Appearance
5月5号，Anthropic在纽约搞了个发布会，推出10个面向金融行业的AI Agent。不是那种聊天问答的玩具，是真的能接活儿的Agent。Pitch材料、财报分析、KYC尽调、月末关账，这些金融办公室里最费时间的脏活，Claude说要接手了。
10个Agent，覆盖金融全场景
Anthropic这次发布的10个Agent，分成三类：
前台业务支持（4个）
| Agent | 核心功能 | 适用人群 |
|---|---|---|
| Pitch Builder | 可比公司分析→交易先例→LBO建模→Pitch Deck | 投行分析师 |
| Meeting Preparer | 客户背景+历史交易+市场动态+讨论要点 | 客户经理 |
| Earnings Reviewer | 财报电话会分析+业绩解读 | 研究员 |
| Model Builder | 财务模型搭建+敏感性分析 | 分析师 |
中台合规风控（2个）
| Agent | 核心功能 | 适用人群 |
|---|---|---|
| KYC Screener | 客户身份核查+风险评估 | 合规专员 |
| Market Researcher | 市场研究+竞品分析+行业趋势 | 研究员 |
后台财务运营（4个）
| Agent | 核心功能 | 适用人群 |
|---|---|---|
| General Ledger Reconciler | 总账对账+差异分析 | 财务专员 |
| Month-End Closer | 月末关账+结账流程 | 财务经理 |
| Statement Auditor | 报表审计+异常检测 | 审计专员 |
| Valuation Reviewer | 估值复核+模型验证 | 估值分析师 |
核心亮点：Pitch Builder
拿 Pitch Builder 来说，它的流程是：
可比公司分析 → 交易先例 → LBO建模 → 品牌化Pitch Deck以前：分析师花几天做的材料 现在：Agent自动生成初稿
Meeting Preparer 更细。每次客户会议前，它会自动准备全套简报，分析师不用自己翻资料了。
竞品视角：Claude的10个Agent强在哪
跟通用AI比
GPT-4、Gemini 也能写 Pitchbook，但它们没有内置的金融数据连接器。
| 对比项 | 通用AI | Claude金融Agent |
|---|---|---|
| 数据来源 | 不知道去哪查 | 直接接入 FactSet、Morningstar、S&P Capital IQ |
| 数据准确性 | 不知道准不准 | 专业数据源保证 |
| 输出格式 | 通用格式 | 符合金融行业规范 |
跟传统金融软件比
| 对比项 | 传统金融软件 | Claude金融Agent |
|---|---|---|
| 灵活性 | 固定流程 | 可按需调整 |
| 学习成本 | 高 | 低 |
| 集成能力 | 弱 | 可接入多种数据源 |
跟RPA比
| 对比项 | RPA | Claude金融Agent |
|---|---|---|
| 规则处理 | 强 | 强 |
| 非结构化处理 | 弱 | 强 |
| 判断能力 | 无 | 有 |
三层架构：Agent、Skills、Connectors
每个 Agent 底层都是三层架构：
Agent层
负责调度和决策，理解用户意图，分解任务，协调子Agent。
Skills层
把金融行业的工作步骤写成结构化指令：
| Skill | 内容 |
|---|---|
| 工作流 | 这类任务的正确步骤是什么 |
| 格式规范 | 输出要符合什么格式 |
| 质量标准 | 什么样的输出才算合格 |
Connectors层
让 Agent 能直接连接金融数据源：
| 数据源 | 说明 |
|---|---|
| FactSet | 金融数据和 analytics |
| Morningstar | 投资研究数据 |
| S&P Capital IQ | 资本市场数据 |
| Bloomberg | 实时市场数据 |
| 自家数据库 | 内部数据连接 |
Subagents层
把复杂任务拆给多个子Agent并行处理：
用户任务 → Agent 分解 → Subagent 1（并行） → Subagent 2（并行） → 结果汇总Microsoft 365 集成
这次发布还把 Claude 接入了 Office 全家桶：
| 软件 | 集成能力 |
|---|---|
| Excel | 数据分析、公式生成、图表创建 |
| PPT | 内容生成、格式优化、演讲稿 |
| Word | 文档撰写、内容优化、格式 |
| Outlook | 邮件撰写、日程管理 |
核心能力：四个软件之间的上下文接力。
你在 Excel 里分析的数据，可以直接无缝传递给 PPT 做汇报，不用复制粘贴。
资本市场反应
| 公司 | 股价变化 | 原因 |
|---|---|---|
| FactSet | 下跌 | 数据分析被 AI 替代 |
| Morningstar | 下跌 | 投资研究被 AI 替代 |
| 传统投行 | 观望 | 等待看对手怎么用 |
金融AI的门槛
不是所有公司都能用好这套工具。门槛有三层：
| 门槛 | 说明 |
|---|---|
| 第一层 | 有没有规范的设计系统文档 |
| 第二层 | 有没有干净的数据接口 |
| 第三层 | 有没有懂 AI 的金融人才 |
没有设计系统文档，Agent 不知道怎么干活。
没有干净的数据接口，Agent 拿不到准确数据。
没有懂 AI 的金融人才，Agent 输出没人敢用。
对产品经理的启发
从金融 Agent 看 AI 落地的三个关键点：
1. 垂直场景 > 通用能力
不是说通用 AI 不好，而是垂直场景的 AI 更有价值。
金融 Agent 的价值不在于"能写 Pitchbook"，而在于"能接入 FactSet 数据、能按投行规范输出"。
2. 工作流 > 单点能力
Agent 不是替代某个岗位，而是替代某个工作流。
Pitch Builder 替代的不是分析师，而是"做 Pitchbook"这个完整工作流。
3. 行业知识 > AI 技术
会写 Prompt 的人很多，懂金融的人也不少，但既懂 AI 又懂金融的人很少。
这才是未来最稀缺的人才。
总结
Anthropic 这10个金融 Agent 的意义：
- 从玩具到工具：不是聊天机器人，是能接活儿的 Agent
- 从通用到垂直：针对金融场景的精准打击
- 从单点到闭环：覆盖完整工作流
金融行业的 AI 落地，门槛不低，但方向已定。
一句话：不是 AI 替代人，而是会用 AI 的人替代不会用 AI 的人。
