tear-sheet – 金融尽调摘要表生成 Skill

3周前更新 7 0 0 0

tear-sheet 是用于指导 AI Agent 生成公司 tear sheet 的金融分析型 Skill,可整理公司概况、股价表现、估值指标和关键财务数据,适合投行、研究和销售场景中快速产出单页公司速览。

Skill 安装

多 Agent 安装
npx skills add https://github.com/anthropics/financial-services-plugins --skill tear-sheet

使用 npx skills 快速安装,支持将 Skill 添加到多个兼容的 AI Agent。

Skill 调研报告

Skill 详细介绍

该 Skill 来自 Anthropic 官方发布的金融服务业插件集合 anthropics/financial-services-plugins,Skill 名称为 tear-sheet。它是一个面向金融行业典型工作流的指令型 / 工作流型 Skill,主要帮助 AI Agent 生成、整理和输出“tear sheet”(一页纸公司速览 / 公司简报)这类结构化文档。

在金融行业里,tear sheet 通常指一份高度浓缩的单页公司或标的速览,内容包括公司概况、财务要点、估值、股价表现、投资逻辑、风险提示等。这个 Skill 的核心价值,就是让 AI Agent 按照比较专业、稳定的结构,把零散信息整理成这种可直接用于内部讨论、投研初筛或客户沟通的简报格式。

它是什么:

  • 一个安装到 AI Agent 后新增的金融文档生成能力。
  • 一套关于 tear sheet 结构、字段和表达方式的指令 / 工作流。
  • 面向投研、投行、销售交易、企业融资等金融场景的效率辅助。

它不是什么:

  • 不是独立运行的软件,本身不提供数据源,也不做实时行情抓取。
  • 不是投资建议工具,不会替代分析师判断。
  • 不是财务数据库或行情终端,数据仍需用户或 Agent 从外部来源获取。

核心用途:

  • 把公司信息整理成一页纸公司速览。
  • 按统一模板生成结构化的金融简报。
  • 辅助投研初筛、行业对比、项目材料准备。
  • 把已有的财务数据、公司资料快速转成规范文档。

主要解决问题:

  • 手工撰写 tear sheet 耗时、格式不统一。
  • AI 直接写金融文档时结构松散、缺少行业规范。
  • 需要频繁复用同一套格式处理不同公司。

工作方式:

用户向 Agent 提供公司名称、财务数据、背景资料或关键词,Agent 加载该 Skill 后,按其定义的结构和表达习惯生成 tear sheet 内容。Skill 本身是提示词 / 指令集形态,不包含独立运行程序,能力上限取决于用户提供的信息和 Agent 的模型能力。

适合的用户:

  • 投研、投行、PE/VC、销售交易等金融从业者。
  • 需要快速整理公司速览的分析类岗位。
  • 经常使用 Claude Code 等 Agent 处理金融文档的用户。

不适合的需求:

  • 需要实时行情和权威财务数据库自动接入的场景。
  • 需要合规投资建议或正式研究结论发布的场景。
  • 希望完全自动化、无需人工核对数据的工作流。

Skill 安全评估

该 Skill 来自 Anthropic 官方仓库 anthropics/financial-services-plugins,来源可信度较高。它本质上属于指令 / 工作流型 Skill,从其定位看,主要涉及文本生成和文档整理,本身不需要复杂的高风险操作。

需要关注的点:

  • 来源可信度:来自 Anthropic 官方 GitHub 组织,相对第三方来源风险更低。
  • 数据准确性风险:Skill 不提供数据源,生成内容可能包含 Agent 推理或占位信息,用于金融场景前必须人工核对,尤其是财务数字、估值、股价等。
  • 文件读写:如果用户让 Agent 读取本地财报、项目资料或写入生成文档,会涉及文件读取与写入权限,属于正常用途,但应确认目录范围。
  • 网络访问:如果 Agent 联网获取公司信息,会涉及网络请求,需注意数据来源可靠性。
  • 第三方服务 / API:该 Skill 本身不强制要求配置外部金融 API。是否涉及 API Key、Token 取决于用户后续让 Agent 调用的外部服务,而不是 Skill 本身的硬性要求。
  • 敏感信息:金融材料常含未公开信息,使用时应避免把内部敏感数据发送到不可信环境。

降低风险的建议:

  • 仅将生成内容作为草稿,正式使用前人工复核所有数据。
  • 对涉及内部数据的任务,限制 Agent 的文件访问范围。
  • 不需要联网时,可关闭 Agent 的网络访问。
  • 不要在没有核验的情况下把 tear sheet 直接用于对外披露或投资决策。

总体判断:作为官方来源的金融文档生成类 Skill,正常使用场景下风险可控,但金融数据关系重大,核心风险在“数据准确性”和“敏感信息处理”,而不是 Skill 本身的执行行为。

Skill 使用要求

一、Agent / 客户端

该 Skill 属于 Anthropic 官方金融插件集合,与 Claude Code 的配合最为自然,优先推荐在 Claude Code 中使用。官方没有公布面向 Codex、Cursor、Trae、OpenClaw、WorkBuddy 的完整兼容列表。从 Agent Skill 的通用加载机制看,在支持自定义 Skill 或类似指令加载机制的环境中通常也可以尝试。不同 Agent 的 Skill 加载方式、目录结构、模型能力不同,实际表现以对应 Agent 当前版本为准。

二、运行环境 / 依赖

项目 要求
Agent Claude Code 优先,其他支持 Skill 机制的 Agent 可尝试
网络 非必需。是否需要联网取决于用户是否让 Agent 获取外部公司信息
Node.js / Python / Docker 该 Skill 本身为指令型,官方未列为硬性依赖,通常无需额外安装

具体依赖以该 Skill 当前官方说明为准。

三、权限

  • 文件读取:可选。用于读取用户提供的公司资料、财报等。
  • 文件写入:可选。用于保存生成的 tear sheet。
  • 网络访问:可选。仅在需要 Agent 主动获取外部信息时使用。
  • Shell:非必需。该 Skill 的核心任务是内容生成,通常不需要执行复杂命令。

四、账号 / API Key

  • Skill 本身:无需额外账号或 API Key。
  • 外部数据服务:如果用户希望接入权威金融数据源,可能需要相应服务的账号或 API Key,但这属于用户自行选择的外部依赖,不是 Skill 的硬性要求。

最小使用条件:

  1. 一个可加载 Skill 的 AI Agent(推荐 Claude Code)。
  2. 待整理的公司名称或相关资料。
  3. 明确希望输出的 tear sheet 结构或关注点(可选但推荐)。
  4. 对输出结果进行人工核验的流程。

Skill 安装、使用与卸载教程

一、安装

本页面已提供该 Skill 的安装指令,直接复制并粘贴到对应 Agent 或终端执行即可。

如果不确定自己的 Agent 如何安装 Skill,可以直接询问当前 Agent:

如何安装 anthropics/financial-services-plugins#tear-sheet?

如何在 Claude Code 中安装 anthropics/financial-services-plugins#tear-sheet?

如何在 Cursor 中安装 anthropics/financial-services-plugins#tear-sheet?

让 Agent 根据自己的 Skill 加载 / 管理机制给出安装方式。该 Skill 属于官方插件集合 anthropics/financial-services-plugins 的一部分,若官方安装说明要求先安装整个插件集合,按官方说明操作即可。

二、安装后如何使用

安装后,Agent 会在处理相关任务时加载该 Skill。适合交给它的任务包括:生成公司速览、整理一页纸简报、按模板输出金融文档。向 Agent 描述需求时,尽量说明公司名称、关注要点和数据来源。

自然语言示例:

使用 tear-sheet,帮我为这家公司生成一份一页纸公司速览。

使用 tear-sheet,把下面这些财务数据整理成投研用的 tear sheet 草稿。

使用 tear-sheet,按公司概况、财务要点、估值、风险四个部分生成一份简报。

三、卸载

不同 Agent 的 Skill 安装位置和管理方式不同。可以优先使用对应 Agent 或 Skill 管理器提供的删除方式移除该 Skill。如果没有统一卸载命令,直接询问当前 Agent 通常更稳妥:

如何卸载 anthropics/financial-services-plugins#tear-sheet?

如果该 Skill 属于整个插件集合,可能需要在插件层面统一移除,具体以官方和当前 Agent 的说明为准。

常见问题

1. 这个 Skill 会自动帮我抓取实时股价和财报数据吗?
不会。它本质是指令型 Skill,不提供数据源。数据需要由用户提供,或由 Agent 通过联网等方式获取,且来源可靠性需自行判断。

2. 生成的 tear sheet 可以直接对外发布吗?
不建议直接使用。金融文档中的数字、估值和结论存在模型推理或错误风险,必须经过人工核对和专业审核后再对外使用。

3. 可以同时安装到多个 Agent 中吗?
通常可以。各 Agent 的 Skill 目录相互独立,分别安装即可。但不同 Agent 的兼容程度可能不同,表现以各自版本的加载机制为准。

4. 为什么安装后 Agent 没有识别这个 Skill?
常见原因包括:安装路径不符合该 Agent 的 Skill 目录规范、Agent 未重启或未重新加载 Skill、插件集合未完整安装。可先询问当前 Agent 是否正确加载了该 Skill。

5. 中国大陆使用是否有网络限制?
该 Skill 本身不依赖特定中国平台。但如果 Agent 需要访问境外数据源或模型服务,可能受网络环境影响,具体取决于用户配置的 Agent 和外部服务。

6. 这个 Skill 和让 Agent 直接写公司简介有什么区别?
tear sheet 更强调金融行业常用的结构化格式和关注维度,例如财务要点、估值、投资逻辑、风险等。相比泛泛的公司简介,它更贴近投研场景的表达习惯。

7. Skill 更新后需要重新安装吗?
如果通过插件集合或 Skill 管理器安装,通常按对应机制更新即可,不一定需要手动重装。具体以官方和当前 Agent 的 Skill 管理方式为准。

Skill 更新日志

版本列表
无版本号
重构仓库并添加命名代理(#81) - 将垂直领域从仓库根目录移至 plugins/vertical-plugins/,将合作伙伴 插件移至 plugins/partner-built/ - 在 plugins/agent-plugins/ 下添加 10 个命名的、自包含的代理插件 (Pitch Agent、Market Researcher、Earnings Reviewer、Model Builder、 Meeting Prep、GL Reconciler、Month-End Closer、Statement Auditor、 Valuation Reviewer、KYC Screener)——每个都捆绑自己的技能,因此可 独立安装 - 添加 managed-agent-cookbooks/(每个代理一个),包含子代理隔离 和用于 /v1/agents 部署的引导示例 - 添加 fund-admin 和 operations 垂直领域,使 finance-ops/onboarding 代理附带真实的领域技能 - 添加 scripts/(check.py 清单 lint、sync-agent-skills.py、 deploy-managed-agent.sh、orchestrate.py 参考循环、 test-cookbooks.sh) - 添加 .github/workflows/secret-scan.yml(gitleaks + 内部引用 grep) - 将代理工具授权收紧为仅限已声明的 MCP——任何代理中均无 Bash、WebFetch 或未声明的 mcp__* 引用 - 在 README 中添加非投资建议免责声明 - 将 claude-in-office 重命名为 claude-for-msft-365-install(内容 不变)

暂无评论

none
暂无评论...