠人看根本不现实。
AI 干的活：
• 提取核心观点——目标价、评级、逻辑链 • 结构化摘要，表格化输出 • 关键词匹配：行业、公司、事件 • 去重：同一家公司多篇只留最新
人干的活：
• 抽查 20% 的摘要，看准不准 • 拍板：哪几篇值得深读 • 基于摘要做投资决策 • 对投资结果负责
场景 2：客户资产配置
你是理财师，客户风险偏好中等、资产 500 万，要出一份资产配置方案。
AI 干的活：
1. 基于问卷数据分析客户风险画像 2. 生成 3 套方案：保守、平衡、积极 3. 跑历史回测，算收益和风险指标 4. 生成周报、月报草稿
人干的活：
1. 理解客户的真实需求——不光是问卷里那几个数字 2. 调整方案：客户有特殊情况，AI 不知道 3. 跟客户讲清楚方案逻辑 4. 对客户的信任负责
场景 3：合规审查
你是产品负责人，新功能要上线，得确认符合监管要求。
AI 干的活：
1. 检索相关法规：证监会、银保监会文件 2. 把功能设计和法规要求逐项对比 3. 标出潜在风险点 4. 生成合规检查清单
人干的活：
1. 判断风险点是不是真存在——不是标出来就算 2. 决定要不要调整设计 3. 跟法务、合规部门沟通 4. 对合规结果负法律责任
三个场景跑下来，规律很清楚。
AI 做的事都有两个特征：量大、规则明确。人做的事也有两个特征：要判断、要担责。
不是 AI 抢活干，是你终于可以把"不用动脑子"的活扔出去了。
怎么开始
今天就能干的 3 件事
1. 把你的日常工作列出来（30 分钟）
把所有工作写下来，按三个维度标——数据敏感度、创造性、谁担责任。标出哪些可以扔给 AI。
2. 挑一个低风险的活让 AI 试（1 小时）
推荐从这几个入手：研报摘要、数据整理、会议纪要。
工具：ChatGPT / Claude / OpenClaw，都行。
3. 设一个验证机制（15 分钟）
AI 出结果后，人工抽查 20%。发现有错马上调 prompt。别等攒一堆再修。
直接可用的 Prompt
复制下面这段，贴到 ChatGPT 或 Claude，把 {你的任务} 换掉就能用：
你是一名金融产品经理助手。请帮我完成以下任务：{你的任务描述}要求：1. 只负责信息整理和草稿生成2. 最终判断由我来做3. 如有不确定之处，明确标注"需人工确认"4. 输出格式：结构化要点（不要长段落）请开始。常见误区
一开始就要想清楚：不是"要不要用 AI"，是"用在哪"。用错了地方，比不用还糟。
下一篇预告：
下一篇聊「Describe——怎么让 AI 听懂人话」。很多同行抱怨 AI 不听话，其实问题不在 AI。是你没说清楚。Prompt 的本质不是下指令，是描述需求——你说得越明白，它干得越漂亮。
如果这篇文章对你有用，欢迎关注「金融人小站」。站内持续更新 AI 协作的实战技巧、工具推荐和思考框架。每一篇都经过实测，每一招拿到就能用。🔗 financepro.mangofolio.com