基于 TRAE 平台的金融服务 AI Agent 工作流系统 — 10 个 Agent / 56 个 Skill / 4 模型实测
一套面向中国金融市场的 AI 驱动工作流系统。灵感来自 Anthropic 的 "Claude for Financial Services"，移植到 TRAE 平台后接入了 Tushare Pro 实时数据，让 10 个 AI Agent 能够自主完成投行 pitch、DCF 建模、财报点评、行业研究、估值复核、月末关账、总账对账、KYC 筛查等真实金融任务。
用户指令 → Steering Event → Orchestrator 拆解 DAG → 3 个子代理串行执行 → Excel/PPT/MD 交付物
↓
Tushare MCP 实时数据
| 指标 | 数量 | 说明 |
|---|---|---|
| AI Agent | 10 | 覆盖投行/研究/资管/合规四大业务域 |
| 可复用 Skill | 56 | 按业务域分 7 类，支持 Bundle 组合 |
| MCP Server | 4 | Tushare + 东方财富 + 龙虎榜 + 港股美股 |
| 实测模型 | 4 | DeepSeek-V4-Pro / GLM-5.2 / Kimi-K2.7-Code / Doubao-Seed-2.1 |
| Case Study | 10 | 每个 Agent 一篇，含完整编排流程与 MCP 查询参数 |
| 子代理 Prompt | 30 | 每个 Agent 3 个子代理，Read-only / Write-holder 权限隔离 |
| Agent | 业务域 | 做什么 | 示例产出 |
|---|---|---|---|
| pitch-agent | 投行核心 | 投行推介材料：研究 + 建模 + PPT 一体化 | AI 芯片产业链 PitchBook.pptx |
| model-builder | 投行核心 | DCF/LBO/三表模型构建与审计 | 海光信息 DCF 模型.xlsx（内在价值 65.47 元） |
| earnings-reviewer | 研究分析 | 季度财报点评，更新覆盖模型 | 贵州茅台 2026Q1 财报点评.xlsx |
| market-researcher | 研究分析 | 行业深度研究与可比公司分析 | 白酒行业深度研究报告.xlsx |
| valuation-reviewer | 资管运营 | PortCo 季度估值复核，NAV 更新 | 宁德时代估值复核报告.md |
| meeting-prep-agent | 研究分析 | 客户会议简报与 Q&A 准备 | AI 芯片会议 brief.pptx + TOP10 提问 |
| month-end-closer | 资管运营 | 基金月末关账全流程 | 应计明细表 + 关账 Checklist |
| gl-reconciler | 资管运营 | 总账对账与差异分析 | 100 笔交易 5 笔差异分析 |
| statement-auditor | 合规审计 | 报表审计与 NAV 核对 | NAV 核对报告（发现 10,000 元差异） |
| kyc-screener | 合规审计 | 客户准入 KYC/AML 筛查 | 风险评分 3.10，条件通过 |
Agent 之间通过 Handoff 机制串联，构成从客户准入到投后管理的完整服务链。
在 TRAE 平台上用相同 3 道题做盲测（6 维度 × 5 分 = 满分 30），所有数据来自 Tushare Pro 实时接口：
| 模型 | Task A 财报 | Task B 可比 | Task C DCF | 均分 | 用时 |
|---|---|---|---|---|---|
| DeepSeek-V4-Pro | 27 | 27 | 27 | 27.00 | 14m56s |
| GLM-5.2 | 26 | 26 | 26 | 26.00 | 18m07s |
| Kimi-K2.7-Code | 25 | 25 | 26 | 25.33 | 21m40s |
| Doubao-Seed-2.1-Pro | 23 | 20 | 20 | 21.00 | 29m35s |
6 维度：数据准确性 / 分析深度 / 结论可执行性 / 工程化产出 / 响应速度 / 自我诚实度
git clone https://github.com/gavin3129/trae-financial-services.git
cd trae-financial-services
pip install -r requirements.txt前往 Tushare Pro 注册并获取 API Token，然后：
cp .env.example .env
# 编辑 .env，填入：
# TUSHARE_TOKEN=your_token_here在 TRAE IDE 设置中添加 MCP Server：
{
"name": "tushare",
"type": "stdio",
"command": "python",
"args": ["你的路径/mcp-servers/tushare/server.py"]
}将 skills/ 目录和 agents/ 目录导入 TRAE，即可在对话中触发 Agent。
详细配置步骤见 用户手册
| 层 | 技术 | 说明 |
|---|---|---|
| 运行平台 | TRAE IDE / TRAE Work | AI Agent 的运行时与编排引擎 |
| 大模型 | DeepSeek-V4-Pro（推荐） | 4 模型实测冠军，数据准确性满分 |
| 数据源 | Tushare Pro MCP Server | A 股行情/财务/宏观数据，实时接入 |
| 编排引擎 | Python（orchestrator.py） | DAG 构造、拓扑排序、并行执行、Handoff |
| Excel 生成 | openpyxl | 标准化颜色编码 + 公式驱动 |
| PPT 生成 | python-pptx | 投行级 Pitch Book |
| 校验层 | JSON Schema | 30 个子代理输出格式校验 |
| 可视化 | ECharts | HTML 评测报告 + 公众号文章 |
trae-financial-services/
├── agents/ # 10 个 Agent 定义（.md）
├── skills/ # 56 个 Skill（7 个业务域子目录）
├── orchestrator/ # 编排层
│ ├── configs/ # 10 个 Agent 编排配置（YAML）
│ ├── subagents/ # 30 个子代理 prompt
│ └── schemas/ # 30 个输出校验 JSON Schema
├── mcp-servers/ # 4 个 MCP Server
│ ├── tushare/ # A 股金融数据
│ ├── eastmoney-news/ # 财经新闻
│ ├── flow-data/ # 龙虎榜/北向资金
│ └── global-markets/ # 港股/美股
├── scripts/ # 编排引擎 + 校验脚本 + 评测工具
├── docs/ # 项目文档
│ ├── ARCHITECTURE.md
│ ├── EVALUATION_WHITEPAPER_v2.md
│ ├── SKILL_REUSE_DESIGN.md
│ ├── case-studies/ # 10 篇 Agent Case Study
│ └── USER_GUIDE.md
└── out/ # 示例输出（Excel/PPT/MD）
| 文档 | 说明 |
|---|---|
| 系统架构文档 | 7 层架构设计、数据流图、安全模型、Skill 复用架构 |
| 评测白皮书 v2 | 4 模型 × 3 任务实测，9 章完整记录 |
| Skill 复用机制设计 | manifest.yaml + Registry + Bundle + 兼容性矩阵 |
| 用户手册 | 环境配置、3 个快速上手示例、FAQ |
| 10 篇 Case Study | 每个 Agent 的完整编排流程与关键决策记录 |
| 变更日志 | v0.1 → v0.2 → v0.3 全部变更记录 |
| 版本 | 日期 | 核心更新 |
|---|---|---|
| v0.3.0 | 2026-07-01 | 4 模型实测 + 10 篇 Case Study + Skill 复用机制 + 公众号文章 |
| v0.2.0 | 2026-06-30 | 56 Skill 补全 + 10 Agent 跑通 + 4 MCP Server + 评测框架 |
| v0.1.0 | 2026-06-20 | 项目初始化 + 核心框架搭建 |
本项目中所有智能体输出的内容均为草稿，不构成投资、法律、税务或会计建议。所有输出均需经合格专业人员审核后方可使用。金融数据来源于 Tushare Pro，仅供参考。