Claude for Financial Services CN：当华尔街AI落地中国金融

> 参考：Anthropic官方原版（anthropics/financial-services） > 中国改造版：ccq1/cn-financial-services-plugins（AKShare）｜NBreeze-Eric/financial-services-plugins-cn（iFinD）｜duhu2000/financial-services-qcc（企查查） > 写作风格：wenbai-detox，去机气，去翻译腔，以文言骨填白话肉

---

一、从华尔街到陆家嘴：一场金融AI的本土化迁徙

2025年，Anthropic把一套完整的金融服务Agent系统丢上了GitHub。41个Skills、38个Commands、11个MCP数据连接器——从可比公司分析到LBO模型，从业绩点评到投委会备忘录，整套投行工作流被拆解成纯Markdown和JSON，零代码、零构建、即装即用。

但问题是：这套系统里连的都是Daloopa、FactSet、S&P Global、Morningstar、LSEG这些海外数据终端。你让陆家嘴的分析师用Morningstar查A股？不现实。

于是，中国开发者动手了。

三个月内，至少三个独立fork出现，各自选择了不同的中国数据源：

• AKShare路线（ccq1/cn-financial-services-plugins）：42个工具，东方财富/新浪/腾讯/同花顺多源fallback，零API Key
• iFinD路线（NBreeze-Eric/financial-services-plugins-cn）：同花顺专业终端，4个MCP覆盖个股/基金/宏观/新闻
• 企查查路线（duhu2000/financial-services-qcc）：企业工商信息核验，面向银行KYB和投融资尽调

---

二、架构拆解：纯文件驱动的金融Agent系统

2.1 原版架构：Anthropic的"无代码金融工作台"

官方项目（anthropics/financial-services）的架构极其简洁：

plugins/
  agent-plugins/           # 命名Agent（Pitch Agent、GL Reconciler...）
  vertical-plugins/        # 按垂直领域拆分的Skills+Commands+MCP
  partner-built/           # LSEG、S&P Global等合作伙伴插件
managed-agent-cookbooks/   # 无头部署模板（agent.yaml + 子Agent）

每个插件只有四个部分：

• plugin.json — 清单文件，声明版本和依赖
• .mcp.json — MCP连接器，指向外部数据源
• **commands/*.md — 斜杠命令，如/comps、/dcf、/earnings
• skills/*/SKILL.md — 领域知识和工作流，Claude自动调用

• AKShare版瞄准的是"研报工厂"——用零成本方案覆盖最全的数据工具
• iFinD版瞄准的是"专业终端用户"——用付费数据换质量，Excel直接输出
• 企查查版瞄准的是"合规与风控"——企业信息核验是银行开户和信托发行的第一道关卡

• KYB（Know Your Business）：企业客户开户时的自动化核验
• IC Memo（Investment Committee Memo）：投融资尽调报告
• 风险信号：工商变更、司法诉讼、经营异常、股权冻结

原版Skills基于US GAAP和IFRS。中国改造版全部换成了中国企业会计准则（CAS）：

• 利润表：营业收入 → 营业成本 → 营业税金及附加 → 销售/管理/研发费用 → 财务费用 → 资产减值损失 → 公允价值变动 → 投资收益 → 营业利润 → 利润总额 → 净利润 → 归母净利润 → 扣非净利润
• 资产负债表：流动资产（货币资金、交易性金融资产、应收票据、应收账款、预付款项、存货）→ 非流动资产 → 流动负债 → 非流动负债 → 所有者权益
• 现金流量表：经营活动 → 投资活动 → 筹资活动

• T+1交易制度（原版是T+0）
• 涨跌停板：主板10%、科创板/创业板20%、北交所30%
• 监管框架：证监会、上交所、深交所、北交所、交易商协会
• IPO制度：注册制、四板并行（科创板/创业板/主板/北交所）
• 并购规则：《重大资产重组管理办法》、业绩承诺与补偿、增厚/摊薄分析
• 债券品种：企业债、公司债、短融、中票、超短融、PPN、ABS

场景：某券商电子行业研究员覆盖30只A股，每季度要出业绩点评、每年要更新模型。

传统流程： 1. 打开Wind/同花顺，导出Excel数据 2. 手动更新财务模型（3-4小时） 3. 写业绩点评（2-3小时） 4. 领导审核修改（1-2小时）

Claude Agent流程： 1. 输入/earnings 立讯精密 2025Q1 2. Claude自动从AKShare/iFinD拉取最新财报数据 3. 自动更新Excel模型（live formula） 4. 生成业绩点评Word文档（8-12页） 5. 研究员审核修改（30分钟）

时间节省：从6-9小时压缩到1-2小时。

6.2 投行部： pitch book和CIM的初稿

场景：某投行准备为一个新能源项目做pitch book，需要可比公司分析和估值。

传统流程： 1. junior analyst花2天做comps和DCF 2. associate花1天改格式和叙事 3. VP花半天审核

Claude Agent流程： 1. 输入/comps 宁德时代和/dcf 宁德时代 2. 5分钟后拿到Excel模型 3. 输入/pitch 某新能源项目 4. Claude生成PPT初稿（基于模板） 5. 团队审核修改

时间节省：从3-4天压缩到半天。

6.3 银行对公部：企业开户KYB

场景：某城商行对公客户经理要为新开户企业做背景调查。

传统流程： 1. 企查查/天眼查手动查询 2. 整理Excel表格 3. 写KYB报告 4. 合规部审核

Claude Agent流程： 1. 输入/qcc-kyb-profile 某科技公司 2. Claude自动查询企查查MCP 3. 生成KYB报告（含风险信号标注） 4. 客户经理审核

时间节省：从2-3小时压缩到15分钟。

6.4 财富管理：客户review和再平衡

场景：某私人银行客户经理要为一个高净值客户做季度review。

Claude Agent流程： 1. 输入/client-review 某客户 2. Claude自动分析客户持仓表现 3. 生成review报告（含业绩归因、drift分析、talking points） 4. 输入/rebalance 某客户 5. Claude生成再平衡建议（tax-aware）

价值：客户经理可以把时间从数据整理转移到客户沟通。

---

七、局限性与风险

7.1 数据质量

AKShare的数据来自公开抓取，存在以下问题：

• 实时性：非实时，通常延迟15分钟到1天
• 准确性：与Wind/iFinD等付费终端存在差异
• 覆盖度：部分中小市值公司数据不完整
• 稳定性：数据源接口变更可能导致工具失效

• 行业分类错误：把公司分到错误的申万行业
• 财务数据误读：把"归母净利润"当成"净利润"，或忽略"扣非"
• 估值假设离谱：WACC算错，或增长假设脱离实际
• 政策理解偏差：对注册制、退市新规等理解不准确

• 投资建议：AI不能直接给出买入/卖出评级（需要持牌投资顾问）
• 研报发布：AI生成的研报不能署AI名字，必须有持牌分析师签字
• 数据合规：使用客户数据时需注意隐私保护（个人信息保护法）
• 模型备案：如果用于对外服务，可能需要算法备案

这解释了为什么三个中国fork都选择了免费或低成本数据源（AKShare、iFinD、企查查），而原版连接的是付费高端终端（Daloopa、S&P Global、LSEG）。

8.2 金融AI的"最后一公里"

这三个项目揭示了一个行业痛点：大模型有了，金融知识有了，但数据连接是最后一公里。

原版项目用MCP解决了这个问题——11个付费MCP连接器。中国开发者用MCP+开源数据/本土终端解决了同样的问题。下一步可能是：

• Wind MCP：如果Wind推出官方MCP，质量会大幅提升
• 交易所直连：上交所/深交所/北交所的API直连
• 监管数据：证监会、银保监会的公开数据接口
• 私有化部署：金融机构的私有数据+MCP+本地模型

• 数据层：AKShare免费，iFinD/企查查收费
• 插件层：开源免费，但企业定制收费
• 平台层：类似"金融AI应用商店"，集成数据+模型+工作流
• 服务层：咨询公司帮金融机构部署和定制

# 1. 安装Claude Code或OpenClaw
# 2. 克隆数据源
git clone https://github.com/ccq1/cn-financial-mcp.git ~/cn-financial-mcp
cd ~/cn-financial-mcp && pip install -e .

# 3. 克隆插件
git clone https://github.com/ccq1/cn-financial-services-plugins.git
cd cn-financial-services-plugins

# 4. 添加marketplace并安装
claude plugin marketplace add ./cn-financial-services-plugins
claude plugin install cn-financial-analysis@cn-financial-services-plugins
claude plugin install cn-equity-research@cn-financial-services-plugins
claude plugin install cn-investment-banking@cn-financial-services-plugins

# 5. 使用
/comps 贵州茅台
/dcf 宁德时代
/earnings 比亚迪 2025Q1

# 1. 申请iFinD账号 https://www.51ifind.com
# 2. 获取WCP Token（设置→WCP启用）
# 3. 克隆
git clone https://github.com/NBreeze-Eric/financial-services-plugins-cn.git

# 4. 配置 .claude/settings.json
cat > .claude/settings.json << 'EOF'
{
  "enabledPlugins": {
    "financial-analysis@financial-services-plugins": true,
    "equity-research@financial-services-plugins": true
  },
  "extraKnownMarketplaces": {
    "financial-services-plugins": {
      "source": {
        "source": "github",
        "repo": "NBreeze-Eric/financial-services-plugins-cn"
      }
    }
  }
}
EOF

# 5. 配置Token（安全文件，已加.gitignore）
cat > .claude/settings.local.json << 'EOF'
{
  "env": {
    "IFIND_AUTH": "你的Token"
  }
}
EOF

# 6. 使用
/financial-analysis:dcf 600519
/financial-analysis:comps 600519
/equity-research:earnings 000001

# 1. 获取企查查API Key
# 2. 一键安装
bash <(curl -sL https://raw.githubusercontent.com/duhu2000/financial-services-qcc/main/install_qcc_mcp_financial.sh)

# 3. 配置环境变量
export QCC_MCP_API_KEY="your_api_key"

# 4. 使用
/qcc-kyb-profile 某科技公司
/qcc-full-dd-profile 某科技公司

1. 换数据源：把11个海外MCP换成AKShare/iFinD/企查查 2. 改规则：把US GAAP换成CAS，把GICS换成申万，把T+0换成T+1 3. 加场景：加了IPO四板对比、加了债券全品种、加了KYB自动化

这不是简单的移植。这是在一个完全不同的金融基础设施上，重建了一套AI工作流。

它不完美——数据质量、模型幻觉、合规风险都是真实存在的问题。但它证明了一件事：中国金融行业的AI落地，不是等美国方案漂过来，而是自己的开发者动手解决自己的痛点。**

下一步是什么？可能是Wind官方MCP，可能是交易所直连，可能是监管合规的AI审计工具。但无论如何，这个开源生态已经动起来了。

> ⚠️ 免责声明：本文所述项目辅助金融分析工作流，不构成投资建议。AI生成的分析结果应由金融专业人士审核后方可用于投资决策。

---

#tag Claude金融AI #AIAgent #MCP #金融科技 #A股研究 #投行自动化 #开源项目 #anthropics #AKShare #iFinD #企查查 #金融大模型 #券商科技 #银行数字化 #财富管理

#金融AI #Claude #AIAgent #MCP #A股研究 #投行自动化 #开源项目 #anthropics #AKShare #iFinD #企查查 #金融科技 #券商科技 #银行数字化 #财富管理