官方金融Agent完整参考实现。Anthropic开源的金融服务仓库：内置路演、市场研究、财报审阅、对账、KYC等按工作流命名的Agent，覆盖投行、行研、私募与财富管理，支持交互与无人值守双模式，附主流金融数据连接器。 定价：免费开源（Apache 2.0，需 Claude 订阅）。编辑评分：⭐ 4.6。
Anthropic Financial Services是什么？
这是 Anthropic 官方在 GitHub 开源的金融服务 Agent 参考仓库（anthropics/financial-services，Apache 2.0），为其 2026 年 9 月发布的 Claude 金融服务方案提供落地蓝图。仓库里是一整套拿来即改的组件：多个按工作流命名的完整 Agent——如路演材料 Pitch Agent、市场研究员 Market Researcher、财报审阅 Earnings Reviewer、模型搭建 Model Builder、总账对账 GL Reconciler、月末结账、报表审计、KYC 筛查等——覆盖投资银行、股票研究、私募与财富管理四大场景，外加按垂直打包的技能插件、斜杠命令与数据连接器。所有内容支持两种运行方式：作为 Claude Cowork 插件由人交互驱动，或经 Managed Agents API 无人值守运行，同一套系统提示与技能可跨模式复用。仓库的工程化程度也值得注意：每个插件都带版本号与显示名，官方还配了版本升级钩子与 CI 校验脚本，企业 fork 后的维护成本可控。
核心功能
- 命名 Agent 全家桶：从客户会议准备、行业研究到月末结账、报表审计，一条 claude plugin install 命令安装，每个 Agent 自带所需技能；
- 双模式部署：同一 Agent 定义既可人在环上交互使用，也可通过 Managed Agents API 批量后台运行，避免重复开发；
- 垂直技能包：/comps、/dcf、/earnings、/ic-memo 等斜杠命令与金融分析技能可单独安装，不装完整 Agent 也能用；
- 数据连接器：对接 Schwab、BlackRock、Addepar、FactSet、标普全球、Morningstar、LSEG 等财富与数据端系统，另有 LSEG、标普共建的伙伴插件；
- 合规边界内建：所有产出仅起草供人复核的工作成果，不做投资建议、不执行交易，输出分级待签核。
版本/套餐对比
仓库本身免费开源，真正决定成本的是 Claude 侧的订阅：个人与企业用户在 Claude Cowork 中安装插件即可使用，托管运行则需要 Managed Agents API。使用路径有三条——Cowork 内粘贴仓库地址安装、Claude Code 用 marketplace 命令添加、或用官方部署脚本把 Agent 推到 /v1/agents 接口。与自行从零搭建相比，它的价值在于把提示词、技能、连接器与安全注意事项打包成经过官方调校的组合，并配有 managed-agent-cookbooks 目录讲解子代理编排；不足是深度绑定 Claude 生态与海外金融数据源，国内机构使用需自行解决数据合规与连接器本地化。对咨询与实施团队，它也可以当作交付起点：在客户环境里替换连接器与提示词，比从零写方案快一个量级。
值不值得用？
如果你在金融机构负责 AI 落地，这个仓库几乎是一份免费的作业答案：它示范了垂直 Agent 应该怎么拆工作流、怎么接数据源、怎么在法律边界内表述产品能力，即便最终不用 Claude，架构也值得借鉴。限制也明确：连接器以欧美金融系统为主，国内券商、基金托管环境无法直接对接；产出必须经专业人士复核，不能省掉合规流程；且金融场景对准确性要求极高，参考实现到生产之间仍有一段工程与合规距离。适合当起点与范本，而不是即插即用的成品。
使用建议
- 从最接近你团队工作流的单个 Agent（如 Earnings Reviewer）开始试点，验证输出质量；
- 用自己的真实任务集做评测，再决定替换哪些系统提示与技能；
- 托管部署前先读 managed-agent-cookbooks 里的每个 Agent 安全说明；
- 明确告知业务方：所有产出都是草稿，签核责任在人不在 AI。
适合谁用？
推荐：投行、行研、私募与财富管理机构的 AI 与数字化团队，以及给金融客户做 Agent 方案的咨询与 ISV。可考虑：金融科技课程与研究者，用作垂直 Agent 架构教学样本。不推荐：寻求自动交易或投资建议的个人投资者——产品边界明确排除了这些用途。
