金融AI智能体设计与应用 · 第 8 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 AI 智能体设计与应用 · 第 8 次课 · 2026-11-04
任务规划
与个人判断
张一帆
中山大学岭南学院
第 1 部分
回顾课程，理解循环
把学过的组件放回过程，再看人在哪一步
课程回顾
今晚怎样学，最后留下什么
| 环节 | 讨论的重点 | 你留下什么 |
|---|
| 回顾与理解 | loop 怎样组织工具，人的反馈怎样改变后续行动 | 能解释一次工具调用之后为什么继续或停止 |
| 四步练习 | 自己想三步，AI 规划，一起改，再请两个模型审查 | 一份研究计划与两份审查意见 |
| 职业与成长 | 初级岗位变化后，怎样继续练习和积累经验 | 选一种方法，用在自己的研究或项目上 |
练习围绕同一个任务展开。AI 第一版形成后休息，回来接着比较和修改。课堂只做规划，不执行公司调研。
循环
把这些组件装回一个智能体
![金融硕士九周互动复习网页真实截图]()
拆开智能体，回想各组件在任务中管什么。
九周课程地图，按本班案例回顾与串联。
组件调度台，选一道题，用 3—5 分钟解释技能、工具和子代理的选择。
打开互动复习网页 ↗定时调度负责到点启动任务；任务内部再根据工具结果循环。两层过程要分开理解。
金融硕士专属复习页，覆盖九次课；核心操作仍用本课半导体 Plan 练习。
循环
一句请求，为什么会有许多动作
你要求制定调研计划，它先查看目录，再读委托和财务节选，发现初稿与原始资料的数字不一致。
接下来可以回查来源、记录差异，也可以询问你采用哪份口径。此时不需要把整套计划推倒重来。
循环重复的是依据反馈决定下一步，而非重复生成同一份答案。
循环
官方怎样描述 agentic loop
![模型选择工具、程序执行、模型查看结果，再决定继续或结束的循环]()
Claude Code 将过程概括为收集上下文、采取行动、核验结果，几个阶段可以交错。工具返回内容或报错，为下一步提供信息。
模型据此继续读取、调整安排、向人求助或结束。一次请求里，可以有多轮调用。
循环
工具执行后，结果会返回模型
模型发出工具名称和参数，运行系统执行后，把文档内容、查询结果或报错送回模型。模型再判断这些结果够不够支持下一步。
反馈可能推翻原先的假设。工具调用成功，只能说明拿到了结果；结果是否可靠、是否回答任务，还要检查。
循环
循环里，模型和程序各做什么
| 环节 | 模型 | Claude Code 等外围程序 |
|---|
| 准备输入 | 接收任务与当前信息 | 组织指令、上下文与可用工具说明 |
| 行动选择 | 提出工具名称和参数 | 检查权限，调用工具 |
| 结果返回 | 阅读结果，判断下一步 | 把内容、错误或状态返回模型 |
| 结束或继续 | 再请求工具，或回答与求助 | 处理返回状态与运行限制 |
循环
Skill 在需要时提供方法
何时进入
任务相关时加载，也可以由人指定。例如核对财务指标时，读取口径检查方法。
提供什么
方法、检查清单、示例与配套脚本。它能提醒查一次性收益，却不能替材料补出事实。
怎样影响下一步
模型依据方法选择行动，检查返回结果。缺少证据时，应记录问题、继续查找或询问。
循环
MCP 把外部工具接进来
![模型通过MCP接入文档和数据库，橙色箭头表示请求，绿色箭头表示结果返回]()
MCP 约定工具如何接入。例如读取共享文档中的研究委托，内容返回后，模型才能继续判断。接入方式不负责辨别数据真假。
本课只规划需要哪些来源。本地材料足够时，无需再接外部工具。
循环
子代理有自己的工作过程
主代理交出明确的子任务。子代理在独立上下文里读取材料、调用工具、检查结果，再交回发现和未解决的问题。
例如一位审查数据来源，另一位审查报告论证。两份意见返回后，主代理仍要核对依据并处理冲突。
循环
收到结果，判断继续还是停止
| 返回的内容或状态 | 接下来需要判断什么 |
|---|
| 工具或子代理交回结果 | 核对依据与任务要求，调用成功还不等于通过验收 |
| 发现遗漏或错误 | 补材料、换方法，或退回需要修改的步骤 |
| 反复尝试没有新证据 | 先打断，记录试过什么、缺什么，再请人判断 |
| 任务达到要求或需要人工决定 | 给出结果与限制，或者明确等待什么信息 |
继续要有理由，停止也要有依据。重复同一种尝试之前，先问这次改变了什么。
接续前期问卷关于运行不停止、结果怎样核验的问题。
循环
模型之外，还需要运行系统
![卡通大脑与工具、上下文、权限、反馈组成的运行工作台]()
模型判断下一步，脚手架提供工具、组织上下文、执行权限规则并传回结果。运行系统不同，可用工具与控制方式也可能不同。
改进表现可以从两处着手。提高判断质量，改善材料、工具与反馈。
循环
双层结构，组织多个工作循环
每个执行会话内部仍可调用工具并读取结果。主会话负责整合，不必接收所有操作细节。
依据 DeepSeek Super-agent 原型简化。公开代码为研究原型，不是正式产品，也不代表所有设计已实现。
官方架构与原型文档循环
Human in the loop，人在哪一步
![人在关键检查点对照原始材料、确定目标、处理取舍与验收]()
开始时，人明确研究目的与验收标准；过程中补充背景、处理重要取舍；结束时对照证据检查结果。也可以在中途打断，纠正任务方向。
人工反馈改变当前任务可用的信息和后续行动，不代表每次反馈都会训练模型权重。
循环
什么时候，值得停下来请人判断
| 情形 | 调研计划中的例子 | 人的介入 |
|---|
| 信息有冲突 | 利润表与初稿数字不同 | 指出原始依据，要求安排回查 |
| 涉及重要取舍 | 期限缩短，但关键材料缺失 | 决定缩小范围或等待补充 |
| 多次尝试仍无依据 | 始终找不到可比的同业口径 | 停止强行比较，记录限制 |
高影响或不可逆的行动需要明确授权。本课不执行公司调研，第四步只运行计划审查脚本。
循环
怎样的反馈，才能让计划改得更好
笼统的要求
“再仔细一点”没有指出遗漏。人若只看文字顺不顺，就可能批准一份无法执行的计划。
有依据的反馈
“待核表与初稿可能共用一个错数。请回查原始节选，写清核对来源，以及数字冲突时怎样处理。”
反馈要指出具体步骤，补充背景或证据，并说明希望怎样改。人也可能判断错，改过之后仍要检查依据。
人的作用
AI 会规划，人先想一遍有什么用
如果先看 AI 的答案，你很容易只检查它写得顺不顺，而没有留下自己原本会怎样安排。
先写三个步骤，比较时才能看见差别。谁先确认研究问题？谁漏了材料？谁把核验放得太晚？
接下来用一项公司调研练习，观察人的思路怎样补充 AI，以及其他模型的意见是否值得采纳。
第 2 部分
一份研究计划怎样改好
四步连续完成，最后再讨论怎样分工
任务规划
为半导体公司的调研制定计划
你在研究团队实习澄川半导体
模拟与电源管理芯片设计企业
服务工业与消费电子客户
负责人想知道收入增长，是否转化为持续盈利？
利润增长、现金流下降，
可能有哪些解释？
2 人 · 5 个工作日现在只交研究任务书。未来再交报告、数据表、Python 代码、图表与来源清单。
澄川半导体为教学虚构企业，全部数字均为模拟；不对应真实证券，不要求投资评级。
任务规划
打开一个文件夹，就从这里开始
澄川半导体_规划练习/
开始练习.md、CLAUDE.md任务、四步说明与项目约定
资料/公司背景、财务资料与待核初稿
成果/研究计划.md第三步后保存改进稿
跨模型审查.py通过 CodeBuddy 保存审查意见
下载后，打开整个文件夹
以左侧整个练习文件夹为项目根目录，在这里进入 Plan 模式。
公司背景单独成文，不需要预先懂芯片行业。
不要只打开资料子文件夹。
分析代码供审阅，课堂不运行。
打开练习页，下载材料 ↗
任务规划
四步完成，始终围绕同一份计划
01自己写三步
人 · 不用 AI记在自己的笔记中，暂不发给 AI。
留下最初安排
02AI 独立规划
AI从当前项目出发，提出研究计划。
形成第一版
03比较与改进
人与 AI加入你的三步，比较遗漏与分歧。
保存改进版
04其他模型审查
两个模型 · 人决定同一份计划审两次，再判断怎样改。
保留意见与理由
完整提示词在练习页。最后保留研究计划和两份审查意见，不另填记录表。
任务规划
第一步，先写你会做的三个步骤
现在不用 AI
读任务简介，写三步安排。每步说明做什么。
暂不放进项目，也不发给 AI。保留独立比较的机会。
不追求完整，留下最初的想法。
打开第一步要求 ↗
任务规划
第二步，让 AI 独立提出计划
发给 Claude Code请为当前项目制定一份可交接的研究计划。自行了解项目背景与现有材料，说明研究目标、步骤先后、分工、每步产物，以及数字和文字怎样验收。
遇到信息缺口，写清需要确认什么。当前只制定计划，不运行分析代码、不制作图表、不撰写调研报告。
任务规划
看第一版，先找一个具体差别
能否交给下一位研究者？从哪开始交出什么怎样验收
差别不等于错误。先解释各自的理由，再判断哪些安排值得改。
任务规划
第三步，让两种思路相互修正
把自己的三步加入对话下面是我独立写的三个步骤。请与你的第一版比较，指出我的思路补充了什么、遗漏了什么，以及你的方案有哪些值得改进的安排。
对有分歧的地方说明依据，不必全部采纳我的意见。随后给出改进版计划，并简要说明重要改动。
我的三个步骤是：〔粘贴你的三步〕
任务规划
第四步，给两个模型同一份计划
不同训练过程可能带来新角度，也可能犯相似的错。两个模型互不看对方意见，不按赞同票数下结论。
任务规划
用一段提示词，让 AI 调用两个模型
发给主 AI · 提示词节选请参考项目根目录的跨模型审查.py，依次调用 glm-5.3 和 hy3，审查成果/研究计划.md。两次使用相同材料与计划，不互相提供意见。
请核对两次输入一致，再结合原始资料汇总重要问题、依据和改法，等我决定是否采纳。本次只允许运行审查脚本，不执行公司调研。
从整个练习文件夹开始，由 AI 执行代码。未配置 CodeBuddy 的同学看教师演示，不临时安装。
任务规划
审查之后，由你决定怎样改
有依据，值得采纳
能否指出材料或具体步骤？
改后解决什么问题？
意见之间有分歧
事实与口径是否相同？
哪一条依据更充分？
建议超出本次范围
现在是否需要、能否完成？
是否应记录为后续工作？
两者都没发现问题
还有哪些假设未经检验？
一致赞同不能代替检查。
重要的采纳或拒绝理由写在计划末尾。可请 AI 改文字，判断与修改仍属于第四步。
任务规划
怎样分工，先看任务的两个特点
例外与变化 ↓
方法能事先说明白
依赖经验或探索
较少
常规型
固定流程或技能，按规则检查。
例：核对单位、格式和公式。
经验型
看案例，听反馈，逐步校准判断。
例：口径取舍与行业惯例。
较多
工程型
先规划依赖，模块明确再拆分。
例：组织多来源调研资料。
探索型
小范围尝试，比较解释，反复调整。
例：解释利润与现金流背离。
这是讨论工具，同一任务可以混合多种类型；四类都需要检查。
依据 Perrow（1967）的任务技术框架作教学转述；分类不能自动决定工作方式。
任务规划
拆分、迭代、检查，都要看具体任务
| 想采用的方式 | 先判断什么 | 本次计划可以怎样安排 |
|---|
| 拆子代理 | 输入能否说清，产物能否独立交接 | 资料整理可分开，数据口径先统一 |
| 反复迭代 | 判断是否依赖新证据与反馈 | 异常解释保留竞争假说，不预写结论 |
| 安排检查 | 错误在哪里更容易产生或扩散 | 数字回原件核，文字保留限定条件 |
| 增加模型 | 新意见是否值得时间与调用开销 | 最多抓几个关键问题，不重复铺陈 |
没有一套适合所有任务的标准安排。先试小样本，再根据交接成本、错误后果和证据调整。
任务规划
计划改好了，你自己的判断改了什么
回看最初的三步现在会改哪一步？
依据来自材料、AI，
还是其他模型的审查？
解释自己的选择为什么采纳或拒绝？
解决了什么问题？
还有什么没有查清？
AI 能替我们做更多工作以后，怎样给自己留下学习、练习和积累经验的机会？
第三部分
AI 广泛介入以后，
我们学会了什么
从职业焦虑，回到专业能力怎样积累
职业变化与个人成长
工作会怎样变，我该怎样准备
对就业的担心
企业还会不会招新人？
哪些初级任务会先被接走？
我现在学的东西，还值不值得投入？
对自己的追问
如果初稿都能很快生成，
别人凭什么信任我的判断？
缺少基础工作的经验，怎样看出 AI 的错误？
职业变化与个人成长
关于新工作的承诺，具体是什么
The Daily Show 把技术乐观的承诺，放到普通人的工作处境里追问。
新工作什么时候出现？谁能得到机会？过渡期间，人靠什么积累经验？
带着这些问题，再看岗位变化与个人准备。
来源：The Daily Show 节目片段；雷老师 AI 中文字幕版，约 5 分 23 秒。节目为讽刺评论，片中预测与说法不作为就业事实的证据。
职业变化与个人成长
岗位总量与新人机会，要分开看
总量没有说明全部变化
Anthropic 的早期研究未发现高暴露职业失业率系统性上升，同时提示年轻人的招聘可能放缓。
进入岗位的门可能更窄
斯坦福的美国工资单研究观察到，高 AI 暴露职业中年轻人的就业相对落后，调整更多表现为少招人。
这是特定数据中的早期证据。岗位暴露不等于岗位消失，相关变化也不能全部归因于 AI。
职业变化与个人成长
找工作的困难，可能来自不同原因
摩擦性失业
岗位与求职者相互寻找需要时间。
即使技能合适，也可能还没有找到合适的工作。
结构性失业
岗位要求与求职者的技能或所在地区不匹配。
改善匹配可能需要培训、转岗或其他调整。
AI 可能改变招聘方式和技能需求。属于哪一类变化，要看岗位、技能和招聘数据，不能仅凭焦虑判断。
职业变化与个人成长
初级任务，也曾是学习的入口
整理、核对、修改
整理原始资料时，会遇到口径不一。
核对数字时，会发现缺失与异常。
修改初稿时，需要解释结论为何站不住。
如果直接拿到成品
这些接触原始问题的机会可能一起被跳过。
重复劳动不会自动带来成长，关键是能否看见错误、得到反馈并理解原因。
基础任务兼有生产与训练的作用。这里讨论学习机制，不将所有初级岗位视为已经消失。
职业变化与个人成长
省掉一项劳动，还要补上什么练习
机器承担了许多体力劳动，人仍会主动锻炼力量与耐力。
部分脑力任务交给 AI 后，也可以主动练习判断、回忆、计算与解释。
例如，先独立判断一个异常，再核对原始材料。看过 AI 的解释后，合上答案，用自己的话说明理由。
省下重复劳动的时间，再选择一项自己需要练习的能力。
身体锻炼与脑力练习是教学类比，不表示两者有相同的生理机制。
职业变化与个人成长
任务被接走了，练习怎样补回来
![新人面对缺失的入门台阶，通过小案例、原始材料和导师反馈重建学习机会]()
把真实工作的难点缩成可承受的小案例，保留亲自判断、反馈与重做的机会。
教学示意图。AI 可以辅助练习，不能用完成一份成品来替代专业经验。
职业变化与个人成长
成为专家，要积累怎样的判断
- 看得出异常，知道应回到哪份原始材料。
- 能提出几种解释，并说明什么证据能区分它们。
- 知道方法何时适用，也知道何时不该下结论。
- 换一家公司或一个约束，仍能调整做法。
AI 能加快找材料和尝试方法。专业判断仍需反复校正，不能靠一套提示词保证速成。
职业变化与个人成长
经验中有些判断，暂时还说不完整
![冰山示意图，将易于表述的知识与尚难充分表达的经验区分开]()
读到一段解释时觉得不对，却暂时说不出理由。这类经验判断，常常难以完整写成规则。
例如库存上升，老研究员会追问产品代际、订单和库龄。把追问放回案例，请导师指出漏掉的条件，再换材料练一次。
AI 能从示例中提取规律。让它比较案例、追问理由，再用新情境检查自己是否真会判断。
默会知识概念见 Polanyi，The Tacit Dimension（1966）；沿用沙龙教学图，冰山不表示能力比例，图中语言哲学引语不作为 AI 能力边界的证据。
职业变化与个人成长
当下表现，不等于长期学习
当次任务成功
当次任务失败
理解与迁移
有所增长
理解与迁移
无明显增长
Kapur（2016），Educational Psychologist，51(2)，289–299，doi:10.1080/00461520.2016.1155457。按当次表现与学习收获作课堂简化。
职业变化与个人成长
允许失败，还要安排怎样学会
- 挑一个边界清楚的小问题，先自己判断并留下理由。
- 卡住时索要提示、反例或具体反馈，不急着拿完整答案。
- 对照原始证据，解释自己的判断为什么改变。
- 换一个相似问题，暂时关掉 AI，再试一次。
不必故意做错。失败发生在低风险练习里，反馈和再尝试才让它有学习价值。
职业变化与个人成长
把 AI 用成陪练与审阅者
还没有想清楚
请它给一个提示。
指出遗漏的条件。
举一个让原判断失效的反例。
已经形成判断
请它追问依据。
提出另一种可行解释。
检查你能否说明两种方案的取舍。
让 AI 帮你获得更多反馈，也保留自己检索、回忆、解释和作出选择的过程。
职业变化与个人成长
期限缩短，原计划怎么改
澄川半导体调研只剩两天，原定五个工作日。负责人还希望加入一家同业，但对方披露口径不同。
保留
哪些数据和文字检查不能省？说清省掉后可能误判什么。
缩小
哪些比较可以暂缓？说明缩小范围后，哪些问题无法回答。
请人决定
哪些要求不能同时满足？列出需要负责人作出的选择。
只改任务书，先独立作答。再请同学或 AI 提出一个反例，检查原先学到的方法是否适用。
职业变化与个人成长
让一次经历，变成下一次的依据
原先的误判
收入增长就说明芯片需求改善，可以直接写进结论。
缺少的证据
未拆分销量、价格和产品结构的贡献，也缺少终端需求证据。
修正后的判断
描述收入变化，列出几种解释。判断哪种更可信，还需补证据。
下一次遇到类似表述，先问收入变化由什么构成。请导师或同事追问，再换一家公司的材料试一次。
澄川半导体为虚构芯片设计企业，以上为教学模拟判断，不是行业实证结论。
职业变化与个人成长
哪些知识，值得继续投入
理解业务
芯片设计企业与晶圆制造企业怎样分工？为什么不能直接套用同一组经营指标？
检查计算
毛利率怎样计算？研发费用与研发投入有什么区别？先核对口径再比较。
检验解释
库存增加有哪些可能原因？用什么证据，区分备货与销售不畅？
从这些问题里挑一个自己解释不清的地方。先查原始资料，再请 AI 帮助比较解释，最后独立回答。
职业变化与个人成长
课后选一个问题，检验自己是否学会
- 选一道与近期任务有关的小问题，先写自己的判断与理由。
- 请 AI 提供提示、反例或审阅意见，保留具体反馈。
- 核对原始依据，修改理由，说明为什么接受或拒绝建议。
- 隔一段时间，换一道相似题，不看原答案独立完成。
这是自选、非计分练习，不要求提交，不替代终期作业。记录的是自己学到什么，不是生成了多少文字。
职业变化与个人成长
省下的时间，怎样用在自己身上
来源：詹青云谈 AI、效率与工作评价，视频节选，约 57 秒。
职业变化与个人成长
研究中的效率，该用来多写还是多查
假设你研究企业采用 AI 后，是否减少了初级岗位招聘。AI 加快了整理数据和写初稿；省下的时间可以再开一篇稿，也可以先查下面的问题。
原始数据
重复发布是否去重？职位级别怎样识别？招聘广告减少，是否等于实际少雇人？
比较方法
AI 采用时间如何确定？对照企业是否可比？行业景气与组织调整能否解释变化？
增加的检查
省下的时间可以用于抽查编码、比较指标定义、检查对照组，并报告仍无法排除的解释。
模拟研究设计，没有实际估计结果。稿件更快完成，不表示上述测量与识别问题已经解决。
职业变化与个人成长
研究怎样评价，探索的风险由谁承担
慢科研倡议提出，论文数量不作为选拔的核心指标；关注学生参与了什么，以及能否解释设计原因和局限。
探索可能暂时没有成果。学生能得到哪些指导与评价支持？倡议能否落实，要看招生、指导和评审的选择。
花费多久、生成多少稿件，都不足以单独判断质量。
AI 省下的时间，可以用于检验解释、修正方法和报告不确定性。
职业变化与个人成长
工具继续变，专业能力继续积累
把任务做好
用规则和 Skills 保存方法。
用工具、知识库与子代理组织工作。
根据证据检查并调整。
把经验留下
先形成自己的判断。
从反馈中解释错误。
换一个问题，检查能否独立处理。
11 月 10 日 23:59 前提交报告 PDF、展示页 zip、会话记录 zip。11 月 11 日全天展示，每组 10 分钟含问答与换场，全员上台，现场演示网页与 AI 模块。
