金融智能体为何需要垂类能力，但未必需要新框架
AI 总结
一份分析认为，金融智能体系统通常应先建设产品身份、计算语义、证据链和授权边界等垂类能力。文章以教学用基金组合研究为例，说明 Pi、Claude Agent SDK 和 LangGraph 的职责差异，并区分垂类能力、执行框架与业务产品。其建议是优先复用成熟的通用工具，再分别评估独立金融框架或自研执行运行时是否具有足够价值。案例中的组合、基金、金额和日期均为教学构造，并非实际持仓；文章也不是跨框架性能基准测试。
深度见解
该分析为金融智能体团队提供了评估通用工具复用、独立框架和自研运行时的实际依据，并提醒业务复杂或垂类需求本身并不足以证明需要重建执行基础设施。
` 同步校注（2026-11-04）：文中涉及撤权、来源消费和恢复的历史案例，应与当前 Run 授权生命周期区分。当前实现中，Host 已授予的权限在同一 Run 及其恢复中持续有效，不因外部权限表变化重新撤销；新 Run 独立准入。账户、scope、来源范围、内容身份、预算和显式取消仍按原合同执行。历史撤权复现用于解释当时的问题，不代表当前 Run 内重新授权机制。
原则篇｜Pi、Claude Agent SDK、LangGraph 与金融 Agent 的职责、取舍和退出条件。
当一个 Agent 已经能够搜索网页、阅读报告、执行 Python、调用子代理、保存会话，我们很容易产生一个判断：再做金融垂类框架，是否只是在成熟工具外面换了一层名字？
这个怀疑是合理的。一个系统接上行情接口、加几段金融 Prompt、注册几个基金 Skill，并不因此拥有新的架构价值。反过来，金融业务确实存在专门的事实、计算和责任问题，也不能因为通用框架功能丰富，就把这些问题当成模型会自动处理的细节。