金融AI智能体设计与应用 · 第 1 次课 · 下午 01 — 23
序 · 开场 中山大学岭南学院 · 张一帆
+ +
01序 · 开场
金融硕士选修课 · 第 1 次课 · 下午 · 2026-09-16

课程导论
AI 从哪里来

张一帆
中山大学岭南学院 · 金融AI智能体设计与应用
AI岭南学院
0主讲教师
张一帆
中山大学岭南学院
副教授
0本次课安排

今天下午，分三个部分

部分主题主要内容动手
一课程安排与考核九次课的主题，考核办法，两项个人作业与小组项目，分组规则举手自评
二课程平台与开发环境作业平台与资料页；智能体的四层架构；Claude Code、CC Switch 与 DeepSeek 的安装与验证课堂装机
三人工智能发展简史规则与学习两种思路的交替演进，从达特茅斯会议到大模型与智能体写规则、估参数
平台使用练习
晚上 19:00 继续：接龙游戏、智能体的常用操作、记忆文档 CLAUDE.md。
I
PART I · 第一部分

课程安排
与考核

课程主题、考核办法、作业与分组
I互动 · 先举个手

三次举手，看看你现在在哪一步

I

用过对话工具

DeepSeek、豆包、ChatGPT，
问过问题、让它写过东西

II

攒过自己的做法

把常用提示词存下来反复用，
或让 AI 写过脚本替你跑

III

搭过一套流程

让 AI 读写电脑里的文件，
自己连着跑完好几步

多数人会在第一次举手。九次课之后，每个人至少要站上第二层。
I课程主线

九次课，走三层台阶

用工具的人、造工具的人、造系统的人 第 1 次课 第 2-3 次课 第 4-8 次课
三个层次的区别，在于有多少判断被固化进了文件、技能与系统。
I课程地图

九次课，每次课你会做出什么

次日期主题主要内容
19/16人工智能发展与智能体概览人工智能发展脉络；开发环境安装与配置；记忆文档；组建小组
29/23技能（Skill）技能的结构与渐进式披露；常见技能框架；编写金融技能；小组场景分享
39/30MCP 与论文复现接入文献库、协作文档与金融数据服务；调用 Stata 或 Python 复现实证研究
410/10 周六多子代理与上下文管理子代理的适用情形与分工设计；上下文管理；个人作业一展示
510/14任务编排与浏览器控制子任务与子代理的编排；由智能体操作浏览器；小组进度汇报
610/21个人知识库与常驻智能体RAG 与 Wiki 两种知识库方案的比较；常驻智能体的功能与部署
710/28自动化工作流办公流程自动化的设计与迭代；个人作业二展示
811/4金融投资专题量化投资中的智能体；投资顾问与行业研究中的智能体与技能
911/11小组终期展示各组展示带有 AI 模块的网页项目
I课堂节奏

每次课，大体相同的结构

概念与判断、案例与演示、上机实操、展示与复盘
下午和晚上各成一段，每一段都有动手。比例按当次内容调整。
I课程定位

这门课不绑定任何一个工具

会变的 · 几个月一变

  • 软件的界面、命令与菜单
  • 模型能做到哪一步
  • 各家的套餐、价格与额度

不会变的 · 这门课练的

  • 把任务说清楚，判断哪些值得交给 AI
  • 定验收标准，核对每个数字的来源
  • 留下交互记录，让别人能够复核
课堂统一用 Claude Code 接 DeepSeek。考核看任务设计、证据质量与迭代，不看工具品牌。
I考核

考核办法，个人 50，小组 50

归属项目分值说明
个人 50课堂参与10出勤、随堂练习、课间问卷
个人作业一 · 论文复现2010 月 10 日提交
个人作业二 · 行研报告或技术分享2010 月 28 日提交
小组 50进度汇报10第 5 次课，每组 5 分钟，全员参与
终期网页项目40第 9 次课，按组内互评折算到个人
所有作业都须提交与 Claude Code 或类似 AI 软件的交互记录。关键数据无法追溯到来源的，数据与证据一项不给高分。
I个人作业

两项个人作业

个人作业一 · 20 分

论文复现

自选一篇实证论文，借助 Claude Code 复现其实证程序，并在此基础上做拓展。数据须可公开获取，Stata 或 Python 均可。

提交内容　复现报告与代码；与 Claude Code 或类似 AI 软件的交互记录，一个或多个会话均可。

10 月 10 日提交
个人作业二 · 20 分

行研报告或技术分享

行研报告　针对某一行业开展研究，题目自定；无特定题目的，建议研究 AI 与该行业的现状及趋势。

技术分享　介绍一组现有金融技能（3 至 5 个）的设计思路与功能。

二选一，报告与交互记录一并提交 · 10 月 28 日提交
两项作业各安排一场展示，每场 5 至 10 人，每人约 15 分钟，含现场讨论。参与展示者，该项作业计满分。
I小组作业

小组项目，带 AI 模块的网页

第 5 次课 · 10 月 14 日晚

进度汇报

当前进展、遇到的问题与后续计划。

每组 5 分钟 · 全员参与
→
第 9 次课 · 11 月 11 日全天

终期展示

演示网页与 AI 模块；提交代码与交互记录。

每组 12 分钟讲解 + 3 分钟问答 · 全员参与
I小组作业 · 举例

五个例子，看做到什么程度算完成

题目用户在网页上做什么AI 模块负责什么
研报问答上传一批券商研报，用自己的话提问找出相关段落回答，每句标出处与页码
论文审稿贴进一篇工作论文，选一份评审清单逐条对照清单给意见，指出证据不足的地方
年报指标提取选几家公司，勾选要看的指标从年报抽数生成对比表，标明每个数字在第几页
话术合规检查粘进一段面向客户的沟通文本比对口径清单，标出越界的句子并给改法
基金筛选解释按条件筛一批基金，点开其中一只用一段话说清它为什么被筛出来、风险在哪
功能不求大，一个场景做到能用，胜过铺开五个都只有壳。材料一律用公开数据，不要传单位的内部文件。
I展示安排

九次课中的五次展示

课次内容展示者时长
第 2 次课晚小组项目设想抽取 4 至 5 组共约 45 分钟，含点评
第 4 次课晚个人作业一 · 论文复现报名 5 至 10 人每人约 15 分钟，含讨论
第 5 次课晚小组进度汇报19 组 · 全员每组 5 分钟
第 7 次课晚个人作业二 · 行研报告或技术分享报名 5 至 10 人每人约 15 分钟，含讨论
第 9 次课小组终期展示19 组 · 全员12 分钟讲解 + 3 分钟问答
I分组

91 人，今晚组成 19 个组

组员背景宜互补：熟悉行业、擅长动手、善于表达，各有其人。
I遇到问题

遇到问题，分两步处理

第一步

先问 AI

把报错原文完整发给 Claude Code，由它诊断。
多数问题在这一步即可解决，
这本身也是本课要训练的能力。

→
第二步

再问同学与老师

先请教身边的同学；
仍未解决的，课间或课后找老师。

向 AI 求助时，同时提供你执行了什么、它返回了什么。只说一句「不行了」，它无从判断。
I安全边界

本课程的四条红线

II
PART II · 第二部分

课程平台
与开发环境

认识作业平台与资料页，把 Claude Code 装好、验过
II两个地址

课程的东西，集中在两个地址

作业平台
hw.lingnan.top/mf

组队、提交作业、展示报名都在这里。第一次登录用学号和姓名核对身份，再自己设密码

课程资料页
ai.lingnan.top/materials/2026-autumn-mf

每次课一个材料包：课件、练习网页、练习素材，第 1 次课另附装机手册

II智能体在哪

四层架构，智能体在第三层

大模型大脑

在远端服务器上，负责理解与生成。它只读你给它的字，再吐出字

DeepSeek · Kimi · GLM
Claude · GPT
API 接口神经

一次次调用，按 token 计费。token 是模型计字的单位，一个汉字约 0.6 个

api.deepseek.com
手脚架智能体

在你电脑上跑，替大模型动手

读写文件跑命令记住规矩自己循环
Claude Code
Codex
工作台你的电脑

文件夹、表格、年报 PDF、取数脚本都在这里

VS Code · 终端
Excel · PDF
在远端
在你这一侧
今天装的是 DeepSeek 接口、Claude Code 与 VS Code；这门课练的，是第三层和第四层。
II工具

中外智能体工具

中外智能体工具对比
本课走左上两个：Claude Code 接国产模型 API，Codex 做对照。
工具官方文档与定价页 · 2026-09-07
II两个主角

Claude Code 与 Codex，差在哪

Claude CodeCodex
出品方AnthropicOpenAI
源码闭源开源
规则文件叫什么CLAUDE.mdAGENTS.md
怎么接 DeepSeekCC Switch 一键启用，或写 settings.jsonDeepSeek 官方脚本写 config.toml
本课怎么用主用，今天装好第 4 次课前装，审子代理交出来的东西
两者都是四层里的手脚架。规则文件、技能、验收方法在它们之间可以迁移。
II中间那个小工具

CC Switch 在中间干什么

DeepSeek 平台
拿到 API 密钥 sk-…
→
CC Switch点「启用」
→
写进 ~/.claude/settings.json
地址、密钥、模型名
→
Claude Code启动时读这份配置
II课堂装机 · 步骤表

装机共八步，跟着一起操作

#步骤操作完成标志
1打开终端Windows 用 PowerShell 并放开脚本限制出现提示符
2安装 Node.js镜像下载 v24；Mac 另改 npm 全局目录node -v
3安装 Git仅 Windows，按默认选项git --version
4安装 Claude Code切换 npm 镜像后全局安装claude --version
5DeepSeek 密钥注册、实名、充值、创建密钥sk- 开头
6安装 CC Switch官网 ccswitch.io/zh 或 GitHub 发布页下载可以打开
7配置 DeepSeek选 DeepSeek 预设，填密钥，改模型名，启用显示已启用
8VS Code 与插件解压素材包打开练习1；扩展面板装 Claude Code 插件左侧出现图标
II课堂装机 · 字段表

CC Switch 中，核对这几个字段

字段填写内容说明
请求地址https://api.deepseek.com/anthropic预设已填好
API Key你创建的 sk-… 密钥粘贴，不要外发
模型映射各行deepseek-flash，勾 1M预设默认为 v4-pro，需改。Sonnet 行填好点一键设置
Haiku 行deepseek-flash，无 1M 勾选框
默认兜底模型deepseek-flash，勾 1M
保存后点启用。设置中打开跳过 Claude Code 初次安装确认，启动时便不会要求登录。
DeepSeek 官方 Claude Code 接入文档；CC Switch 官网 ccswitch.io/zh 与 GitHub 发布页 v3.20.3 · 2026-09-16 查
II课堂装机 · 验收表

装机验收，三条全部通过

#在终端中操作通过标准
1claude --version显示版本号与 (Claude Code)
2进入练习文件夹，输入 claude，再输入 /model不要求登录，显示 deepseek-flash
3请它新建 hello.md，写一句话文件夹中出现该文件，DeepSeek 用量页有消耗
回答中自称 Claude 不影响使用，界面沿用了 Claude 的说明。三条都通过，晚上的练习才能做；没通过的课间解决。
II花多少钱 · 课后自读

deepseek-flash，按用量计费

元 / 百万 token空闲时段高峰时段
输入 · 缓存命中0.020.04
输入 · 缓存未命中1.002.00
输出4.008.00
上下文 · 看图100 万 token · 能看图
DeepSeek 官方定价页 · 2026-09-16 查；旧名 v4-flash 的请求由 V4.1-Flash 按 Flash 计价，v4-pro 继续单独提供、价格更高
II其他选择 · 课后自读

国内模型套餐，价格与额度

平台入门档 · 月付中档 · 月付高档 · 月付
MiniMax
Token Plan		Plus · ¥49
约 6 亿+ token / 月*		Max · ¥119
约 18 亿+ token / 月*		Ultra · ¥469
约 71 亿+ token / 月*
智谱 GLM
Coding Plan · 积分		Lite · ¥118
2 千 / 5 小时 · 1 万 / 周		Pro · ¥538
1.2 万 / 5 小时 · 6 万 / 周		Max · ¥1078
2.8 万 / 5 小时 · 14 万 / 周
Kimi 会员
含 Code · 共享额度		Andante · ¥49
约 30 次 Agent / 月*		¥99 / ¥199
约 60 / 150 次 Agent / 月*		Allegro · ¥699
约 360 次 Agent / 月*
阿里百炼
Token Plan · Credits		Lite · ¥39（常规 60）
2,500 / 7 天		Standard · ¥139（常规 180）
10,000 / 7 天		Pro · ¥499（常规 600）
40,000 / 7 天
DeepSeek 没有包月档，按量计费。* 为官网月度用量估算，另受短周期限额约束。这几家都能接 Claude Code。
各平台官方套餐页 · 2026-09-07 查；下单前以官方页面为准
II其他选择 · 课后自读

大厂的办公智能体，会员价格

产品入门档 · 月付中档 · 月付高档 · 月付
WorkBuddy
腾讯		标准版 · ¥99
2,000 积分 / 月		高级版 · ¥199
4,000 积分 / 月		旗舰版 · ¥999
20,000 积分 / 月
TraeWork
字节跳动		Lite · ¥49
2,000 Work 积分 / 月		Pro · ¥99 / Pro+ · ¥239
4,000 / 12,000 积分 / 月		Ultra · ¥699
40,000 积分 / 月
千问办公
阿里巴巴		免费版 · ¥0
注册送 2,000 积分		标准版 · ¥98高级版 · ¥198
Kimi Work
月之暗面		与 Kimi 会员共用额度，Andante · ¥49 起，档位见上一页
积分为基础额度，不含限时加赠与包月折扣。这些是图形界面的工作台，本课不用。
各产品官方购买页与计费文档 · 2026-09-07 查
动手 一25 分钟 · 在自己电脑上装

现在动手，把 Claude Code 装起来

I

照手册装

练习网页上打开装机手册，
八步照着走一遍。
课前已装好的直接跳到验收

II

接上 DeepSeek

CC Switch 里填密钥，
模型改成 deepseek-flash 勾 1M，
点启用

III

跑验收三条

版本号出得来，
/model 显示 deepseek-flash，
让它新建一个文件

卡住了，把报错整段丢回给 AI，或者问同桌。三条都过的举手，帮一下旁边还没过的人。
III
PART III · 第三部分

人工智能
发展简史

规则与学习，两种思路的螺旋上升
III互动 · 两分钟
写三条规则，
让计算机认出一只猫
同桌两人一组，写在纸上或记事本里。写完我请几组念出来。
III从一只猫说起

怎样让计算机认出一只猫

猫的照片抽象成几何线条
传统做法是由人来定义猫：尖耳朵、椭圆脸、几根胡须。把特征写成规则，计算机照着比对。
III液体猫

可是猫，会变成容器的形状

钻进各种容器的猫
规则写不尽现实中的变化。写不出规则的地方，只能让机器从大量例子里自己学。
III两种思路

由人写规则，还是让机器自己学

规则路线 · 符号主义

规则+数据→答案
  • 智能就是按规则推理
  • 把专家知识写成「如果……那么……」
  • 长处是说得清为什么

学习路线 · 连接主义

数据+答案→规则
  • 智能来自大量简单单元的连接
  • 给出例子，由模型自己调整参数
  • 长处是能处理说不清规则的问题
信贷员写审批标准属于前者，用历史贷款训练违约模型属于后者。
III总览

从达特茅斯开始，几起几落

人工智能发展阶段示意
低谷是一条路线遇到瓶颈，复兴是另一条路线突破瓶颈，两者交替，螺旋上升。
阶段划分参考《人工智能技术的发展与应用》第一讲
III1950 · 起点

图灵，机器能思考吗

  • 1950 年发表《计算机器与智能》
  • 他不去定义思考，而是提出一个可以检验的问题：隔着屏幕交谈，能否分辨对方是人还是机器
  • 这就是后来所说的图灵测试
A. M. Turing · Computing Machinery and Intelligence · 1950

我提议来思考这样一个问题：机器能思考吗？

图灵把一个哲学问题转换成了可以验收的问题。
III1956 · 命名

达特茅斯会议，人工智能得名

  • 1955 年麦卡锡、明斯基、罗切斯特、香农撰写项目提案，首次使用 artificial intelligence 一词
  • 1956 年夏天在达特茅斯学院举行两个月的研讨会
  • 之后十余年，机器定理证明、跳棋程序相继出现
达特茅斯夏季研究项目提案 · 1955

学习的每一个方面，或智能的任何其他特征，原则上都可以被精确描述，以至于可以造一台机器来模拟它。

注意「精确描述」四个字。第一代研究者相信，只要把智能写清楚，机器就能照做，这是规则路线的出发点。
III1958 · 学习路线的起点

感知机，第一台会学习的机器

  • 罗森布拉特提出，后来做成了硬件
  • 若干输入各乘一个权重，加总超过阈值就输出 1
  • 判断错了就调整权重，机器最早的学习就是这个动作
收入 × w₁
负债 × w₂
逾期次数 × w₃
→
加权求和超过阈值？
→
放贷 1
拒绝 0
这就是一个最简单的信贷审批模型。今天的大模型里，这样的权重有上千亿个。
III约 1969-1980 · 第一次低谷

一条直线，分不开异或

  • 单层感知机只能画一条直线划分两类样本
  • 异或（两个输入相同输出 0，不同输出 1）的四个点，任何一条直线都分不开
  • 1969 年明斯基与佩珀特出版《感知机》，指出这一局限，学习路线由此遇冷
  • 1973 年英国莱特希尔报告批评 AI 未兑现承诺，经费大幅削减
异或问题的四个点无法用一条直线分开
液体猫的形变同样无法用一条直线区分。学习路线第一次跌落，规则路线接过主导。
III1970 年代至 1980 年代 · 规则路线的高峰

专家系统，把专家的规则写进去

系统做什么说明了什么
MYCIN
斯坦福 · 1970 年代		用几百条规则诊断血液感染、推荐抗生素在窄领域内，规则可以接近专家水平
XCON
DEC · 1980 年起		按订单自动配置计算机零部件首次在企业中切实节省成本
信用卡授权助手
美国运通 · 1988 年		辅助授权员判断大额消费是否批准金融业很早就是 AI 的用户
规则由专家逐条口述、工程师逐条录入，这一步称为知识工程，也是规则路线后来的瓶颈所在。
III约 1987-1993 · 第二次低谷

规则路线的瓶颈，知识写不完

这正是液体猫的难题：现实世界太复杂，规则写不完。
第一次转向

从人写规则
到从数据中学习

规则写不完，就不再写。给出足够多的例子，让模型自己找出规律。
III1986-2006 · 学习路线的积累

遇冷的二十年，学习路线没有中断

年份事件意义
1986鲁梅尔哈特、辛顿、威廉姆斯发表反向传播方法多层网络可以训练
1989杨立昆用卷积网络识别手写数字，后用于银行读取支票神经网络首次进入金融业
1990s支持向量机等统计学习方法成为主流AI 从讲规则转向讲概率
1997IBM 深蓝战胜国际象棋世界冠军卡斯帕罗夫依靠搜索，而非学习
2006辛顿与萨拉赫丁诺夫在《科学》发表深度网络训练方法深度学习一词开始流行
2018 年度图灵奖授予辛顿、杨立昆、本吉奥；2024 年诺贝尔物理学奖授予霍普菲尔德与辛顿。
III为什么等了这么久

算法、数据、算力，缺一不可

数据、算力、算法三驾马车
好算法缺算力，省算力的算法精度又不够。三样东西凑齐之前，神经网络无法产业化。
III2006 年前后 · 三件小事

三件小事，分别补上了三块短板

算法

深层网络训得动了

HINTON · 2006

辛顿等人提出逐层预训练，深层网络的训练出现转机；此后更好的激活函数与初始化方法陆续出现。

数据

ImageNet

FEI-FEI LI · 2009

李飞飞团队构建大规模标注图库，后扩展到 1400 余万张。竞赛使用其中 120 万张、1000 类。

算力

GPU 可以通用计算

NVIDIA CUDA · 2006

英伟达推出 CUDA，游戏显卡可以用于矩阵运算，恰好适合神经网络。

三件事发生时都不起眼。六年之后，它们在同一场比赛里汇合。
III2012 · 转折点

AlexNet，错误率拉开十个百分点

26.2%
第二名的前五错误率（五个候选
类别均不正确的比例），采用传统方法
15.3%
AlexNet 的前五错误率
克里泽夫斯基、苏茨克维、辛顿
2 块
训练所用的游戏显卡
训练约五六天
III2012 年 12 月 · 太浩湖

一场竞拍，为深度学习重新定价

这一年辛顿 65 岁，研究神经网络已四十年。两次低谷中都没有离开，等来了这一天。
远川研究所《2012，改变人类命运的180天》
III2016 · 公众第一次受到震动

AlphaGo 4 : 1 李世石

  • 先学习人类棋谱，再自我对弈数百万盘，即强化学习
  • 第二局第 37 手，职业棋手起初都认为是失误
  • 2017 年的 AlphaGo Zero 完全不用人类棋谱，从零自学，超过了所有前代版本
为什么围棋可行

规则明确，胜负清楚，可以无限次自我对弈。每一盘都有自动的裁判判定输赢。

那为什么没有一个处理金融业务的 AlphaGo？同桌讨论一分钟，再翻页。
III封闭环境的边界

为什么没有白领版的 AlphaGo

围棋有自动裁判，写报告没有
一份研报质量如何，没有自动裁判。由谁验收，是智能体进入金融业最难的一关。
第二次转向

从一个模型做一件事
到一个模型读遍所有文字

下棋的模型只会下棋，识图的模型只会识图。下面讲一个什么都能谈的模型如何产生。
III2017 · 地基

Transformer，一次看完整句话

此前的做法 · 逐词读取

  • 如同逐字朗读，读到后面，前文越来越模糊
  • 必须按顺序计算，无法并行
  • 模型规模一大，训练慢得难以承受

Transformer · 注意力机制

  • 每个词直接关注句中所有其他词，决定各自的权重
  • 整句可以同时计算，发挥 GPU 的并行能力
  • 模型因此可以不断扩大
谷歌 2017 年论文《Attention Is All You Need》。GPT 中的 T 即 Transformer。
III互动 · 估一估
从 GPT-1 到 GPT-3，只隔两年，
参数量涨了多少倍？
A　15 倍　　B　150 倍　　C　1500 倍　　D　15000 倍
III2018-2024 · 预训练

模型越来越大

模型参数训练数据训练算力
GPT-1 · 20181.17 亿约 7000 本书—
GPT-3 · 20201750 亿3000 亿 token约 3×10²³ 次浮点运算
Chinchilla · 2022700 亿1.4 万亿 token与 2800 亿参数的 Gopher 相同
Llama 3.1 · 20244050 亿超过 15 万亿 token3.8×10²⁵ 次浮点运算
arXiv 2005.14165、2203.15556；Meta 官方博客 2024-07-23；Epoch AI 模型数据库
III算力从哪里来

从摩尔定律，到 AI 算力的指数增长

2 年
摩尔定律　芯片上的晶体管数约两年翻一番（1965 年提出，1975 年修正）
3.4 个月
AI 训练算力　2012-2018 年最大训练任务的算力翻一番所需时间，六年增长 30 万倍
4-5 倍
每年　2010-2024 年前沿模型训练算力的年均增长
计算机历史博物馆；OpenAI《AI and Compute》2018；Epoch AI 2024-05-28；Hennessy 与 Patterson 图灵奖讲座 2018；NVIDIA 官方博客 2023-09-29
IIIScaling law

规模定律，从越大越好到怎样变大

时间认识含义
2020Kaplan 等（OpenAI）　模型损失随参数量、数据量、算力按幂律稳定下降投入可预测地换来能力
2022Chinchilla（DeepMind）　参数与训练数据应同比例扩大；700 亿参数、4 倍数据的模型胜过 2800 亿参数的 Gopher光堆参数不够，数据要跟上
2024.09OpenAI o1　表现随训练中的强化学习和回答前的思考时间增加而提升规模扩展到推理阶段
2024.12苏茨克维　「我们只有一个互联网」，预训练数据接近上限单纯扩大预训练的收益在减弱
规模定律没有失效，扩展的对象从参数和数据，延伸到了思考与行动。
arXiv 2001.08361、2203.15556；OpenAI 2024-09-12；NeurIPS 2024 演讲，The Verge 2024-12-13 报道
III2025-2026 · 算力需求外溢

AI 争夺产能，电脑硬件随之涨价

+93~98%
2026 年一季度常规 DRAM 合约价
单季环比涨幅
4.4 倍
2026 年 1 月 DDR5 内存零售均价
相对 2025 年 7 月（德国市场）
+36%
RTX 5070 显卡 2026 年 6 月至 8 月
美国零售中位价涨幅
TrendForce 2025-11-17、2026-06-01、2026-07-03；3DCenter 数据，新浪科技 2026-01-19；PCGamesN 2026-08-12；NVIDIA 财报 2026-08-26
III它学到了什么

它只学一件事，预测下一个词

III2022 · 进入大众视野

ChatGPT，两个月一亿用户

11.30
2022 年 11 月 30 日发布
1 亿
约两个月后的月活用户
当时增长最快的消费应用
用户数为瑞银估计，路透社 2023-02-01 报道
III2023-2026

从更大，到更会思考

时间事件影响
2023.03GPT-4 发布，可以理解图片，多项考试成绩接近人类高分段能力上了一个台阶
2024.09OpenAI o1 回答前先进行长时间推理，推理模型出现数学、代码与多步分析明显改善
2025.01DeepSeek-R1 开源，推理能力接近 o1，API 价格低得多国产模型进入第一梯队
2026.04DeepSeek V4 开源，上下文 100 万 token；9 月发布 V4.1-Flash一次可读入几份完整年报
III仍然缺少的一块

只有一个对话框，数据要你搬进搬出

只有一个对话框：分次粘贴、自己裁剪、逐格复制回表格
模型很聪明，但只能在对话框里回答。材料要你粘贴进去，结果要你复制出来。
第三次转向

从会说
到会做

它提出方法，由你执行。智能体要做的，是让它自己读文件、跑命令、交付结果。
III2022-2023 · 工具使用

给模型接上工具

ReAct：推理与行动交错进行
思考一步、执行一步、观察结果、再作决定。这个循环是智能体的核心。
Yao et al., ReAct · ICLR 2023；图中营收数字为示意
III2023 · 过早的尝试

AutoGPT，为何兴起又退潮

又一次承诺超前于能力。它缺少的验收标准、上下文管理与关键环节的人工把关，正是本课程要补上的。
III2025 · 真正落地

编码智能体，为何率先落地

编码智能体落地的三个条件
2024.11 · MCP

智能体接入外部工具与数据的统一接口

2025 · Claude Code 与 Codex

终端读写文件、运行命令的智能体，本课主要工具

2025.10 · 技能

把一套做法打包成文件，用到时才读取

代码可以用测试检验，编程自带现成的裁判，因此率先落地。
III两个时代

网页聊天时代，到智能体时代

网页聊天时代

  • 很聪明，但只有嘴
  • 它说方法，人来执行
  • 主要在问答窗口里工作

智能体时代

  • 有手有脑，能交付文件
  • 给一个目标，细节方法由它补全
  • 从开发者的终端走向白领的桌面
大众端的门槛在降，专家端的复杂度在升。本课先练看得见的手，每一步看得见，随时可以叫停。
Claude Cowork（2026-01）；OpenAI Frontier（2026-02）
III当前进展

这个领域，变化很快

编程与办公任务成绩变化
从编写一段代码，到交付可验收的工作成果。今天讲的工具界面，两个月后可能已经变化。
HumanEval、SWE-bench Verified、GDPval 官方论文与模型报告 · 数据截至 2026-08
III能做多长的活

12 小时的任务，一半成功率

12 小时
人类专家完成这类任务所需时间，
Claude Opus 4.6 的成功率为 50%
188 天
这一任务跨度翻一番所需时间
2019 年以来
89 天
同一指标
2024 年以来
能做和可靠地做是两件事，另一半会失败。
J.P. Morgan 2026 年中展望，引 METR · 数据截至 2026-03
III金融业的一条线 · 上

金融业，一直是 AI 的早期用户

时间金融业中的应用所属路线
1988美国运通专家系统授权助手投产，辅助判断信用卡大额消费是否批准规则
1988文艺复兴科技设立大奖章基金，用数学模型从价格数据中寻找规律学习
1989FICO 信用评分推出，用统计模型评估个人信用学习
2009高频交易一度占美股成交量一半以上（行业估计）算法与规则
2010s智能投顾兴起，Betterment 2010 年上线，Wealthfront 2011 年推出算法与规则
2015 起网商银行开业，小微贷款后来形成「310」模式：3 分钟申请、1 秒放款、0 人工干预学习
IEEE Expert 1990；FICO 官网；美国证监会 2010 年概念公告与 TABB Group 估计；TechCrunch 2010、2011；中国新闻网 2018
III金融业的一条线 · 下

大模型出现后，金融业如何应对

时间金融业中的应用阶段
2023彭博发布 BloombergGPT，以金融语料训练的 500 亿参数模型大模型
2024摩根大通推出内部大模型助手 LLM Suite，8 个月开通 20 万员工大模型
2025工商银行、邮储银行、江苏银行等引入或本地部署 DeepSeek，约 20 家券商完成部署大模型
2026金融监管总局发文规范银行保险业 AI 应用，监管文件中首次专门提及金融智能体监管跟进
接下来金融业要回答的是，智能体完成的工作由谁验收、由谁担责。
arXiv 2303.17564；摩根大通官网；新华网 2025-02-18；金发〔2026〕8 号
III第三部分 · 小结

回顾这段历史，三条规律

动手 二15 分钟 · 在电脑上操作

平台使用练习，交一份基本信息

I

登录

打开 hw.lingnan.top/mf，
用学号和姓名核对身份，
设置自己的密码

II

填写

待办里打开
第 1 次课 · 平台使用练习，
填本科学校、专业、编程基础

III

提交

点最下面的提交，
回「我的待办」
看到已交就算完成

交完这一份，顺手把待办里的《第 1 次课 · 课间问卷》填了，晚饭时间填完，约 5 分钟。想改就重交一次，以最后一次为准。组队本周五前完成。

晚上 19:00 见

接龙游戏 · 智能体的常用操作 · 记忆文档
晚饭前确认四件事
装机验收三条全部通过 · 平台使用练习已交 · 课间问卷已填 · 素材包已解压

张一帆　·　中山大学岭南学院　·　金融AI智能体设计与应用