金融AI智能体设计与应用 · 第 2 次课 · 晚上 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 2 次课 · 晚上 · 2026-09-23 · 东2-304

智能体 Skill
的原理与应用

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回扣下午

下午记住三句，晚上做三件事

下午 · 三句话

  • 提示词管这一次，技能管一整套做法
  • 平时只露一段描述，用到才翻开正文
  • 描述决定它来不来，想不起来就点名

晚上 · 三件事

  • 先弄明白技能接住的是哪一类知识，再看别人的技能从哪里来，装之前怎么背调
  • 用 skill-creator 改一个、再造一个
  • 听四组讲自己的场景，一起点评
下午看清了它怎么想起一个技能。晚上先说清它到底接得住哪一类知识，再装别人的、改自己的、造一个自己的。
0先看两分钟

它交出来的东西，看着像那么回事

世界经济论坛 · 2 分钟 · 说的是 workslop，AI 工作废料
东西是它写的，可交代的人是你。它不知道哪一处不能含糊——那些话你从来没说出口。晚上头一段，讲的就是这些没说出口的话。
0晚上从这里讲起

说过三遍的写得出来，还有一类你没说过

说得清与说不清的冰山，水面以上是能写下来的，水面以下是做得出却说不清的

说过三遍 · 这是频次

  • 月度快报、财报摘要、尽调清单
  • 你知道自己在重复，写下来就完了
  • 下午的 finance-brief 属于这类

从没说过 · 你以为那是常识

  • 做了五年，这些动作已经不过脑子
  • 带新人也不会讲，你想不起来要讲
  • 出了错一眼看出来，说不清凭什么
第 1 次课这张图，今天从另一头看。水面上那层写得进文件，水面下那块才是你做得对的原因。
Michael Polanyi《The Tacit Dimension》1966 年，原文 we can know more than we can tell；图同第 1 次课晚上「默会知识」一页
0认一认，有没有你

这类规矩，你手上不止一条

谁脑子里那条没写下来的规矩不知道这条会怎样
做行研的比同业利润率先看扣非。政府补助、公允价值变动这些进的是非经常性损益，有的公司占到利润三成拿净利润直接比，排出来的名次是错的
做估值的重资产行业用 EV/EBITDA，不用 PE。同一台设备，一家折十年，一家折二十年用 PE 排同业，折旧提得慢的那家永远显得便宜
看并表的今年并进一家子公司，同比要不要重述上年数，得看是不是同一控制下的合并不分这一条，算出来的增速是假的
取数的那个源的 CPI 滞后约一年，做参考行，拿去引用不行引用级的数字，得回统计局口径再核一遍
这四条，课本上不会讲，制度文件里也不会写。它在人手上。那个人调走，下一个人从头再踩一遍。
0先别急着说这是新问题

不是没人想过写下来，写了几十年了

岗位作业指导书

柜面每一步怎么做，翻开就是第几步、按哪个键

尽调清单

要看哪些证照、哪些流水、哪些对手方，一项一项打勾

投研报告模板

表头固定、口径固定、结论摆在第几页都定死

双人复核

一个人做，另一个人复核签字，谁签的留痕可查

这不是金融业独有的毛病。医院的核查表、工厂的作业指导书、审计所的复核单，都走过同一条路。差别从来不在那份文件上，在于是真照着做，还是填完归档。
写下来从来不难。难的是写完之后，有人真照着做。
0这一段的题眼

现在变了一件事，多了一个照做的

它照做 · 三个好处

  • 不累　第 100 遍和第 1 遍一个样，不会赶时间跳过第 7 步
  • 不忘　你懒得每次交代的那条，它每次都做
  • 不看心情　周五下午和周一上午一个样

代价 · 也是三个

  • 不会变通　碰上你没写到的情况，照最像的那条硬套
  • 不会质疑　规矩本身有问题，它不会提醒你
  • 你写错它照错　而且每一遍都错得一模一样
写下来的规矩，第一次有了一个不讲条件、不嫌烦、每次都照做的执行者。代价是它不替你兜底，写得准不准比以前更要紧。下午练习二你已经见过，一句描述写歪了是什么下场。
0技能凭什么值钱

写下来之后，多了三件做得到的事

Anthropic 官方 · 讲 Agent Skills 是什么 · 2025-10-16

Claude is powerful, but real work requires procedural knowledge and organizational context.
模型是强，可真要干活，缺的是做事的步骤和这家机构的口径。

同一篇 · 这件事凭什么现在才做得成

anyone can now specialize their agents with composable capabilities by capturing and sharing their procedural knowledge.
谁都能把自己那套门道攒下来、传出去，让智能体照着干。

  • 一份文件两个人用　新人照着上手，机器照着执行。你不用再守在旁边讲一遍
  • 写下来才验得了　口径写死在文件里，它交回来的东西你才说得清哪里不对
  • 能传出去　等下那个 macro-data，把挨个拉十个源踩出来的坑写进了文件，拿到的人不用再踩
官方那句话说得更直白，给智能体写技能，像给新人写入职手册。
Anthropic Engineering《Equipping agents for the real world with Agent Skills》2025-10-16 · 原文 Building a skill for an agent is like putting together an onboarding guide for a new hire
0它进了团队之后

人干哪一半，它干哪一半

你定

口径怎么算，哪一步必须停下来问人，什么数不准自己填

它做

每次照同一套走，每一格留下来源，第 100 遍和第 1 遍一个样

技能是中间那份文件

你写一次，全组都能用；它读一次，每次都照做

Anthropic 讲人机协作那篇里有句很硬的话：对它来说，没写下来、够不着的，就等于不存在。同一篇还点了个常见毛病——分工不清的团队，最后是各人在各人电脑上养一个只有自己懂的 AI，活重复做，团队的上下文被切得七零八落。
技能是这里面唯一能交给别人的那一份。不然你调了一下午的那套说法，只活在你自己的会话里，换个人、换台机器就没了。
Anthropic《Lessons from Anthropic on building effective human-agent teams》claude.com/blog · 2026-09-23 查；原文 if it's not written down and accessible, it doesn't exist
0也说说它接不住的

别吹过头，有些东西写不下来

写得下来 · 三类

  • 口径　收入含不含补助、同比用哪个基数、哪个源能拿去引用
  • 步骤　先查什么后查什么，哪一步必须两个人签字
  • 红线　什么情况必须停下来问人，什么数不准自己填

写不下来 · 也是三类

  • 手感　这家的管理层不太对劲，你说不清哪里不对劲
  • 临场取舍　两个做法都合规，这一次选哪个
  • 攒出来的直觉　一眼看出数不对，回头才想明白为什么
开头那句话还有另一面，说不出来的，就是写不进去。技能接得住的是说得出来、却一直没说的那一半。别指望把二十年的手感装进一个文件夹，写下口径、步骤、红线，已经够新人省半年。
0顺带说个热点

年初那阵，蒸馏同事

最值得看的不是它能做到什么，是它替你把那条线划出来了。他为什么这么判断、什么时候该停下来问人，蒸不走。回工位别惦记着蒸一个人，蒸一件事——下午那个 finance-brief，蒸的就是做财报指标表这一件。
GitHub titanwings/distilly（原「同事 Skill」，2026-03-30 建）、alchaincyf/nuwa-skill · star 数 2026-09-23 查
V
PART V · 第五部分

常见技能
从哪里来

别人写好的技能，装之前先背调，装之后要验
V五个来源

技能从哪里来，五个来源

技能的五个来源：官方仓库、金融插件、国内开源、同事与材料包、自己造
不管从哪里拿到，都走一遍搜、装、跑、验。
V来源一 · 官方仓库

官方两个仓库，只有一个能转发

仓库里面有什么能不能转发
anthropics/
skills		19 个技能打成 5 个包，document-skills 是 docx、pdf、xlsx、pptx根目录无 LICENSE，不随包转发
anthropics/
financial-services		金融垂类，仓内 120 个 SKILL.md，按业务线分成六块Apache-2.0，已进素材包
在 Claude Code 里输入 · 教师现场演示
/plugin marketplace add anthropics/skills　　　　　　　加市场 /plugin install document-skills@anthropic-agent-skills　装插件，插件名@市场名
命令要连 GitHub，国内常装不上，课上用素材包。练习包里带着官方的 skill-creator，今晚练习三四用它；这两个仓库也整包放进了素材包的「技能库」文件夹，课后自己翻。
github.com/anthropics/skills；github.com/anthropics/financial-services · 2026-09-23 查
V来源二 · 金融插件

一个金融插件，拆到一个技能

anthropics/financial-services 的 financial-analysis 插件分三块　技能 13 个，相关时它自己用，如 comps-analysis、dcf-model　·　命令 7 个，你点名发起，如 /comps、/dcf、/lbo　·　数据连接器 12 个，走 MCP 接 FactSet、Morningstar，都要订阅，第 3 次课讲
equity-research/skills/earnings-analysis/
SKILL.md　共 228 行 references/　三份细节，用到才翻 --- description: Create professional equity research earnings update reports … Use when user requests "earnings update", "quarterly update", "earnings analysis", "Q1/Q2/Q3/Q4 results", or post-earnings report.
  • 描述把 earnings update、Q3 results 这些原话列了出来，你这么说，它就想得起来
仓库 README 免责声明 · 2026-09-19 查

every output is staged for human sign-off
每份输出都留待人工签核

上周那句话还成立，签字的人永远是你。
V来源三 · 国内开源与机构

还有谁在做技能，值钱的是数据

谁　前四行是个人，与券商无关做了什么怎么拿到要账号吗
jwangkun/
claude-for-financial-services-cn		官方金融技能的 A 股改编，仓内 188 个 SKILL.md，去重约 60 个GitHub建议 Wind、iFinD，但技能不带脚本，不装也能跑
RKiding/
Awesome-finance-skills		行情、新闻、情感打分GitHub技能带脚本，要联网取数
laolaoshiren/
claude-code-skills-zh		20 个中文技能，一个技能一个文件，多是编程与运维GitHub不要账号，离线能跑
MrGeDiao/
shuorenhua		一个技能，把 AI 腔改成人话GitHub不要账号，离线能跑
署名 gtht-tech
的发布者 · 灵犀		在 ClawHub 上架灵犀搜索技能，页面写明 SKILL.md 结构openclaw skills install @gtht-tech/…要 API Key，灵犀或君弘 App 领
广发证券易淘金 8 个 skills，龙虎榜、F10、财务对比、ETF 与基金；金工研报另讲两个技能易淘金、腾讯 ima、扣子三条路；研报那两个没有公开发布要注册领 API KEY。是不是 SKILL.md、装不装得进 Claude Code，官方没说明
机构在做同一件事，它们手上多一份付费数据源。你们缺的不是方法，是数据。下周就去接数据。
clawhub.ai/gtht-tech · 易淘金 Skills 见新浪财经 2026-04-30、千龙网 2026-07-03 · 广发金工研报 2026-05-06 安宁宁等，用同花顺 API 与巨潮资讯网取数 · 2026-09-20 查
V来源四 · 身边的人

有一个库，就在岭南学院

下载到本地 · 不要账号，不要密钥
git clone https://github.com/ai-lingnan/sysu-awesome-cc.git # 要哪个拷哪个，不用全装 cp -r sysu-awesome-cc/skills/macro-data ~/.claude/skills/ Windows 上把 skills/macro-data 整个文件夹 拖进 .claude/skills/ 里，效果一样。
  • 谁在维护　中山大学岭南学院师生共建，17 个技能加 2 个 agent。写它的人就在这栋楼里，用不明白你找得到人问
  • 里面分两类　本院原创九个，收录的第三方八个。今晚要用的 skill-creator、等下讲 PDF 转 md 会碰到的 markitdown 和 mineru，都在收录那一半
  • 挑两个细讲　macro-data 取宏观数据，academic-paper-search 找论文，都是本院原创。md-to-docx 交作业那一步也用得上
这两个技能值钱的地方不在代码，在有人把踩过的坑写进了文件。
github.com/ai-lingnan/sysu-awesome-cc，李学恒老师发起 · 素材包没带，自己 clone · 2026-09-23 查
V细看一 · macro-data

取宏观数据，坑都写在文件里

skills/macro-data/SKILL.md · 原文照抄 · description 只有 62 字符
description: Use when 查中国或国际宏观/财经数据（GDP、CPI、 PMI、社融、利率等）。按 2026-09 实测模板取数。 正文第一句：所有模板均来自 2026-09-21 对十个数据源的逐一 真实拉取测试。 坑：macro_china_cpi_monthly / macro_usa_cpi_monthly 走金十源， 滞后约一年——查最新 CPI 改用统计局接口（见第 5 节） 或 macro_china_cpi_yearly 坑：个股东财源 stock_zh_a_hist 会 ConnectionError， 用新浪源 stock_zh_a_daily(symbol="sh600519") 替代
  • 先选源，再动手　正文头一张就是路由表：中国宏观走 AKShare，要引用级的数字换国家统计局，国际面板走 DBnomics，美国深度数据走 FRED
  • 那两条坑是人踩出来的　模型训练数据里没有，得有人 2026-09-21 挨个拉过十个源，撞上了才知道
  • 装之前照样背调　frontmatter 写着 platforms: [macos]，Windows 上要留个心；八个源全免费不要 Key，但得先建 conda 环境装五个包
开头说的那类写不下来的规矩，落到纸面就长这个样子。写下来之后，它才绕得开这两个坑。
github.com/ai-lingnan/sysu-awesome-cc，skills/macro-data/SKILL.md · 2026-09-23 查
V细看二 · academic-paper-search

找论文这件事，写成了一棵决策树

skills/academic-paper-search/SKILL.md · 决策树节选 · description 473 字符
要什么？ ├ 搜一个主题 │　├ arXiv 预印本 ──→ arXiv API │　├ NBER 工作论文 ──→ NBER API │　├ SSRN 工作论文 ──→ OpenAlex 为主，CrossRef 前缀 10.2139 补 │　└ 已发表的期刊论文 ──→ CrossRef 或 OpenAlex ├ 查已知那一篇的元数据 │　└ 有 DOI 走 CrossRef，有 arXiv 号走 arXiv └ 找 PDF 　　└ 先 Unpaywall 看开放获取，再翻 OpenAlex 的备用链接
  • 一次打通七个源　arXiv、NBER、SSRN、CrossRef、OpenAlex、Unpaywall、Semantic Scholar，一个 API Key 都不要
  • 邮箱这一条最典型　调 CrossRef 带上自己的邮箱进 polite pool，50 次/秒；不带只有 1 次/秒；Unpaywall 干脆拒收不带邮箱的请求
  • SSRN 的 DOI 有规律　编号拼成 10.2139/ssrn.编号 就是 DOI，省一次查询
邮箱那一条不是写代码的本事，是有人查过一遍才知道的规矩。写进文件，下一个人就不用再查一遍。
github.com/ai-lingnan/sysu-awesome-cc，skills/academic-paper-search/SKILL.md · 2026-09-23 查
V场景 · 猜一猜
不装技能，让它读一份
PDF 年报，会怎样？
教师机实测，接 DeepSeek 时自带的读文件工具打不开 PDF，它就自己写代码硬解。
装上技能并点名，它就用技能里的脚本读。
V场景 · 现成的

PDF 转 md 这件活，已经有人写好了

指令 · 照着说，别让它自己想办法
把 财报/中芯国际2026半年报_摘录第6-10页.pdf 转成 Markdown。 用 mineru 这个技能。 转完告诉我文件在哪、哪几页没转出来。 不要自己写代码解析 PDF。
  • 哪儿来的　刚才那个岭南库里就收着，skills/mineru-document-extractor/
  • 要先装什么　先装它的命令行：npm install -g mineru-open-api。技能文件只是说明书
  • 免费到哪　flash-extract 不要 token，20 页、10 MB 以内直接出 md；更大的文件用 extract，那个要 token
  • 为什么是 md　md 给 AI 读，Word 给人改。下午那个 pdf2md.py 干的就是这件事
最后那一句是重点。你要的不是让它现场想办法，是让它用别人已经调好的做法。
ai-lingnan/sysu-awesome-cc · skills/mineru-document-extractor；底层 MinerU 由 OpenDataLab 开源 · 2026-09-23 查
V装之后 · 别以为完了

拷进去只是第一步，有的还要你自己补

一类 · 要装外部工具

  • 刚说的 mineru：先 npm install -g mineru-open-api
  • macro-data：建一个 Python 3.11 环境，装 akshare 等五个包
  • 技能文件里只写「装好它」，不替你装

另一类 · 要配你自己的凭据

  • 要调云端接口的，得填 token 或 API key
  • 一般写进环境变量，或按说明放进配置文件
  • 别把 key 写进 SKILL.md 再传给别人
拷进 .claude/skills/ 只是让它看得见这份说明书。说明书里让你准备的东西，还得你自己准备。装之前先把 SKILL.md 通读一遍，看清楚它要你备什么——这一条比背调四问还实用。
配一次以 MinerU 为例 · 别的要 key 的技能路数差不多

拿一个 token，三步配好

I

先装命令行

npm install -g
mineru-open-api
装完敲一句
mineru-open-api version
出版本号就算好了

II

去官网申请

mineru.net
注册后在
apiManage/token 页
建一个，免费额度
够课堂用

III

配到本机

mineru-open-api auth
按提示粘进去，
或者设环境变量
MINERU_TOKEN

IV

先别急着配

不配也能用。
flash-extract 免 token，
20 页 10 MB 以内，
够转今天这份

今天想直接试的，素材里放了一份我自己的 token，照第三步配上就能跑大文件，课后我会撤掉。token 是你的凭据，别写进会传出去的文件。
mineru.net/apiManage/token · 取用顺序 --token > MINERU_TOKEN > ~/.mineru/config.yaml · 2026-09-23 查
V收尾 · 装之前

装之前，先背调四问

谁

谁写的，写给谁

官方、机构还是个人，写给哪个工具用的

官方提醒，只从信任的来源装技能
界

写没写不做什么

描述里有没有边界，会不会抢着来

对照 comps-analysis 的 Not ideal for
跑

脚本会跑什么

打开 scripts/ 看一眼，联不联网

待会儿装脚本前，你自己翻一次
钥

要什么账号密钥

token 放环境变量，不写进 SKILL.md

如 Tushare 的 token、Wind 的账号
VI
PART VI · 第六部分

写一个自己的
金融技能

只有一句描述的技能，改到每次一个样、每格能核
VI造技能的技能

写技能这件事，本身也有一个技能

用法一 · 在已有的上面改　今晚练习三

  • 拿下午那个 finance-brief，给它加一个功能
  • 你不写 SKILL.md，你只说清楚加什么、怎么算、改完什么样
  • 它先给方案，你点头它才动文件

用法二 · 从零造一个　今晚练习四

  • 手上什么都没有，只有一件反复在做的活
  • 它先访谈你：这活怎么做、交什么、哪里最容易错
  • 问完才起草，起草完给你看，你确认才落盘
两种用法的共同点：你负责说清楚，它负责写文件。说不清楚的活，它也写不出好技能来。
skill-creator 为 Anthropic 官方技能，素材包 练习三四/技能包/ 里有 · 485 行，含 description 优化与评测脚本
VI用法一 · 指令长这样

给它加一个功能，话要说到这个份上

指令卡 3-2 · 节选
用 skill-creator 帮我改进 finance-brief。 它现在做什么：提十项指标，单位换亿元， 每格标页码，材料里没有的留空。 要加的功能：每项再加一列「同比」。 1. 金额类算百分比，一位小数，带正负号。 2. 比率类算百分点，两类不能混着算。 3. 上年同期没数的，写「不可比」。 改完期待看到：SKILL.md 多一节讲同比怎么 算，示例表多一列，description 不用改。 动手之前，先把你打算怎么改说给我听。
  • 现状说清楚　它不用去猜这技能原来干什么
  • 规则说到能执行　两类指标算法不同，不说它必混
  • 先方案，后动手　验收条件先写好，不合格打回
这还是上周那六件事，只不过这次交办的对象，是一个专门用来写技能的技能。
VI用法二 · 让它先问你

从零造一个，先让它访谈你

指令卡 4-1 · 节选
用 skill-creator 帮我从零做一个技能。 要做的活：把一次课的资料压成一段课程要点。 我现在怎么做：翻一遍课堂速记，挑出真讲了的东西， 按主题归并，每条带一个具体名词或数字。 交出来什么：200 字以内的要点，加三条该带回工位 的事，每条标出自速记的哪一节。 最容易出错：写成「深入浅出、收获满满」这种空话； 超了字数还不删；把别人当场试出来的数当成真数据。 请先访谈我，把这四件事问清楚，再起草。 description 要写清：做什么、我会怎么开口、 什么时候不要用它。名字用 class-brief。
  • 四句话交底　做什么活、现在怎么做、交什么、哪儿容易错
  • 点名要访谈　不说这句，它多半直接开写
  • 和 finance-brief 同构　那个交一张表，这个交一段话。规矩是同一套，限死口径、标出来源、不许编
  • 先看全文再落盘　贴出来你过一眼，再写进 .claude/skills/class-brief/
对比下午的练习二：那时候你把一段写好的描述改坏，看它想不起来；现在你从零写一段，让它想得起来。同一件事的两面。
练习 三20 分钟 · 练习三四 文件夹 · 改的是下午那个技能

用 skill-creator，给它加一列同比

I

装两个

指令卡 3-1，把
finance-brief 和
skill-creator 都拷进
.claude/skills/，重开

II

说清要加什么

指令卡 3-2 整段粘贴。
金额类算百分比，
比率类算百分点，
两类不能混

III

先方案后动手

它该先说怎么改，
你点头才动文件。
直接上手改的，
回一句「先说方案」

IV

改完就验

指令卡 3-3 重跑一遍。
营业收入同比约 +19.4%，
毛利率写「增加 1.3 个
百分点」，不是百分比

你一行 SKILL.md 都没写。你做的是把要求说清楚——加什么、怎么算、改完该长什么样。
练习 四25 分钟 · 仍在练习三四 · 这一个技能是你自己的

从零造一个，课程内容纪要技能

I

四句话交底

指令卡 4-1：做什么活、
现在怎么做、交什么、
哪儿最容易错。材料是
第 2 次课课堂速记

II

让它访谈你

它该先问你问题，
不是直接开写。
被问到照实答，
你单位怎么做就怎么说

III

把规矩说死

200 字硬上限，每条
要有具体名词或数字，
每条标出自哪一节。
全文过一眼再落盘

IV

两头都要验

指令卡 4-2：拿速记
跑一遍，超字数自己删；
再说一句「整理行业
快讯」，它不该来

这个技能是你的，回工位把速记换成你们组的会议记录就接着能用。还有一刀，速记里那个 88% 的产能利用率是同学当场跑出来的，材料里根本没有，它要写进要点就是编。
VI练习三四 · 自测

做完之后，自己对一遍

查哪一项合格的样子
□name和文件夹同名，只用小写字母、数字和连字符
□描述有动作、有你平时会说的原话、有不做什么
□正文有编号步骤，有输出模板，表头固定，有一个微型示例
□缺数据时怎么办写明材料里没有的写未披露，不编
□两句测试该来的那句它来了，不该来的那句它没来
两句测试的结果照实记。没来就补描述里用户会说的话，抢着来就补不做什么。
VII
PART VII · 第七部分

小组
场景分享

四组上台讲《场景确认》，全班一起点评
VII怎么讲

四组，每组讲五分钟

项目规则
谁讲4 组。愿意讲的优先，不够就用平台随机抽
多长每组 5 分钟讲，3 分钟点评
讲什么四件事，给谁用、解决什么、AI 模块做什么、用什么数据
其余各组课后在平台上收到书面反馈
四件事就是《场景确认》那一页纸，讲的时候照着它说。
VII点评看什么

点评时，拿上周的标准过一遍

标准问一句
够不够高频这个月还要做几遍？一年一次的不做
有没有标准合格的样子说得清吗？说不清就没法验收
我判断得了吗它交回来的东西，你们看得出好坏吗
砸了会怎样错了是返工，还是出事
第五关换一个组还成不成立？换谁都能做，就是没用上你们的专业
最后落到两句话，多久做一次，错了谁能发现。
收尾 · 今天记住

今天，记住四句话

今天从第一层走上第二层，把说过三遍的话、说不出口的规矩，都写成了文件。但它手上还是只有你给的那几个文件夹。下周讲 MCP，让它够到电脑之外的数据库和公司系统，你们缺的不是方法是数据。
收尾 · 课后

课后要做的事，按日期排

什么时候谁做什么要求
9 月 30 日前小组改《场景确认》按今晚的点评改，没上台的组看书面反馈
9 月 30 日前个人装好环境今晚练习三已经用上 Python；第 3 次课论文复现要用 Python 或 Stata，课前把环境装好
10 月 10 日个人个人作业一论文复现。下次课前选定论文，国庆期间做完，18:00 前提交
10 月 28 日个人个人作业二18:00 前提交。技术分享从今晚的技能集里挑 3 至 5 个
今晚没做完的练习三、练习四，课后照练习网页补完。

下周三见

9 月 30 日 14:20 · MCP 与论文复现
下次课前
改好《场景确认》 · 选定论文 · 装好 Python 或 Stata

张一帆　·　中山大学岭南学院　·　金融 AI 智能体设计与应用