Agent专业化的艺术：如何打造一个真正懂投资的理财Agent

Agent 专业化的艺术如何打造一个真正懂投资的理财Agent阅读时间约25分钟 |你将学到Agent专业化的四个层次、理财Agent的完整技术方案、多Agent协作架构设计、专业Prompt工程实战核心观点让Agent变专业不是堆工具而是构建知识-工具-流程-进化的闭环。理财Agent尤其特殊合规是底线风险提示是灵魂。一、为什么你的Agent总是不够专业很多人做了理财Agent喂了一堆基金知识、股票数据但用户一问就露怯这个基金能买吗 → 回复一堆数据但不给明确建议我亏了20%怎么办 → 一通安慰没有具体方案推荐个理财产品 → 不问风险承受能力就直接推问题出在哪不够专业的Agent 专业的Agent ┌─────────────────────┐ ┌─────────────────────┐ │ 用户问什么答什么 │ │ 主动了解用户情况 │ │ 知识堆砌 │ │ 结合数据给建议 │ │ 不问风险偏好 │ │ 主动提示风险 │ │ 随时可以给出建议 │ │ 合规优先不乱推 │ └─────────────────────┘ └─────────────────────┘专业化的本质不是知道多少而是能否在正确的时间、用正确的方式、做正确的事。二、Agent专业化的四个层次2.1 第一层知识注入 —— 让Agent懂Agent的专业性首先体现在懂不懂。# 理财领域知识库RAG KNOWLEDGE_DOCS [ # 基金知识 ## 基金类型详解 货币基金 - 风险等级R1最低 - 收益2-3%年化 - 特点随时可取实时到账 - 适用备用金、短期资金 债券基金 - 风险等级R2较低 - 收益4-6%年化 - 特点收益稳定波动小 - 适用稳健增值、养老资金 股票基金 - 风险等级R3-R4中高 - 收益-20%~40%年化 - 特点高波动高收益 - 适用长期投资、能承受亏损 混合基金 - 风险等级R2-R4可调 - 收益取决于股债比例 - 特点灵活配置 - 适用平衡型投资者 , # 关键指标 ## 基金评估指标 夏普比率 (Sharpe Ratio) - 定义每承担一单位风险获得的超额收益 - 公式(组合收益 - 无风险利率) / 组合标准差 - 解读越高越好1优秀2杰出 最大回撤 (Max Drawdown) - 定义历史最高点到最低点的最大跌幅 - 解读越小越好30%需要警惕 阿尔法系数 (Alpha) - 定义跑赢业绩基准的超额收益 - 公式实际收益 - 预期收益β*基准收益 - 解读正值表示跑赢基准 贝塔系数 (Beta) - 定义组合相对市场的波动程度 - 解读1与市场同步1波动大于市场1波动小于市场 卡玛比率 (Calmar Ratio) - 定义年化收益 / 最大回撤 - 解读衡量收益与风险的性价比 , # 资产配置 ## 资产配置原则 100减年龄法则 - 股票比例 100 - 年龄 - 30岁70%股票 30%债券 - 50岁50%股票 50%债券 4321法则 - 40%投资股票、基金等 - 30%生活房贷、车贷等 - 20%储蓄应急资金 - 10%保险保障 核心-卫星策略 - 70%核心资产稳健ETF、债券基金 - 30%卫星资产成长型股票、行业基金 , # 合规要求 ## 理财合规要求重要 适当性原则 - 不得向低风险客户推荐R3以上产品 - 首次购买需进行风险测评 - 销售时必须进行风险揭示 禁止事项 - 禁止承诺保本保收益 - 禁止预测具体点位 - 禁止推荐未持牌产品 信息披露 - 必须告知费率管理费、托管费、销售服务费 - 必须揭示可能的最大亏损 - 定期报告业绩季报、半年报、年报 ]2.2 第二层工具赋能 —— 让Agent会光有知识不够Agent还得会干活。# 理财Agent的专属工具箱 TOOLS [ { name: get_stock_price, description: 获取A股/港股/美股实时股价和涨跌幅, inputSchema: { type: object, properties: { symbol: { type: string, description: 股票代码如 600519茅台、000001平安、AAPL苹果 }, market: { type: string, enum: [A股, 港股, 美股], default: A股 } }, required: [symbol] } }, { name: get_fund_info, description: 获取基金基本信息包括基金类型、规模、成立时间、基金经理等, inputSchema: { type: object, properties: { fund_code: { type: string, description: 基金代码如 161039易方达消费、110011景顺长城新兴成长 } }, required: [fund_code] } }, { name: get_fund_performance, description: 获取基金历史业绩支持多时间段查询, inputSchema: { type: object, properties: { fund_code: {type: string}, period: { type: string, enum: [1m, 3m, 6m, 1y, 2y, 3y, 5y, 成立以来], description: 统计周期 } }, required: [fund_code, period] } }, { name: calculate_fund_return, description: 计算基金投资收益支持定投和一次性投入两种方式, inputSchema: { type: object, properties: { fund_code: {type: string}, investment_type: { type: string, enum: [定投, 一次性] }, amount: { type: number, description: 总投入金额 }, start_date: { type: string, description: 开始日期 YYYY-MM-DD }, end_date: { type: string, description: 结束日期 YYYY-MM-DD }, frequency: { type: string, enum: [每周, 每月], default: 每月, description: 定投频率 } }, required: [fund_code, investment_type, amount, start_date, end_date] } }, { name: analyze_portfolio, description: 分析投资组合的资产配置、风险暴露、收益率归因, inputSchema: { type: object, properties: { positions: { type: array, items: { type: object, properties: { asset: {type: string, description: 资产名称/代码}, weight: {type: number, description: 占比0-1}, return_1y: {type: number, description: 近一年收益率} }, required: [asset, weight] } } }, required: [positions] } }, { name: risk_assessment, description: 评估投资风险给出风险等级和建议, inputSchema: { type: object, properties: { user_risk_profile: { type: string, enum: [保守型, 稳健型, 平衡型, 进取型, 激进型] }, investment_horizon: { type: string, enum: [短期(1年内), 中期(1-3年), 长期(3年以上)] }, assets: { type: array, items: {type: string}, description: 当前持仓可选 } }, required: [user_risk_profile, investment_horizon] } }, { name: get_financial_news, description: 获取财经新闻聚焦宏观、政策、行业动态, inputSchema: { type: object, properties: { keywords: { type: array, items: {type: string}, description: 关键词如 [新能源, 半导体] }, date: { type: string, description: 日期 YYYY-MM-DD默认当天 } } } }, { name: compare_funds, description: 对比多只基金的业绩、费率、风险指标, inputSchema: { type: object, properties: { fund_codes: { type: array, items: {type: string}, description: 基金代码列表 }, period: { type: string, enum: [1y, 3y, 5y], default: 1y } }, required: [fund_codes] } }, ]2.3 第三层流程规范 —— 让Agent对专业最重要的一点合规。理财行业合规是底线。 风控Agent - 理财系统的守门员 每个建议都必须经过风控审核 from typing import Optional from pydantic import BaseModel from enum import Enum class RiskLevel(str, Enum): R1 R1 # 保守型 R2 R2 # 稳健型 R3 R3 # 平衡型 R4 R4 # 进取型 R5 R5 # 激进型 class RiskChecker: 风控检查器 # 风险等级映射 risk_score { R1: 1, R2: 2, R3: 3, R4: 4, R5: 5, } def check(self, fund_risk_level: str, user_risk_level: str) - dict: 检查基金风险是否匹配用户风险承受能力 fund_score self.risk_score.get(fund_risk_level, 3) user_score self.risk_score.get(user_risk_level, 3) # 规则基金风险不能超过用户风险1级 if fund_score user_score 1: return { passed: False, reason: f该基金风险等级({fund_risk_level})高于您的风险承受能力({user_risk_level}), suggestion: f建议选择{self._get_recommended_level(user_risk_level)}级别的产品, } return {passed: True} def _get_recommended_level(self, user_level: str) - str: 根据用户等级推荐产品 level_map { R1: R1, R2: R1-R2, R3: R1-R3, R4: R2-R4, R5: R2-R5, } return level_map.get(user_level, R1-R3) def generate_warning(self, fund_data: dict, user_risk_level: str) - str: 生成风险揭示 warnings [] # 基础风险揭示 warnings.append(基金过往业绩不代表未来表现) warnings.append(市场有风险投资需谨慎) # 个性化风险揭示 if fund_data.get(risk_level) in [R4, R5]: warnings.append(f该基金为高风险({fund_data[risk_level]})产品可能遭受本金大幅亏损) if fund_data.get(leverage): warnings.append(该基金为杠杆产品亏损可能超过本金) if fund_data.get(concentration) 0.5: warnings.append(f该基金持仓集中度较高({fund_data[concentration]*100}%)分散度不足) return .join(warnings) class ComplianceChecker: 合规检查器 def check_prompt(self, response: str) - dict: 检查回复是否合规 violations [] # 检查是否承诺保本 forbidden_words [保本, 保证收益, 稳赚, 不会亏, 必涨] for word in forbidden_words: if word in response: violations.append(f包含承诺性词汇{word}) # 检查是否预测点位 prediction_words [会涨到, 会跌到, 突破, 跌破, 目标价] for word in prediction_words: if word in response: violations.append(f包含预测性内容{word}) # 检查是否有风险提示 if 风险 not in response and 风险 not in response.lower(): violations.append(缺少风险提示) return { passed: len(violations) 0, violations: violations, }2.4 第四层持续进化 —— 让Agent更好 Agent进化系统 - 从实践中学习 class AgentEvolution: Agent进化器 def __init__(self): self.feedback_log [] # 用户反馈 self.bad_cases [] # Bad case库 self.improvements [] # 改进记录 def record_feedback(self, query: str, response: str, feedback: str): 记录用户反馈 self.feedback_log.append({ query: query, response: response, feedback: feedback, timestamp: datetime.now(), }) def analyze_bad_cases(self): 分析Bad Cases # 统计被标记不专业、不准确的case bad [f for f in self.feedback_log if f[feedback] in [不专业, 不准确, 没用]] # 提取共性问题 # 问题1没问风险偏好就推荐 # 问题2推荐的基金规模太小 # 问题3没有给具体建议 # 自动生成改进Prompt improvements [] if any(风险 in f[query] and 推荐 in f[query] for f in bad): improvements.append(推荐前必须先了解用户风险承受能力) return improvements def update_prompt(self, improvements: list): 更新Prompt # 每次微调或定期更新Prompt pass三、多Agent协作架构专业的事交给专业的Agent。┌─────────────────────────────────────────────────────────────────┐ │ 理财Agent系统架构 │ ├─────────────────────────────────────────────────────────────────┤ │ │ │ ┌──────────────┐ │ │ │ 用户入口 │ 小惠理财助手对话入口意图识别 │ │ └──────┬───────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────────────────────────┐ │ │ │ Agent Router意图路由 │ │ │ │ │ │ │ │ - 选基金 → 基金Agent │ │ │ │ - 诊股票 → 股票Agent │ │ │ │ - 组合建议 → 组合Agent │ │ │ │ - 知识问答 → 问答Agent │ │ │ │ - 投诉处理 → 人工客服 │ │ │ └─────────────────────┬───────────────────┘ │ │ │ │ │ ┌──────────────┼──────────────┐ │ │ ▼ ▼ ▼ │ │ ┌────────────┐ ┌────────────┐ ┌────────────┐ │ │ │ 基金Agent │ │ 股票Agent │ │ 组合Agent │ │ │ │ │ │ │ │ │ │ │ │ - 选基推荐 │ │ - 诊股分析 │ │ - 配置建议 │ │ │ │ - 收益计算 │ │ - 财报解读 │ │ - 再平衡 │ │ │ │ - 定投规划 │ │ - 估值判断 │ │ - 风控评估 │ │ │ │ - 基金对比 │ │ - 风险提示 │ │ - 收益归因 │ │ │ └─────┬──────┘ └─────┬──────┘ └─────┬──────┘ │ │ │ │ │ │ │ └───────────────┼───────────────┘ │ │ ▼ │ │ ┌─────────────────────┐ │ │ │ 风控Agent审核 │ ← 关键必须有 │ │ │ │ │ │ │ - 风险等级匹配 │ │ │ │ - 合规检查 │ │ │ │ - 风险提示生成 │ │ │ │ - 适当性管理 │ │ │ └──────────┬──────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────┐ │ │ │ 知识库Agent │ ← RAG增强 │ │ │ (背景知识查询) │ │ │ └──────────┬──────────┘ │ │ │ │ │ ▼ │ │ ┌─────────────────────┐ │ │ │ 输出给用户 │ │ │ │ - 建议 │ │ │ │ - 数据支撑 │ │ │ │ - 风险揭示 │ │ │ │ - 后续行动 │ │ │ └─────────────────────┘ │ │ │ └─────────────────────────────────────────────────────────────────┘四、专业Prompt怎么写FINANCIAL_AGENT_PROMPT 你是小惠一位专业的理财顾问具有基金从业资格和10年投资经验。 ## 身份设定 - 你说话专业但易懂不过度使用术语 - 你用数据说话每条结论都有数据支撑 - 你主动提示风险不回避负面信息 ## 核心原则按优先级 ### 适当性原则最高优先级 1. 首次推荐产品前必须先了解用户风险承受能力 2. 只推荐与用户风险等级匹配的产品 3. 保守型用户绝对不能推荐R3以上产品 ### 透明原则 1. 如实告知费率管理费、托管费、销售服务费 2. 如实告知可能的亏损 3. 明确区分历史业绩和未来预期 ### 长期主义 1. 强调复利的力量 2. 反对追涨杀跌 3. 推荐长期持有 ## 知识边界 - ✅ 你熟悉公募基金、私募基金、A股、港股的基础知识 - ✅ 你了解宏观经济、政策变化对市场的影响 - ✅ 你擅长基金选择、组合配置、风险评估 - ❌ 你不预测具体股价走势 - ❌ 你不推荐未持牌产品 - ❌ 你不承诺保本收益 ## 对话流程 ### 第一步了解用户 用户来之后先判断意图 - 如果要推荐产品 → 先问风险偏好 - 如果要分析持仓 → 先获取持仓信息 - 如果要知识问答 → 直接回答 ### 第二步收集信息 - 风险承受能力保守型/稳健型/平衡型/进取型/激进型 - 投资期限短期1年内/中期1-3年/长期3年以上 - 投资金额 - 投资目标 ### 第三步给出建议 每条建议必须包含 1. **建议内容**明确告诉用户该怎么做 2. **数据支撑**用数据支持你的结论 3. **风险揭示**明确告知可能的风险 4. **后续行动**告诉用户接下来该做什么 ## 输出格式模板【建议】{明确的动作}【分析】{数据和分析}【风险揭示】{可能的风险}【下一步】{具体行动}## 禁止事项红线 - ❌ 绝对不能承诺保本 - ❌ 绝对不能预测具体点位 - ❌ 绝对不能推荐高于用户风险承受能力的产品 - ❌ 绝对不能隐瞒费用 五、实战构建一个基金分析Agent 基金分析 Agent - 完整实现 from typing import Optional, List from pydantic import BaseModel from dataclasses import dataclass from enum import Enum class RiskProfile(str, Enum): CONSERVATIVE 保守型 # R1 PRUDENT 稳健型 # R2 BALANCED 平衡型 # R3 AGGRESSIVE 进取型 # R4 VERY_AGGRESSIVE 激进型 # R5 class InvestmentHorizon(str, Enum): SHORT 短期(1年内) MEDIUM 中期(1-3年) LONG 长期(3年以上) dataclass class FundData: 基金数据 code: str name: str risk_level: str type: str manager: str aum: float # 规模 return_1y: float return_3y: float sharpe_ratio: float max_drawdown: float fees: dict class FundAnalysisAgent: 基金分析Agent def __init__(self): self.tools FundTools() # 基金工具 self.knowledge FundKnowledge() # 知识库 self.risk_checker RiskChecker() # 风控 self.compliance ComplianceChecker() # 合规 async def analyze(self, fund_code: str, user_profile: dict) - dict: 分析基金并给出建议 # 1. 获取基金数据 fund_data await self.tools.get_fund_info(fund_code) performance await self.tools.get_fund_performance(fund_code, 3y) # 2. 风控检查关键 risk_result self.risk_checker.check( fund_risk_levelfund_data.risk_level, user_risk_leveluser_profile[risk_profile], ) # 3. 如果风控不通过直接返回不建议 if not risk_result[passed]: return { recommendation: 不建议购买, reason: risk_result[reason], alternative: risk_result.get(suggestion), warning: self.risk_checker.generate_warning( {risk_level: fund_data.risk_level}, user_profile[risk_profile] ), } # 4. 生成分析 analysis self._generate_analysis(fund_data, performance, user_profile) # 5. 合规检查 compliance_result self.compliance.check_prompt(analysis[response]) if not compliance_result[passed]: analysis[response] self._fix_compliance( analysis[response], compliance_result[violations] ) return analysis def _generate_analysis(self, fund: FundData, perf: dict, user: dict) - dict: 生成分析报告 # 计算各项得分 score 0 reasons [] # 规模得分 if fund.aum 50: # 50亿以上 score 20 reasons.append(f规模{fund.aum}亿运作稳健) elif fund.aum 2: # 2亿以下 score - 10 reasons.append(f规模较小({fund.aum}亿)有清盘风险) # 业绩得分 if perf[return_3y] 50: score 30 reasons.append(f近3年收益{perf[return_3y]}%表现优秀) elif perf[return_3y] 0: score - 20 reasons.append(f近3年收益{perf[return_3y]}%表现较差) # 风险调整收益 if fund.sharpe_ratio 1: score 20 reasons.append(f夏普比率{fund.sharpe_ratio}风险调整收益好) # 回撤控制 if fund.max_drawdown 20: score 15 reasons.append(f最大回撤{fund.max_drawdown}%回撤控制好) # 生成建议 if score 70: recommendation 建议购买 elif score 40: recommendation 可以适当配置 else: recommendation 不建议购买 return { recommendation: recommendation, score: score, reasons: reasons, fund_info: { code: fund.code, name: fund.name, risk_level: fund.risk_level, manager: fund.manager, }, performance: perf, warning: self.risk_checker.generate_warning( {risk_level: fund.risk_level}, user[risk_profile] ), response: f【{recommendation}】 {-*20} {chr(10).join(reasons)} {-*20} 【基本信息】 - 基金代码{fund.code} - 基金名称{fund.name} - 风险等级{fund.risk_level} - 基金经理{fund.manager} - 基金规模{fund.aum}亿 【业绩表现】 - 近3年收益{perf[return_3y]}% - 夏普比率{fund.sharpe_ratio} - 最大回撤{fund.max_drawdown}% {- * 20} 【风险揭示】 {self.risk_checker.generate_warning({risk_level: fund.risk_level}, user[risk_profile])} 【下一步】 建议先小额试投观察1-2周后再决定是否加仓。 } def _fix_compliance(self, response: str, violations: list) - str: 修复合规问题 # 添加风险提示 if 缺少风险提示 in violations: response \n\n【风险揭示】基金过往业绩不代表未来市场有风险投资需谨慎。 return response # 工具模拟 class FundTools: async def get_fund_info(self, code: str) - FundData: return FundData( codecode, name易方达消费行业股票, risk_levelR4, type股票基金, manager萧楠, aum120.5, return_1y15.2, return_3y58.3, sharpe_ratio1.2, max_drawdown18.5, fees{管理费: 1.5, 托管费: 0.25} ) async def get_fund_performance(self, code: str, period: str) - dict: return {return_3y: 58.3, return_1y: 15.2} class FundKnowledge: def find_similar(self, code: str) - list: return [] # 使用示例 async def main(): agent FundAnalysisAgent() result await agent.analyze( fund_code110022, user_profile{ risk_profile: 稳健型, # R2 horizon: 中期(1-3年), amount: 100000, } ) print(result[response]) if __name__ __main__: import asyncio asyncio.run(main())六、评估Agent专业度的四个维度┌─────────────────────────────────────────────────────────────────┐ │ Agent专业度评估矩阵 │ ├──────────────┬──────────────────────────────────────────────────┤ │ │ │ │ 准确性 │ • 金融知识正确法规、指标含义 │ │ │ • 数据准确基金代码、净值、费率 │ │ │ • 逻辑自洽不前后矛盾 │ │ │ │ ├──────────────┼──────────────────────────────────────────────────┤ │ │ │ │ 合规性 │ • 不承诺保本 │ │ 最重要 │ • 不预测点位 │ │ │ • 风险提示到位 │ │ │ • 适当性管理 │ │ │ │ ├──────────────┼──────────────────────────────────────────────────┤ │ │ │ │ 有用性 │ • 建议具体可执行 │ │ │ • 考虑用户实际情况 │ │ │ • 考虑用户约束条件 │ │ │ │ ├──────────────┼──────────────────────────────────────────────────┤ │ │ │ │ 可解释性 │ • 结论有数据支撑 │ │ │ • 分析过程可追溯 │ │ │ • 不懂的地方能解释清楚 │ │ │ │ └──────────────┴──────────────────────────────────────────────────┘七、总结专业化不是堆砌而是闭环专业化的四个层次 1. 知识 → 懂不懂 └→ RAG知识库 微调 2. 工具 → 会不会 └→ 专业Tools API集成 3. 流程 → 对不对 └→ 风控审核 合规检查 4. 进化 → 好不好 └→ 用户反馈 Bad case 持续优化理财Agent的特殊性合规是底线不是可选项风险提示是灵魂没有就是违规多Agent协作是标配分析和风控必须分离专业化的Agent不是知道多少而是在正确的时间、用正确的方式、做正确的事。