anthropics/financial-services - 学习路径

由于 trendforge.devlive.top 访问受限，请切换到 trendforge.devlive.org 域名

项目介绍快速开始学习路径贡献者 7 增长趋势 Commit 历史代码统计生态关系项目时间线项目竞品上榜历史

学习路径指南

难度等级

入门

预计时长

2-3小时（快速上手）；1-2天（含 Managed Agent 部署）

适合人群

对 AI 在金融场景应用感兴趣的开发者/金融科技从业者、想为投研/投行/基金运营团队引入 Claude 的技术人员，零基础也可入门（项目全部是 Markdown/JSON 文件，无构建步骤）

学习目标：理解 Claude for Financial Services 仓库的 Agents/Skills/Commands/Connectors 架构，并能通过 Cowork 插件或 Managed Agents API 部署金融工作流代理（如 /comps、/dcf、/earnings 等）

前置知识

Git 基础了解

需要 clone 仓库、切换目录，理解基本的文件结构

命令行使用了解

会使用终端运行简单命令、安装 Claude Code 插件

Python 基础了解

运行 scripts/orchestrate.py 等部署脚本时需要能读懂并执行 Python 脚本

Claude 产品基础了解 (可选)

了解 Claude / Claude Code / Claude Cowork 的基本概念与账号体系，便于安装插件

金融业务背景了解 (可选)

理解 DCF、LBO、Comps、GL 对账、KYC 等术语能更好地读懂 Agent 与 Skill 的设计意图；非金融背景也可先跳过

API/HTTP 基础了解 (可选)

部署 Managed Agents 时需要理解 REST API、POST 请求、API Key 等概念

学习步骤

阶段1：环境准备与仓库概览

30-45 分钟

安装基础工具

安装 Git、Python（3.8+）、Claude Code 或注册 Claude Cowork 账号

本项目全部是 Markdown/JSON 文件，无编译/构建步骤，环境要求很低

克隆仓库

git clone https://github.com/anthropics/financial-services，浏览目录结构

重点看 plugins/、managed-agent-cookbooks/、scripts/ 三个目录

通读 README 与免责声明

理解项目定位（参考模板，非投资建议）、Agents/Skills/Commands/Connectors 四大组件

所有产出都需要人工复核，项目明确不做投资推荐或自动执行交易

阶段2：快速上手（Cowork 插件安装）

45-60 分钟

安装 Cowork 插件

在 Cowork 的 Settings → Plugins → Add plugin 中粘贴仓库 URL，或上传 plugins/ 目录下某个子目录的 zip

第一次建议只装一个最小插件（如 plugins/agent-plugins/pitch-agent/）熟悉流程

安装 Claude Code 插件（可选）

按照 README 中 Claude Code 一节的方式加载插件，体验斜杠命令

命令如 /comps、/dcf、/earnings、/ic-memo 安装后即可使用

试用第一个 Agent

在 Cowork dispatch 中调用 Pitch Agent 或 Market Researcher，观察 skills 自动触发

观察 Agent 如何串联 skills + 命令 + 连接器完成一个端到端工作流

阶段3：理解核心概念与目录结构

45-60 分钟

阅读 vertical-plugins 目录

从 financial-analysis（核心，含全部 11 个 MCP 连接器）开始，逐步浏览 investment-banking、equity-research、private-equity、fund-admin 等垂直插件

Skills 是源（source），Agents 里打包的是同步副本（bundled），改 Skills 要改源

阅读一个 Agent 的完整内容

打开 plugins/agent-plugins/pitch-agent/，对照 README 的 How It Fits Together 表格理解 system prompt + skills + commands 的组合方式

每个 agent 插件是自包含的，装上即可用

理解 MCP 连接器配置

查看 .mcp.json 中的 12 个数据源（Daloopa、Morningstar、FactSet 等），理解如何替换为自己的数据源

MCP 访问通常需要相应厂商的订阅或 API Key

阶段4：部署 Managed Agents（进阶）

1-2 小时

阅读 managed-agent-cookbooks

了解 agent.yaml、leaf-worker subagents、steering events 的结构

与 Cowork 插件共用同一套 system prompt 和 skills

运行部署脚本

使用 scripts 下的 deploy 脚本上传 skills、创建 subagents、POST 到 /v1/agents

需要 Managed Agents API 的 API Key；先在测试环境跑通再上生产

研究 orchestrate.py 事件循环

阅读 scripts/orchestrate.py，理解 handoffrequest 事件如何在 agent 之间路由

subagent delegation (callableagents) 是 Research Preview 阶段功能，注意看每个 agent 的安全与 handoff 指引

阶段5：定制与扩展

1-2 小时（可选）

替换数据连接器

修改 .mcp.json 指向自己公司的数据源或内部系统

从 1 个连接器开始测试，不要一次全换

注入公司上下文

把公司术语、流程、格式规范写进 skills 的 markdown 文件

所有定制都是改 Markdown，无需写代码

定制 Skill 与命令

在 vertical-plugins/<vertical>/skills/ 和 commands/ 中新增或修改，再同步到 agent 插件

改完记得同步 agent-plugins 下的 bundled 副本

学习路径常见错误

误把本项目当作投资建议工具，直接用输出做决策

明确免责声明：所有产出都是待人工复核的草稿，不构成投资/法律/税务/会计建议，必须由合格专业人员审核

修改了 agent-plugins 下的 skills 副本，结果下次同步被覆盖

Skills 的 source 在 vertical-plugins/<vertical>/skills/，修改源后再同步到各 agent 的 bundled 副本

一次性安装所有垂直插件，结果配置混乱、命令冲突

从 financial-analysis 核心 + 1 个垂直插件开始，跑通后再逐步增加

MCP 连接器无法访问，误以为代码有问题

检查是否拥有对应数据商（Daloopa、FactSet 等）的订阅或 API Key，MCP 访问通常需要付费订阅

在生产环境直接跑 Managed Agent 部署脚本，未做 dry run

先在测试环境跑 scripts/orchestrate.py 理解事件流，再逐步部署；注意 subagent delegation 仍是 Research Preview

以为需要 Python 编译或构建步骤，环境准备过度

项目全部是 Markdown/JSON 文件，无 build step；Python 仅用于运行 orchestrate.py 等脚本

学习路径下一步步骤

深入研究某个具体 Agent 的 workflow 设计（如 Model Builder 的 Excel 集成），把公司内部的 skill/命令/数据源替换成自有资产，探索 Claude for Microsoft 365 的部署（claude-for-msft-365-install/）让代理跑在 Excel/PowerPoint 中，并尝试在 Managed Agents 上编排多 agent 协作（如 Pitch Agent → Meeting Prep Agent 的 handoff）