夜雨聆风把华尔街AI助手搬到A股：63个Claude金融Skills开源
Anthropic 去年开源了 claude-for-financial-services，一套面向华尔街投行的 Claude Skills 插件。说白了，就是给 Claude 装上金融专业技能，让它能直接干估值建模、财报分析、投行 Pitch 这些活。这套东西在海外金融圈反响不错，但对 A 股用户来说基本没法用——数据源是 Bloomberg/FactSet，研报是 JPM/GS 格式，会计准则按 US GAAP，无风险利率看美债。
上周有个叫 jwangkun 的项目在 GitHub 上火了——claude-for-financial-services-cn，把 Anthropic 那套东西整个搬到了 A 股。目前 600+ star，93 fork，Apache 2.0 协议开源。我仔细看了看 README 和代码结构，发现这项目不是简单翻译，而是从数据层到业务层做了系统性本地化重写。今天聊聊它的设计思路和工程边界。
项目本质：不是“汉化”，是“适配”
很多人看到“中文版”三个字会以为只是把菜单翻译成中文。这个项目不是。核心改动体现在三个维度：
• 数据源：原版对接 Bloomberg / FactSet / PitchBook，这套接入 Wind（万得）+ iFind（同花顺）+ AkShare（开源）。数据接口全部用 MCP（Model Context Protocol）封装，Claude 作为客户端调用。
• 会计准则：US GAAP 换成中国会计准则（CAS），三表模型、DCF 公式里的折旧摊销、税费处理全部改过。无风险利率从美债换成中债 10 年期。
• 研报格式：国内卖方研报的编排规范、章节结构、图表风格都写进了 Skill 的 prompt 里。比如“写一份贵州茅台年报点评，中金格式”，Claude 知道怎么组织内容。
这个问题本质上是：金融 AI 助手要想在 A 股落地，光靠一个通用大模型不够，必须把行业基础设施（数据终端、财务规范、文档模板）做成可被模型调用的工具集。 这个项目提供了一套完整的插件化方案。
63 个 Skills 怎么组织的
项目按垂直领域分了 6 大模块，一共 63 个 Skills：
| 模块 | 数量 | 场景 |
|---|---|---|
| china-finance | 31 | A 股研究核心：估值建模、财报分析、行业研究、数据查询 |
| investment-banking | 10 | 投行：Pitch Deck、并购模型、CIM、买方清单 |
| private-equity | 9 | PE：尽调清单、投委会 memo、回报分析、投后管理 |
| wealth-management | 5 | 财富管理：客户报告、理财规划、投资建议 |
| fund-admin | 6 | 基金运营：净值核对、对账、应计项目 |
| operations | 2 | 运营：KYC 文档解析、规则引擎 |
核心是 china-finance 这 31 个，覆盖了分析师日常最高频的场景：可比公司估值、DCF 模型、三表联动、季度业绩点评、行业综述、晨会纪要、PPT 生成、Excel 模型审计等。每个 Skill 以 .claude-plugin 目录下的 plugin.json + 具体 prompt 文件定义，可单独安装，也可打包安装整个模块。
比如 china-dcf-model 这个 Skill，prompt 里明确写了：自由现金流按中国会计准则计算，WACC 里的无风险利率取中债 10 年期国债收益率，终值增长率参考 A 股消费品/制造行业经验值。这些细节不写进去，模型跑出来的 DCF 就是美国味。
数据层设计：三级降级策略
这项目最聪明的工程决策在数据层。它没有绑定某一家的数据源，而是设计了一套优先级降级机制：
• Tier-0（付费）：万得 Wind，44 个工具，覆盖 A 股/港美股/基金/债券/宏观/研报。
• Tier-1（付费）：同花顺 iFind，31 个工具，覆盖行情/财务/基金/宏观/债券/港美股/指数。
• Tier-2（免费）：AkShare，开源金融数据接口，9 个工具。
• Tier-3（免费）：财经新闻（财联社/东方财富/交易所公告）。
当 Tier-0 不可用时（比如没买 Wind 的 API Key），系统自动降级到 iFind；iFind 不可用时降级到 AkShare；再不行还有新闻数据兜底。你可以通过环境变量控制降级策略（如 wind-only、wind-fallback）。
所有数据源都通过 MCP 服务封装，支持两种部署模式： - stdio 模式：本地开发直连，Claude Desktop / Claude Code 可以直接调用。 - SSE 模式：远程部署，适合 Managed Agent 或线上服务。
什么意思呢？假设你在本地跑 claude code，配置好数据源密钥，直接问“建一个宁德时代的 DCF 模型”，Claude 会先调 Wind 拿财报数据+中债利率，如果 Wind 没配好就自动切 iFind，再不行就用 AkShare 拿免费行情。用户无感。
工程边界：不是装上就能用
虽然项目开源且提供了一键安装命令，但实际使用有门槛：
1.
Wind 和 iFind 的数据源需要单独向对应平台申请 API Key。Wind 的 Key 以 ak_ 开头，iFind 是 JWE Token，都是收费服务。免费版 iFind 只能查基础行情和债券指数，个人版和企业版才能解锁基金/EDB/高频查询。AkShare 免费但数据覆盖和时效性有限，适合 demo 或低频使用。
2. 4 个端到端 Agent 降低了组合门槛，但不是黑盒。项目提供了 4 个预设 Agent：china-pitch-agent（投行一条龙）、china-market-researcher（行业研究）、china-earnings-reviewer（业绩点评）、china-model-builder（财务建模）。每个 Agent 本质是对多个 Skill 的编排和 prompt 封装。你可以直接用，也可以拆开组合。
3.
需要自检和部署环节。项目带了 scripts/check-china.py 和 scripts/test-china-cookbooks.sh，用来校验所有 manifest 和测试部署模板。如果是第一次跑，必须过一遍。
说白了，这个项目解决了“技能怎么定义、数据怎么接、怎么部署”的问题，但数据的实际可用性完全取决于用户买的 API 套餐。没有 Wind 和 iFind，纯靠 AkShare 也能跑基础场景，但高质量研报分析和实时行情会受限。
几点思考
• 为什么不做成模型微调？ 因为金融场景的数据源和规则变化太快。今天改个税法，明天中债利率波动，微调模型周期太长。用 Skills + MCP 数据源的架构，规则写在 prompt 里、数据接口通过 API 实时获取，灵活性和可维护性都好得多。
• 这项目最大的价值是“本土化模板”。Anthropic 原版代码是 Open Source，但没开源中文数据源和会计准则的适配方案。jwangkun 团队把这套“如何本地化”的工程步骤 open 了出来：数据源怎么选、类 MCP 定义、降级策略、研报格式的 prompt 怎么写。其他垂直行业（医疗、法律）也可以照搬这个模式。
• 适用边界：适合有 Wind/iFind 账户的金融机构内部使用，或者个人开发者做 A 股研究原型。如果你只是偶尔查个财报，AkShare 够用。但真正用于生产，起码要配一个 Tier-1 以上的付费数据源。
最后，这个项目验证了一件事：Anthropic 金融 AI 套件本土化的核心不在于模型改动，而在于数据源、会计准则和行业规范的系统性适配。 模型还是那个 Claude，但换掉底层数据通道和业务规则，就能从华尔街丝滑切换到 A 股。这才是开源项目该干的事。
原始链接
https://github.com/jwangkun/claude-for-financial-services-cn
