[{"data":1,"prerenderedAt":498},["ShallowReactive",2],{"blog-post-/zh/blogs/anthropic-finance-plugins-insider-take":3},{"id":4,"title":5,"body":6,"description":480,"extension":481,"meta":482,"navigation":493,"ogImage":484,"path":494,"seo":495,"stem":496,"__hash__":497},"zh/blogs/zh/21.anthropic-finance-plugins-insider-take.md","Anthropic把一套完整的AI技术栈交给了金融团队。我用真实工作跑了一遍——以下是我的发现。",{"type":7,"value":8,"toc":467},"minimal",[9,13,16,20,23,84,102,105,108,115,118,121,124,127,133,136,140,143,146,151,154,169,175,180,183,189,198,201,205,208,211,214,220,223,229,235,241,244,247,250,253,256,259,263,266,269,272,275,278,281,287,296,299,302,308,311,314,324,330,339,345,351,354,357,360,363,366,369,375,379,382,447,450,456],[10,11,12],"p",{},"Anthropic本周发布了financial-services-plugins——五个Claude插件，覆盖DCF估值模型、LBO分析、股票研究报告、IC备忘录和财富管理工作流，并直接连接包括FactSet、标普全球、晨星、穆迪在内的11个机构级数据源。",[10,14,15],{},"我在一家金融公司做软件开发。这周我把整个repo读了一遍——然后真正跑了一遍：生成了一个DCF模型和一份客户报告。以下是我实际发现的东西。",[17,18,19],"h2",{"id":19},"里面有什么",[10,21,22],{},"五个插件。一个核心基础层需要先装（Financial Analysis），然后根据团队职能叠加四个专业模块：",[24,25,26,39],"table",{},[27,28,29],"thead",{},[30,31,32,36],"tr",{},[33,34,35],"th",{},"插件",[33,37,38],{},"做什么",[40,41,42,54,64,74],"tbody",{},[30,43,44,51],{},[45,46,47],"td",{},[48,49,50],"strong",{},"Investment Banking",[45,52,53],{},"起草CIM、构建买家列表、运行并购模型、追踪交易进展",[30,55,56,61],{},[45,57,58],{},[48,59,60],{},"Equity Research",[45,62,63],{},"撰写财报报告、构建投资论点、覆盖行业研究",[30,65,66,71],{},[45,67,68],{},[48,69,70],{},"Private Equity",[45,72,73],{},"寻源交易、开展尽调、起草IC备忘录、监控组合KPI",[30,75,76,81],{},[45,77,78],{},[48,79,80],{},"Wealth Management",[45,82,83],{},"准备客户评审、再平衡投资组合、构建财务规划",[10,85,86,87,91,92,91,95,91,98,101],{},"每个插件都新增斜杠命令，直接在Claude里运行——",[88,89,90],"code",{},"/comps [公司]","、",[88,93,94],{},"/dcf [公司]",[88,96,97],{},"/earnings [公司] [季度]",[88,99,100],{},"/ic-memo [项目]","。输出到Excel（带实时公式）、PowerPoint（你的品牌模板）或Word文档。零代码，安装即用。",[10,103,104],{},"大多数报道略过了最值得关注的部分：技能文件。它们不是套着金融术语的通用提示词，而是编码了资深分析师处理可比公司分析或IC备忘录时实际运用的那种推理框架。读几个就能感受到设计用心。",[10,106,107],{},"但命令和技能文件都不是这次发布最有意思的部分。",[10,109,110],{},[111,112],"img",{"alt":113,"src":114},"Repo架构：financial-analysis核心插件、四个专业插件、11个MCP数据连接器","/blogs-img/2026-02-26-anthropic-finance-01.jpg",[17,116,117],{"id":117},"数据巨头们刚刚宣告了一个标准",[10,119,120],{},"FactSet。标普全球。晨星。穆迪。LSEG。PitchBook——11家机构级数据供应商，全部在同一个发布窗口内构建了原生MCP连接器。不是初创公司，是深度嵌入每家主要金融机构工作流、签着多年期企业合同的数据基础设施供应商。",[10,122,123],{},"当这么多行业巨头同时朝同一个方向移动，这是一个标准在宣告自己的存在。历史对照：当Bloomberg和FactSet在2010年代开放REST API，整整一代金融科技公司在其上构建。MCP是2026年版的那个时刻。",[10,125,126],{},"数据提供商是管道，Claude是水管工。",[10,128,129],{},[111,130],{"alt":131,"src":132},"MCP协议汇聚：11家机构级数据供应商全部接入MCP协议，经由Claude输出结果","/blogs-img/2026-02-26-anthropic-finance-02.jpg",[10,134,135],{},"在我的公司，问题不再是\"要不要用AI\"——那个已经有了答案。现在问的是：对于已经付费的数据供应商，开通MCP连接器要花多少钱？这是一个具体得多、可操作得多的对话。",[17,137,139],{"id":138},"我真的跑了一遍dcf和客户报告","我真的跑了一遍——DCF和客户报告",[10,141,142],{},"读repo是一回事。我想知道在真实工作上它实际产出什么。",[10,144,145],{},"我跑了两个测试：一个DCF模型，一份客户报告。下面的文件都是真实的——Claude直接生成的产出，没有经过任何编辑，原样分享出来，方便你看插件实际能产出什么。",[10,147,148],{},[48,149,150],{},"DCF的产出：",[10,152,153],{},"回来的是一个真正的Excel工作簿——公式引用、关联单元格、内置敏感性分析表。结构遵循投行惯例：收入构建、利润率假设、终值、WACC计算、隐含估值区间。不是我会直接发出去的东西——有些假设我会调整，有几处会覆盖默认值——但脚手架是对的，从这个起点编辑比从零开始构建要快得多。",[10,155,156,157,164,165,168],{},"📎 ",[48,158,159],{},[160,161,163],"a",{"href":162},"/blog-assets/AMZN_DCF_Model_2026-02-25.xlsx","下载：AMZN DCF模型（Excel）"," — ",[88,166,167],{},"/dcf AMZN"," 的实际产出，生成后未作任何修改",[10,170,171],{},[111,172],{"alt":173,"src":174},"AMZN DCF模型 Excel 内页——情景假设、收入构建、WACC与敏感性分析表","/blogs-img/2026-02-26-anthropic-finance-03.png",[10,176,177],{},[48,178,179],{},"客户报告的产出：",[10,181,182],{},"报告输出（使用样本数据生成，非真实客户信息）同样结构清晰——执行摘要、关键指标、组合评述，格式针对客户场景。语言专业，结构标准。同样不是直接发出去的状态，但是扎实的初稿，把\"空白页问题\"完全消除了。",[10,184,185],{},[111,186],{"alt":187,"src":188},"客户报告产出——面向客户的格式化报告","/blogs-img/2026-02-26-anthropic-finance-04.png",[10,190,156,191,197],{},[48,192,193],{},[160,194,196],{"href":195},"/blog-assets/Sample_Customer_Performance_Report_FY2025.xlsx","下载：客户绩效报告（Excel）"," — 客户报告命令的实际产出，真实测试运行",[10,199,200],{},"我的核心感受：价值不在于最终输出是完美的，而在于起点是正确的。一个空白Excel和一个正确结构的工作簿是两件完全不同的事。一个空白文档和一份格式化的初稿是两件完全不同的事。前者是一项任务，后者是一个编辑工作。从空白页到结构化起点之间的那个间隙——那是大多数时间实际花在哪里的地方。",[17,202,204],{"id":203},"skills正在成为产品本身","Skills正在成为产品本身",[10,206,207],{},"用过之后，我开始思考一个比这些具体插件更宏观的问题。",[10,209,210],{},"这里的架构——领域知识编码在Markdown文件里，组织为技能和命令，通过JSON连接数据源——是一个将远远超出金融服务范围而泛化的模式。软件不是Python代码，不是API调用。软件是Markdown。",[10,212,213],{},"这是对\"构建\"意味着什么的有意义的转变。面向技能的项目设计——核心IP存在于结构化的、人类可读的领域知识文件中，而不是在代码里——将变得越来越普遍。对于很多知识工作自动化来说，未来的代码库可能主要就是一套结构良好的Markdown文件。",[10,215,216],{},[111,217],{"alt":218,"src":219},"面向技能的编程——专业知识编码在结构化文件中，而非代码里","/blogs-img/2026-02-26-anthropic-finance-08.jpg",[10,221,222],{},"由此衍生出几点：",[10,224,225,228],{},[48,226,227],{},"技能文件本身就是护城河。"," 任何人都可以安装这个repo。差异化来自叠加在上面的公司专属技能——专有的交易框架、编码为约束条件的内部观点、被正式化为技能文件的机构沟通风格。那些被编码和版本控制的机构知识，比任何SaaS订阅都更难复制。",[10,230,231,234],{},[48,232,233],{},"围绕技能配置会有真实的咨询市场。"," 把一个组织的实际流程翻译成结构良好的领域知识文件是一门技艺。一个认真配置这些文件的机构——把真实的工作流转化为精心设计的技能——得到的东西和安装默认配置就放在那里的机构是质的不同。随着这个模式扩散，知道如何做好那个翻译工作的人会有需求。",[10,236,237,240],{},[48,238,239],{},"\"只是Markdown\"是对本周怀疑声音的错误解读。"," 流传的一个批评是：这些技能\"只是提示词\"，用更便宜的模型可以更低成本复制。技术上正确，对企业买家实际上无关紧要。机构不会去雇人为41个金融工作流编写并维护自定义系统提示。这个repo里的文件是预置的、有版本控制的、经过专业设计的领域知识。\"只是Markdown\"是特性，不是缺陷——任何理解这个工作流的资深人员都可以读懂、验证、扩展，无需碰一行代码。",[17,242,243],{"id":243},"我内部实际上在考虑的事",[10,245,246],{},"基于这次使用体验，我在认真考虑把Claude Code加上技能集分别推给我们的销售团队和研发团队。",[10,248,249],{},"技能格式让这对非技术团队是可行的。我不需要构建自定义工具，不需要培训新界面，不需要维护集成。我写技能文件来编码我们的具体工作流，配置我们已经有合同的数据连接器，团队就有了一个从第一天就理解我们领域的AI协作者。",[10,251,252],{},"销售团队：编码我们产品、典型客户画像、提案格式、常见异议的技能集。",[10,254,255],{},"研发团队：编码我们研究框架、数据源、文档标准的技能集。",[10,257,258],{},"当前活在人脑中的机构知识——随着员工离开而流失的那些——被编码并变得可查询。这是和通用AI助手不同量级的价值。",[17,260,262],{"id":261},"一个真实的例子从搭建-agentic-工作流到写一个-skill-文件","一个真实的例子：从搭建 Agentic 工作流到写一个 Skill 文件",[10,264,265],{},"这个转变对我来说通过一次具体的对话变得非常清晰——就在这次发布前几周，我和客户团队的同事在讨论一个问题。",[10,267,268],{},"我们想解决的问题：自动化个性化投资建议。一个客户带着特定的投资组合、特定的目标、特定的风险偏好来找我们。以前，产出一份符合公司标准的、有针对性的投资建议需要大量手工工作——拉数据、梳理配置逻辑、按我们的格式起草文档。",[10,270,271],{},"最初的方案是从头搭建一个 Agentic 工作流。设计数据管道、写编排逻辑、构建输出模板、接入我们的系统、测试、维护。真正的工程工作——几周的开发周期，持续的维护成本，需要专人负责。",[10,273,274],{},"读完这些插件之后，我意识到用一个 Skill 文件就能实现大部分需求。",[10,276,277],{},"一个技能文件，编码我们的投资建议逻辑——我们的配置框架、客户沟通标准、必要的合规披露、输出格式。一个命令，拉取客户的投资组合数据，通过这套推理逻辑处理。输出：一份结构化的投资建议文档，按我们的标准格式化，准备好供顾问审阅。",[10,279,280],{},"我利用财富管理技能，用一个样本客户档案跑了一遍——产出不言自明。",[10,282,283],{},[111,284],{"alt":285,"src":286},"产出：基于技能文件生成的个性化投资建议，按公司标准格式化","/blogs-img/2026-02-26-anthropic-finance-07.png",[10,288,156,289,295],{},[48,290,291],{},[160,292,294],{"href":293},"/blog-assets/Guo_Aaron_Investment_Proposal.md","下载：投资建议（Markdown）"," — 针对样本客户档案的技能实际产出，未作修改",[10,297,298],{},"让我意外的不是输出的质量，而是构建的速度。我原本估计是几周的工程项目，变成了几个小时写一个结构良好的 Markdown 文件。技能文件本身对团队里任何资深人员都是可读的——可以被审阅、质疑、迭代，不需要碰一行代码。",[10,300,301],{},"从\"我们需要搭建一个 Agentic 系统\"到\"我们需要写一个技能文件\"——这个间隙就是范式的转变。不只是针对投资建议，任何可以被编码为结构化推理的工作流，现在都属于技能文件，而不是定制化的 Agentic 管道。",[10,303,304],{},[111,305],{"alt":306,"src":307},"范式转变：搭建 Agentic 工作流（数周工程量）vs 写一个技能文件（数小时）","/blogs-img/2026-02-26-anthropic-finance-05.jpg",[17,309,310],{"id":310},"什么会真正被采用",[10,312,313],{},"几点从技术和实际使用角度的判断：",[10,315,316,319,320,323],{},[48,317,318],{},"会快速落地的："," 已知格式的交付物，且数据订阅已经到位。财报摘要、可比公司分析表、研究报告初稿、客户报告。增量工作量：安装插件，配置",[88,321,322],{},".mcp.json","指向已付费的供应商，完成。几个月内，而不是几年。",[10,325,326,329],{},[48,327,328],{},"会慢的："," 完整模型直接进入客户材料。合规和风险团队需要在模型架构和审核流程上签字后，AI生成的DCF才能进路演PPT。这不是Claude的问题——这是Excel模板上就已经存在的管控问题，当AI介入时更加正式。",[10,331,332,335,336,338],{},[48,333,334],{},"真正的阻力是数据，不是工具。"," 如果你的公司没有FactSet或Capital IQ的合同，MCP连接器无法充分释放价值。但开源性质改变了中型机构的可行性计算：fork这个repo，配置",[88,337,322],{},"指向你有合同的那一家供应商，加入你公司自己的模型和术语。以前需要软件项目的事，现在需要一个会编辑Markdown的人。",[10,340,341,344],{},[48,342,343],{},"在你准备好部署之前就开始合规对话。"," 技术工作量比预期的轻。组织层面的工作——合规审批、IT安全、数据治理——才是时间线真正的所在。等到技术准备好再开始，已经损失了两三个月。",[10,346,347],{},[111,348],{"alt":349,"src":350},"快速落地 vs 需要更长时间——中型金融机构的采用现实框架","/blogs-img/2026-02-26-anthropic-finance-06.jpg",[17,352,353],{"id":353},"蓝图",[10,355,356],{},"Anthropic本周发布的不只是插件，而是一份设计规范——AI原生金融机构的工具层应该是什么样子的。",[10,358,359],{},"架构：带共享建模基础设施的核心插件、各职能专用的附加模块、机构级数据的MCP连接器、直接输出到Excel和PowerPoint。模块化，数据连通，工作流专用，Markdown可定制。",[10,361,362],{},"我越来越觉得技能文件模式才是这里持久的贡献，而不是任何具体的命令或产出。领域知识编码在结构化的、有版本控制的、人类可读的文件中，该领域任何足够资深的人都可以扩展。这是一个真正新的软件基元。",[10,364,365],{},"现在就把机构知识编码进技能文件的机构——他们的交易框架、研究方法论、客户沟通标准——在构建一种复利增长的东西。不只是生产力工具，而是一个随时间变得更有用的组织知识系统。",[10,367,368],{},"等待供应商把这些打包成授权产品的机构会付出三倍代价，拿到一个已经落后一代的解决方案。这个模式在金融技术领域发生过，正在以更快的速度再次发生。",[10,370,371],{},[111,372],{"alt":373,"src":374},"蓝图——AI原生金融机构架构：顶层为技能文件中的机构知识，中层为核心基础设施与专业模块，底层为数据连接器，产出至Excel/PowerPoint/Word","/blogs-img/2026-02-26-anthropic-finance-09.jpg",[17,376,378],{"id":377},"下载-本文引用的真实产出文件","下载 — 本文引用的真实产出文件",[10,380,381],{},"以下文件均为本文测试过程中Claude生成的原始产出，未作任何修改，供参考。",[24,383,384,397],{},[27,385,386],{},[30,387,388,391,394],{},[33,389,390],{},"文件",[33,392,393],{},"格式",[33,395,396],{},"对应章节",[40,398,399,412,423,436],{},[30,400,401,406,409],{},[45,402,403],{},[160,404,405],{"href":162},"AMZN DCF模型",[45,407,408],{},"Excel",[45,410,411],{},"我实际跑了一遍",[30,413,414,419,421],{},[45,415,416],{},[160,417,418],{"href":195},"客户绩效报告",[45,420,408],{},[45,422,411],{},[30,424,425,431,433],{},[45,426,427],{},[160,428,430],{"href":429},"/blog-assets/Guo_Aaron_Investment_Proposal.xlsx","投资建议",[45,432,408],{},[45,434,435],{},"从Agentic工作流到技能文件",[30,437,438,442,445],{},[45,439,440],{},[160,441,430],{"href":293},[45,443,444],{},"Markdown",[45,446,435],{},[448,449],"hr",{},[10,451,452],{},[453,454,455],"em",{},"我写的是在金融服务和技术产品交叉地带构建AI原生——从一家真实机构内部看是什么样的。Newsletter在这里：",[10,457,458],{},[453,459,460,461],{},"→ ",[160,462,466],{"href":463,"rel":464},"https://shipwithai.beehiiv.com",[465],"nofollow","Ship with AI on Beehiiv",{"title":468,"searchDepth":469,"depth":469,"links":470},"",2,[471,472,473,474,475,476,477,478,479],{"id":19,"depth":469,"text":19},{"id":117,"depth":469,"text":117},{"id":138,"depth":469,"text":139},{"id":203,"depth":469,"text":204},{"id":243,"depth":469,"text":243},{"id":261,"depth":469,"text":262},{"id":310,"depth":469,"text":310},{"id":353,"depth":469,"text":353},{"id":377,"depth":469,"text":378},"Anthropic本周发布了financial-services-plugins——五个Claude插件连接11个机构级数据源。我是一家金融公司的技术产品负责人，用它跑了真实的DCF模型和客户报告。以下是我实际发现的东西。","md",{"date":483,"image":484,"alt":485,"tags":486,"category":492,"published":493},"26th Feb 2026","/blogs-img/2026-02-26-anthropic-finance-cover.jpg","Anthropic金融AI技术栈蓝图架构图——顶层为Claude + Skills，中层为四个专业模块，底层为11个机构级数据连接器",[487,488,489,490,491],"人工智能","金融科技","Anthropic","MCP协议","金融分析","business-strategy",true,"/blogs/zh/anthropic-finance-plugins-insider-take",{"title":5,"description":480},"blogs/zh/21.anthropic-finance-plugins-insider-take","OTzis86rvEUhZHybsbEkMxoPJ00Urx0p6RgXLv3wFTY",1781532113142]