forcode：我看到anthropics通過推出各種行業插件來替代行業軟件，並且不斷積累行業專有數據，這可能是一條構建競爭壁壘的正確道路。
剛纔我安裝了三個金融分析方面的agents，直接可以生成專業投研機構級別的word文件，圖表、表格穿插着，圖文並茂，相當專業。
//Anthropic Financial Services Agents（2026年5月發佈）
Anthropic在今年5月於紐約的一場閉門發佈會上，由CEO Dario Amodei和JPMorgan CEO Jamie
Dimon共同宣佈，推出了 10個金融AI代理模板，面向銀行、保險、資管和對沖基金。
三大類10個代理
研究與客戶覆蓋：
- Pitch builder（投標書生成）—— 自動生成可比公司模型和投行pitchbook草稿
- Meeting preparer（會議準備）—— 整理客戶背景摘要
- Earnings reviewer（財報審閱）—— 讀財報電話會記錄，標記需要更新的模型
- Financial model builder（財務模型構建）
- Market researcher（市場研究）—— 追蹤行業和發行人動態
信貸、風險與合規：
- KYC screener（KYC篩查）—— 整理實體檔案，打包合規升級案例
財務與運營：
- Valuation reviewer（估值審閱）
- General ledger reconciler（總賬對賬）—— NAV計算
- Month-end closer（月末結賬）—— 執行結賬檢查表，準備日記賬分錄
- Statement auditor（報表審計）—— 審閱財報一致性和審計就緒狀態
部署方式
- Claude Cowork / Claude Code 插件（分析師實時輔助）
- Claude Managed Agents（更自治的長時間運行任務，帶完整審計日誌）
- 深度集成Microsoft 365（Excel、PowerPoint、Word，跨應用共享上下文）
數據生態
新增了Dun & Bradstreet、Moody's（6億+公司信用評級）、Fiscal AI、IBISWorld、Third
Bridge等數據連接器。
華爾街採用情況
Goldman Sachs、JPMorgan、Citadel、Citi、Visa、AIG、BNY Mellon、Mizuho等都已部署。Morgan
Stanley的財富管理顧問也在用。
對就業的影響
Dario Amodei本人說AI將在"1-5年內顛覆50%的入門級白領工作"。2026年初入門級（25歲以下）金融崗位招聘
已在收縮。
但Anthropic CFO Krishna Rao的立場是：不是替代人，而是改變工作性質——員工從"執行者"變成"AI管理者"。
Anthropic內部AI寫了90%的代碼、處理大部分財務工作，但公司反而招了更多人。
---
所以回到你的問題
這不是一個你能在Claude Code裏 /financial-services 這樣調用的技能插件。它是一個面向金融機構的
B2B企業產品，由Anthropic的專業團隊部署，定價和接入方式都需要企業商務合作。
不過，結合你已經有的 forcode-skill + investment-research + vibe-trading + a-stock-data + baostock
這一整套投資分析工具鏈，你個人能做的金融分析工作其實已經覆蓋了很多場景。真正被威脅的是投行和基金
裏做DCF模型、寫pitchbook、對財報、做KYC的初級分析師——這些人在華爾街本來就被稱爲"grunt
work"（苦力活），現在被AI代理直接鎖定了。
想要了解更多細節我可以找幾篇具體的報道來讀。
Sources:
- Anthropic deepens finance push with 10 new AI agents
- Bloomberg: Anthropic Unveils AI Agents to Field Financial Services Tasks
- Financial Express: Will AI replace finance jobs?
- Inc: Anthropic's New Claude Plug-Ins Take Aim at Finance, HR, and More
========================
forcode：請將這三個agents，部署到我本地的claude code：
- Earnings reviewer（財報審閱）—— 讀財報電話會記錄，標記需要更新的模型
- Financial model builder（財務模型構建）
- Market researcher（市場研究）—— 追蹤行業和發行人動態
以下爲claude code將安裝經驗改寫成的一篇分享文章：
金融AI插件本地實戰
最近Anthropic發佈了面向金融服務的10個AI代理模板，覆蓋投行研究、財報分析、市場研究、合規審查等場景，號稱可以替代初級分析師的大量工作。我花了點時間把它們裝進了本地的Claude Code，分享一下實操體驗。
先說結論：這些東西確實有用，但和大多數人想象的不太一樣。
一、什麼是"金融AI代理"
今年5月，Anthropic在紐約開了一場閉門發佈會，CEO Dario Amodei和JPMorgan的Jamie Dimon一起站臺，推出了10個金融AI代理模板。這些代理覆蓋三大塊：
研究和客戶覆蓋：投標書生成、會議準備、財報審閱、財務模型構建、市場研究
信貸風險合規：KYC篩查
財務運營：估值審閱、總賬對賬、月末結賬、報表審計
它們可以部署在Claude Cowork（桌面端AI助手）或Claude Code（命令行版）上，也能以Managed Agent的形式在後臺自動運行。數據方面接入了Moody's、Dun & Bradstreet、FactSet、Bloomberg等專業數據源。
消息一出，很多人在討論"初級分析師是不是要失業了"。從技術能力看確實有這個趨勢——Claude Opus 4.7在Vals AI的金融代理基準測試中拿了64.37%，排名第一。
二、個人用戶能裝嗎？
我關注的點比較務實：這些代理能裝到我自己本地的Claude Code上用嗎？
查了一下發現，Anthropic把整個項目開源到了GitHub（anthropics/financial-services），3萬多顆星。安裝方式很簡單，三條命令：
claude plugin marketplace add anthropics/financial-services
claude plugin install financial-analysis@claude-for-financial-services
claude plugin install equity-research@claude-for-financial-services
我重點裝了三個代理：市場研究（Market researcher）、財報審閱（Equity research / earnings reviewer）、財務建模（Investment banking / financial model builder）。裝完以後，它們以skills的形式出現在Claude Code的技能列表中，會自動識別對話中的相關話題並加載對應的分析框架。
三、問題來了：數據源
先別高興太早。這些代理出廠配置裏，數據源指向的是CapIQ、FactSet、Bloomberg、Moody's這類機構級金融數據終端——個人用戶根本接觸不到。
以市場研究代理爲例，它的agent定義明確寫了需要CapIQ和FactSet的MCP工具。如果直接運行，會因爲找不到數據源而卡住。
但在實際測試中我發現了一個關鍵事實：這些代理的真正價值不在數據源，而在分析框架。
以財報審閱（earnings-analysis）技能爲例，它給出了一套完整的流程：
Phase 1：數據採集。什麼時間範圍內獲取什麼數據，有哪些注意事項
Phase 2：Beat/Miss分析。先判斷超預期還是低於預期，量化差異幅度
Phase 3：關鍵指標拆解。按業務線、地區、產品逐層分析
Phase 4：盈利預測更新。新舊預測對比，說明變化原因
Phase 5：質量檢查。逐項覈對數據源和邏輯鏈
這整套方法論本身才是值錢的東西。數據源完全可以換成別的。
四、如何讓它在個人環境下跑起來
我的做法是建立了一條"數據回落鏈"：
如果是A股分析，走a-stock-data工具獲取實時行情和財務數據，用baostock拿歷史數據，用china-stock-analysis做估值計算。這些工具對個人用戶完全免費開放，而且專門針對A股市場優化過。
如果是美股分析，用yfinance獲取股價、財務報表和估值指標，用vibe-trading獲取SEC EDGAR的10-K/10-Q申報文件。美股市場的數據透明度高，個人能獲取的信息質量其實不輸機構終端。
如果是行業或宏觀分析，用WebSearch和reasonix做多角度搜索。再加上本地搭建的Wiki知識庫做長期信息沉澱。
這樣組合下來，雖然數據源不是實時Bloomberg終端，但大部分場景下足夠用了。
五、真正改變的是什麼
裝完這些插件跑了幾天，我感覺最大的變化不是"AI能幫我查數據了"——查數據這事本來就在做。真正改變的是分析框架的標準化程度。
以前做一個行業分析，結構全憑個人經驗：有的人先看市場規模，有的人先看競爭格局，順序和深度隨狀態浮動。現在插件加載後，直接給出一個機構級的分析框架——市場規模、增速、細分、價值鏈、競爭格局、驅動力、風險、估值——每個環節都有詳細的what-to-do和what-to-watch。
這就是這些開源插件最大的價值：它們把華爾街分析師的思考過程寫成了可複用的技能，裝進Claude Code後自動加載，不用你特地開口要求。
另一個好處是交互方式的變化。以前查公司數據，需要明確說"幫我查一下茅臺的PE和ROE"。現在涉及相關話題，對應的技能自動激活，給出的回覆天然帶有結構化分析的味道，不再是散點式的數據堆砌。
六、一些實際限制
當然，這個方案不是萬能的。
首先，代理依賴的Moody's信用評級、FactSet的全球一致預期數據、Bloomberg的逐筆成交數據，個人用戶確實拿不到。這在分析小盤股或者非主流市場時會比較明顯。
其次，這些代理的設計視角偏歐美市場，直接套用到A股會有水土不服的問題。A股市場的特色數據——龍虎榜、北向資金、概念板塊輪動——原生代理完全不理解，需要靠本地工具補齊。
最後，這些技能模板的質量參差不齊。投行包的併購模型、保密信息備忘錄屬於特定場景，個人投資者基本用不上。真正高頻用的是行業概覽、財報分析和可比估值這三塊。
七、一個值得關注的趨勢
Anthropic的CFO在接受採訪時說過一句話讓我印象很深：AI在公司內部寫了90%的代碼，處理了大部分財務工作，但公司反而招了更多人——人的角色從執行者變成了AI管理者。
這話有公關成分，但方向是對的。這些金融代理不是直接替代分析師，而是把分析師從"手動拉數據+拼PPT"變成"審覈AI拉的數據+優化AI拼的PPT"。效率提升幾個數量級之後，需要的人或許確實少了，但留下的人做的是更有判斷力的工作。
對於個人投資者來說，這些開源插件降低了一個門檻：以前需要團隊才能完成的研究覆蓋廣度，現在一個人加一套AI工具也能接近。一個行業概覽、一份財報分析、一組可比估值，過去需要幾小時甚至幾天，現在十幾分鍾到半小時就能出初稿。剩下的時間用來驗證邏輯、找反方觀點、檢查自己有沒有漏掉什麼。
這可能是AI對個人投資者最實在的價值：把你從信息收集和格式整理中解放出來，騰出精力去做真正需要人的判斷。