GitHub 上有一批仓库常年霸榜，claude-code 就是其中之一。2026 年 9 月 20 日，另一个 anthropics 组织下的仓库登上了 GitHub Trending：anthropics/financial-services，一个面向金融服务行业的 Agent 模板库。它没有停留在 demo 合集或框架文档的层面：Anthropic 把自家金融行业 Agent 产品线里的十个工作流模板原样开源了出来： pitchbook 制作、KYC 筛查、月末结账、总账对账，每个模板都是一份可以直接跑起来的完整工程。
这个仓库里到底装了什么
仓库的 README 写得很清楚：这是「为金融服务工作流准备的参考 Agent、技能和数据连接器」，覆盖投资银行、股票研究、私募股权和财富管理四个方向。
它的主体结构分两层。第一层是十个具名 Agent，每个对应一条完整的金融工作流：
| 功能分类 | Agent | 职责 |
|---|---|---|
| 客户覆盖 | Pitch Agent | 可比公司、先例交易、LBO → 成品 pitchbook |
| 客户覆盖 | Meeting Prep Agent | 客户会议前的简报包 |
| 研究建模 | Market Researcher | 行业概览、竞争格局、标的初筛 |
| 研究建模 | Earnings Reviewer | 读财报与电话会 → 更新模型 → 起草点评 |
| 研究建模 | Model Builder | DCF、LBO、三表模型，直接活在 Excel 里 |
| 基金后台 | Valuation Reviewer | 吃进 GP 报告包，跑估值模板，出 LP 报告 |
| 基金后台 | GL Reconciler | 找总账与子账的差异，追根因，出异常报告 |
| 基金后台 | Month-End Closer | 跑结账清单、准备分录、出结账报告 |
| 基金后台 | Statement Auditor | 核对财报一致性与审计就绪度 |
| 合规 | KYC Screener | 组装实体档案、审来源文件、打包升级件 |
第二层是垂直插件（vertical plugins），按金融子行业打包的技能与斜杠命令集：/comps（可比公司分析）、/dcf（现金流折现）、/lbo（杠杆收购模型）、/earnings（财报点评）、/ic-memo（投委会备忘录）等三十多个命令，每个命令背后是一个 Markdown + YAML 写成的技能文件。
两层之间靠打包机制粘合：每个 Agent 插件自带一份它需要的技能副本，装完 Agent 就不需要再装技能。仓库里的 sync-agent-skills.py 负责在技能源文件更新后同步到所有引用它的 Agent。
同一套模板的两种部署方式
这个仓库最值得展开的结构设计，是「同一份模板，两种运行方式」。
方式一：Claude Cowork / Claude Code 插件。 一行命令安装：
claude plugin marketplace add anthropics/financial-services
claude plugin install gl-reconciler@claude-for-financial-services装完后，Agent 作为插件跑在分析师的桌面上，直接操作分析师已有的软件：给 Pitch Agent 一份标的清单，它可以返回一个 Excel 可比模型、一份 PowerPoint pitchbook 草稿和一封 Outlook 求职信。
方式二：Claude Managed Agents API。 同一个模板换成 headless 部署，通过 /v1/agents 端点 POST 上去，跑在 Claude 平台上，适合跨整本交易册或按夜间调度的自动化场景。仓库里的 managed-agent-cookbooks/ 提供了部署脚本：解析文件引用、上传技能、创建叶子 worker 子 Agent、注册编排器。
两种方式引用同一个目录：同样的系统提示词、同样的技能文件。区别只在外壳——插件形态有人盯着，Managed Agent 形态自带长会话、按工具的权限管理、凭据保险库和 Console 里的完整审计日志。
拆开一个 Agent：GL Reconciler 的架构
十个模板里，GL Reconciler（总账对账 Agent）最能体现这个仓库的工程深度。它的系统提示词定义了一个完整的对账岗位：给定交易日和资产类别列表，产出三样东西——差异清单（超过阈值的每一笔总账/子账差异）、根因追踪（逐笔追到交易级证据，分类为时间性差异、系统漂移、重分类或未知）、异常报告（格式化后供财务主管签核）。
工作流分五步：拉取余额 → 按资产类别分发 reader 子 Agent 隔离差异 → 逐笔追踪根因 → 由一个 critic 子 Agent 独立复核每条报告的差异 → 交给 resolver 子 Agent 排版出报告。
它的护栏设计直接写进了系统提示词：
- 托管方和对账单不可信。 打开它们的 reader worker 没有 MCP 访问权，也没有写工具；
- 编排器自己永远不写。 只有 resolver 子 Agent 持有 Write 权限，而且它看不到未过滤的外部内容；
- 不做账务过账。 这个 Agent 只产出报告，账务调整必须由 Agent 之外的人审批。
这三条护栏对应的是对账岗位最真实的风险模型：对账单是外部输入，可能出错也可能被操纵；报告可以生成，但账不能让模型过。强制执行的手段也落在架构上：用工具权限控制哪些子 Agent 有 Write、哪些子 Agent 能碰 MCP。2026 年 9 月的两笔提交（#352 access_policies 标识符校验、#356 凭据放 URL fragment 而非 query string）还在继续加固这一层。
数据从哪来：十三个 MCP 连接器
Agent 模板解决的是「流程」，数据则靠一组 MCP（Model Context Protocol，让模型以标准方式接入外部数据源的协议）连接器。仓库把十三个连接器集中放在核心插件 financial-analysis 里，其余插件共享：
Daloopa（财报基本面数据）、Morningstar（估值与研究）、S&P Global（Capital IQ 财务数据，经 Kensho 的 kfinance 网关）、FactSet（行情与共识预期）、Moody's（信用评级，覆盖超过 6 亿家公司）、MT Newswires（多资产新闻流）、Aiera（财报电话会实时转录）、LSEG（固收定价与外汇）、PitchBook（私募市场数据）、Chronograph（私募股权组合监控）、Egnyte 和 Box（文档库与数据室）。
连接器以配置文件形式声明，.mcp.json 指向各家的 MCP 端点，访问通常需要订阅或 API key。这意味着模板本身不锁定任何数据源——README 的定制指南里第一条就是把连接器换成自家数据商，把内部术语和建模惯例写进技能文件。
从产品到开源：这条线的时间线
看仓库的提交历史，能看到 Anthropic 金融产品线的节奏：
- 2025 年 7 月，Anthropic 发布 Claude for Financial Services：Financial Analysis Solution 打包 MCP 连接器与扩展用量额度，接入 FactSet、S&P Capital IQ、Morningstar、PitchBook、Daloopa 等数据商；
- 2025 年 10 月，扩展：Claude for Excel 进入研究预览（Max/Enterprise/Teams 用户），新增 Aiera、Chronograph、Egnyte、LSEG、Moody's、MT Newswires 连接器，以及可比公司分析、DCF、尽调数据包等 6 个金融技能；
- 2026 年 2 月 23 日，
anthropics/financial-services仓库在 GitHub 上创建； - 2026 年 5 月 5 日，Anthropic 宣布十个即用型 Agent 模板（pitchbook、KYC 筛查、月末结账等），同时宣布 Claude 插件化进 Microsoft 365 全家桶，配套 Opus 4.7 在 Vals AI Finance Agent 基准上以 64.37% 的准确率排在首位；
- 2026 年 9 月 14 日，提交 #350「Launch of Claude for Financial Advisors」上线财富顾问插件（
/pre-meeting、/compliance、/portfolio-rebalance-review等 8 个技能，连接 Addepar、BlackRock、Envestnet Tamarac、iCapital 等 10 家顾问侧数据源）；次日 #351 又把它从 marketplace 条目中摘下，改为独立仓库分发——一周之内一上一下，能看出这套体系还在高频调整。
仓库当前状态：35.2k Stars、5.2k Forks、48 个分支、72 次提交，最近一次提交是 9 月 18 日的 build-manifest 凭据加固，Apache-2.0 许可证。
开源金融 Agent 意味着什么
把这套东西放进开源语境，有几层可以琢磨的地方。
第一，开源的不是能力，是工作流的工程化表达。 模型本身不开源，MCP 连接器背后的数据订阅也不开源。真正交到开发者手里的是「怎么把一个金融岗位拆成系统提示词 + 技能 + 工具权限 + 人工签核点」的参考实现。GL Reconciler 的三层子 Agent 结构（reader 隔离不可信输入、critic 独立复核、resolver 独占写权限）比大多数公开的 Agent 架构文章写得都具体。
第二，这是 Agent Skills 生态目前最大规模的官方示范。 2025 年 10 月 Anthropic 提出 Agent Skills（用文件夹装指令、脚本和资源，让 Claude 自动调用），当时社区手里缺少体量足够的样板。这个仓库的 30 多个技能、10 个 Agent、完整的 sync 与 lint 工具链（check.py 会在推送前校验所有清单和交叉引用，技能与垂直源文件不一致直接构建失败），等于把一个生产级技能仓库的组织方式公开了。想做垂直行业 Agent 插件的团队，直接照着这个目录结构抄就行。
第三，「每一步停在人工签核前」是产品立场，不只是合规话术。 README 的免责声明原文如下：这些 Agent 起草的是分析师工作成果——模型、备忘录、研究笔记、对账单——供合资格专业人士审阅；它们不做投资建议、不执行交易、不约束风险、不过账、不审批开户。配合 Managed Agent 的审计日志，这套东西呈现的是「金融工作流里，模型负责生成，人负责判断和签字」的分工设计。对正在给金融业务上 Agent 的工程团队来说，这个边界的画法本身就值得参考。
第四，对开发者的直接价值：免费拿走一套行业级提示词工程。 值得关注的还有 Excel 链路：/dcf、/lbo 产出的是活模型——Model Builder 的描述是「DCF、LBO、3-statement、comps，直接活在 Excel 里」，配套的 audit-xls 技能做公式追踪、硬编码检测和平衡校验。Anthropic 甚至提供了把整套东西部署到自家云（Vertex AI、Bedrock 或内部 LLM 网关）的管理员工具，绕开 Anthropic API 直连。
仓库地址：github.com/anthropics/financial-services，Apache-2.0 许可证，Markdown 和 YAML 为主，没有构建步骤，克隆下来就能读。