三天前。2026 年 5 月 5 日。
Anthropic 在 GitHub 開了一個叫financial-services的 repo。沒發推、沒做大發布會。
三天時間，12,953 顆 star，1,640 個 fork。今天直接登上 GitHub 全網 trending 第一。
然後我點進去看了一下 README——投行實習生、賣方分析師、PE 副總、會計師、合規員，全部在裡面。
為什麼這個 repo 你必須在意
Anthropic 不是丟了一堆「示範代碼」給你看。
是把投行、研究所、私募、財管、基金行政這幾個職業裡，最佔時間的那 10 個工作流，打包成 10 個現成的 Agent。每一個都附帶完整 prompt、技能、Excel/PowerPoint 模板、跟券商系統的串接（Daloopa、FactSet、S&P Global、PitchBook 都在裡面）。
更重要的是這句話——repo 上原文寫著：
「兩種部署方式，一份原始碼。可以用 Claude Cowork 安裝成 plugin，或透過 Claude Managed Agents API 部署到你自己的工作流引擎。」
翻譯成人話：這套東西，散戶可以裝在自己電腦上玩，銀行也可以直接接到內部系統跑業務。Anthropic 正在用同一份 code 同時打散戶教育市場和企業級市場。
對比一下時間軸：
- 4 月 24 日，Google 宣布加碼 400 億美金投資 Anthropic
- 5 月 5 日，Anthropic 官方公告：金融 Agent + Microsoft 365 整合
- 5 月 8 日（今天），repo 衝上 GitHub trending 第一
這不是單點動作，是 Anthropic 攻入企業金融市場的開門戰。
10 個 Agent 是什麼？我幫你翻譯成「誰的活」
repo 裡的 README 用的是「Pitch Agent」「Earnings Reviewer」這種術語。看不懂沒關係，下面我用「人話 + 對應職業」拆給你。
投行條線（Coverage & Advisory）
1. Pitch Agent — 投行實習生通宵做 pitch deck 的活
讀者你大概看過 LinkedIn 上那種「投行實習生連續 96 小時不睡覺做 pitch」的崩潰文。Pitch Agent 就是把這個職業給端了。給它客戶名稱和交易主題，它自己跑 comps 比較、precedent transactions、LBO 模型，然後直接吐出一份品牌化的 PowerPoint pitch deck。
2. Meeting Prep Agent — 客戶會議前那份「briefing pack」
每個 MD（董事總經理）見客戶前，都要實習生把客戶最近的新聞、財報、競爭對手動態、上次見面講過的話整成一份 brief。這個 Agent 接管所有這些活。
研究與建模（Research & Modeling）
3. Market Researcher — 賣方研究員寫產業 overview 的活
給它一個產業或主題，它自動跑出產業地圖、競爭格局、可比公司、潛在投資標的清單。Goldman、Morgan Stanley 那些每週發的 sector primer，現在 Anthropic 自己給你做。
4. Earnings Reviewer — 賣方分析師看財報寫 note 的活
公司開完法說會，分析師要在隔天早上 7 點前把 note 發出去。這個 Agent 自動讀法說會逐字稿 + 10-Q + 公司 PR，更新財務模型，再吐出研究報告草稿。
5. Model Builder — 在 Excel 裡建 DCF、LBO、3-statement 的活
這是金融專業最核心的「硬技術」。Anthropic 直接把它做進 Excel 裡，你選一家公司，它就現場建模型給你看。建得對不對是另一回事，但「無門檻」這件事意味著：以前要靠這項技能拿 entry-level offer 的人，現在沒得拿。
基金行政與財務（Fund Admin & Finance Ops）
6. Valuation Reviewer — PE 估值審查員的活
PE 基金每季要從投資組合公司收 GP package（基金管理人報告），然後跑估值模板、產出 LP 報告。整套流程現在交給 Agent。
7. GL Reconciler — 會計師對總分類帳找差異的活
會計裡最磨人的「為什麼這筆對不起來」就是 GL recon。這個 Agent 找差異、追根因、自動產生 sign-off 路由清單。
8. Month-End Closer — 月結會計師的活
應計、結轉、變動分析評論。月底所有會計流連續一週每天工作 12 小時做的事。
9. Statement Auditor — LP 發送前的審計檢查
私募基金發給有限合夥人的對賬單，發出去前要做最後一輪 check。
營運與客戶上線（Operations & Onboarding）
10. KYC Screener — 合規部解 KYC 文件的活
新客戶上線前，合規員要把護照、公司註冊文件、UBO 結構圖一份一份解，再跑規則引擎找紅旗。Agent 接管整個流程。
不只是 Agent，還有 11 條金融資料的高速公路
光有 Agent 不夠。金融的東西最怕「資料來源不對」。
Anthropic 同時把 11 個專業金融資料連接器（MCP 協議）打包進 repo：
| 資料來源 | 用途 |
|---|---|
| Daloopa | 高品質公司財報資料 |
| Morningstar | 基金、ETF 評級 |
| S&P Global / Capital IQ | 全球公司資料庫 |
| FactSet | 機構級終端 |
| Moody’s | 信評資料（含 6 億間公司信用資料） |
| PitchBook | PE / VC 交易資料 |
| MT Newswires | 即時財經新聞 |
| LSEG | 倫交所資料 |
| Aiera | 法說會逐字稿 |
| Chronograph | PE portfolio 監控 |
| Egnyte | 文件管理 |
意思是這套 Agent 不是封閉沙盒裡的玩具。它直接跟業界最貴的那幾條金融資料管線串通。散戶可以裝來看玩具效果，企業裝起來就是真槍實彈接內部資料。
對你（散戶 / 個人投資者）有什麼意義？
這部分才是文章重點。
我先給結論：這個 repo 在散戶手上，就是一套「個人投資研究助理」。
具體可以這樣用——
1. 用 Market Researcher 幫你做產業掃描。 你想做半導體下游的研究，告訴它「給我一份 2026 年半導體封測產業的 overview，列出全球前 10 家公司、近三年市佔率變化、最近 6 個月關鍵新聞」。它會跑出來。免費、不用付 Bloomberg 的 28,000 美元年費。
2. 用 Earnings Reviewer 解你不會看的法說會。 持有股票要追蹤季報？把公司逐字稿丟進去，它幫你抓出管理層哪句話是預期內、哪句話是新訊號、哪些數字偏離 guidance。
3. 用 Model Builder 做 DCF。 你想評估一家公司值不值得買，DCF 公式自己建很麻煩。它直接在 Excel 裡幫你建出來，你只要調 WACC 和成長率假設。
4. 用 GL Reconciler 來看上市公司的財報疑點。 雖然主要是給內部會計用，但「找出兩個數字為什麼對不起來」這件事，對於想抓財報雷的散戶非常實用。
不誇張地說，這套 Agent 把過去只有買方研究員、賣方分析師、PE 投研團隊才能享受的工具鏈，下放到任何裝得起 Claude Cowork 的人。
這也是為什麼 Tony 我覺得這個 repo 比這個月任何一個 GPT-5.4 的更新都重要——前者是模型升級，後者是工作流民主化。
怎麼用？三步上手
第一步：選擇部署方式
散戶選 Cowork plugin。 桌面端裝 Claude Cowork → Settings → Plugins → Add plugin → 貼上下面這個網址：
https://github.com/anthropics/claude-for-financial-services然後從 marketplace 裡挑你想要的 agent 安裝。
開發者選 Claude Code 命令列：
# 加入 marketplace
claude plugin marketplace add anthropics/claude-for-financial-services
# 先裝核心技能 + 連接器
claude plugin install financial-analysis@claude-for-financial-services
# 再挑你要的 agent
claude plugin install pitch-agent@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services
claude plugin install market-researcher@claude-for-financial-services第二步：先跑「financial-analysis」核心包
不要一上來就裝 10 個 agent。先裝核心 financial-analysis，它帶了 11 個資料連接器和最常用的 11 個技能（comps、DCF、LBO、3-statement model、deck QC 等）。光這個包就足夠 80% 的個人投資需求。
第三步：跑 slash command 試水
裝完打開 Claude Cowork，新對話直接打：
/comps NVDA它會自動跑出 NVIDIA 的可比公司估值表。或：
/dcf TSLA吐出 Tesla 的 DCF 模型框架。
不喜歡的話，所有 agent 跟 skill 都是純 markdown + YAML 寫的（Apache 2.0 授權），你 fork 下來自己改 prompt 就好。
跟競品的對比
| Anthropic Financial Services | OpenAI Plugins | Google Gemini Enterprise | |
|---|---|---|---|
| 開源 | Apache 2.0 | 半開放 | 否 |
| 針對行業 | 金融專屬 10 個 agent | 通用 | 通用 |
| 資料連接器 | 11 個（FactSet / S&P / PitchBook 等） | 少數開放 | 內部企業資料為主 |
| 部署選擇 | 桌面 Cowork + 雲端 API | 雲端 API 為主 | Google Workspace 為主 |
| 散戶可用性 | 直接裝 plugin | ChatGPT 內建 | 需企業帳號 |
| 企業整合 | Microsoft 365 | Microsoft 整合 | Google Workspace |
Anthropic 這次的策略很狠：全開源、行業聚焦、散戶 / 企業同源。OpenAI 的 plugins 雖然也跟進了，但分散在 ChatGPT 生態裡；Google 的 Gemini Enterprise 主要綁在 Google Workspace 上。
只有 Anthropic 把「投行整套工作流」打包送出，還配了 11 條業界最貴的資料管線。
一個你必須知道的細節：投行業會發生什麼
repo 開頭有一段聲明，原文寫得很小心：
「這些 agent 的產出是給合格專業人員審查的工作底稿——模型、備忘錄、研究筆記、對賬單。它們不做投資建議、不執行交易、不承擔風險、不入分類帳、不批准上線；每一份產出都會 stage 給人類簽核。」
聽起來很穩。實際上呢？
Anthropic 自己定義的角色是「實習生 + 初級分析師」。也就是說，金字塔底層的活，AI 接管；金字塔上層的決策、客戶關係、責任歸屬，人類保留。
這對美國/香港投行的招聘邏輯是巨大轉變：
- 以前：投行為了找出 1 個能做 MD 的人才，會先請 100 個實習生，篩出 30 個 analyst，再篩出 10 個 associate，再篩出 3 個 VP。
- 以後：金字塔底部那 100 個實習生的工作量，可能只需要 30 個。漏斗縮窄。
這也是為什麼這個 repo 必須認真看——它不只是工具，是金融行業未來 5 年招聘曲線變化的官方訊號。
Tony 的觀點
我給這個 repo 滿分。理由有三：
第一，時機。三天前剛發布，今天 trending 第一，市場還沒反應過來。先用先贏。
第二，定位。這是 Anthropic 第一次公開把「行業專用 Agent」當作主打產品，不再只賣模型本身。意味著未來會有 healthcare、legal、real estate 版本，整套照做。
第三，可玩性。它是 markdown + YAML，你不用懂機器學習就能改。哪怕你沒打算自己用，光是讀 10 個 agent 各自的 prompt（在 plugins/agent-plugins/ 底下），就能學到 Anthropic 對「Agent 該怎麼設計」的官方規範。
唯一的缺點：有些連接器需要付費訂閱。Daloopa、FactSet、PitchBook 這些都不是免費的。散戶想全套體驗有門檻。
但即便不用付費連接器，光靠 web search + 公開財報，你也能跑出 60% 的場景。
下一個被 AI 包辦的職業，會是哪個？
我自己看著 repo 裡 KYC Screener 那段笑了——香港某些銀行 compliance 部門的薪水，明天起該重新討論了。
你呢？你的工作能用同樣的方法被打包成 10 個 agent 嗎？
留言告訴我。
本文撰寫於 2026 年 5 月 8 日。Anthropic financial-services repo 數據截至同日：12,953 stars / 1,640 forks。所有指令、安裝步驟、agent 列表均以 GitHub repo 官方 README 為準。AI 工具更新極快，實際操作前請以最新版本為主。
免責聲明：本文僅為 AI 工具評測與行業分析，不構成任何投資建議。Mr. Slash 與 Anthropic 無任何商業合作關係。
延伸閱讀：更多 AI 工具與趨勢
- Anthropic 把投行分析師的工作整包搬上 GitHub：4 個 Agent + 12 個 MCP，把 Bloomberg 終端機打成 25,000 美元一年的廢鐵
- 120 億條 K 線訓練出來的 AI，免費開源了
- agency-agents 是什麼？125K 星開源工具，一次給 Claude Code 裝 232 個 AI 專家（2026）
延伸閱讀：站內相關文章
- Claude 金融 Agent 是什麼？Anthropic 開源 10 個投行級 Agent，散戶真正用得到的是這 3 個（2026）
- OpenAI 悄悄放了個 Python 框架：GitHub 24,000 星，做 AI Agent 的都在用
- 第一個開源金融K線大模型 Kronos：用 45 個交易所的數據訓練，散戶免費下載就能預測走勢
發表迴響