ETF Agent与通用智能体框架对照
一篇工程分析将ETF Agent与Pi、Claude Agent SDK和LangGraph在执行、权限、恢复、产物交付和金融研究职责方面进行比较。由于四个系统未在相同模型、资料窗口、预算和题集下实测，文章不发布评分榜。分析依据通用框架的官方机制以及经核对的ETF Agent实现证据，将金融方法、来源身份、权限、研究结果身份和可核对交付列为该系统的差异化能力，同时主张其自研运行时仍应持续接受成熟通用方案的替代性检验。
该分析区分了可复用的执行机制与金融领域责任，说明评估智能体架构时为何需要直接审视权限、来源、恢复和交付，也展示了如何在没有统一配对实测时避免把未经证实的基准排名当作结论。
` 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。
工程篇｜沿一条基金研究任务，检验自研系统到底增加了什么，又承担了什么。
“为什么要做金融垂类 Agent”可以在原则层回答，但工程团队最终还要面对更具体的问题：既然 Pi、Claude Agent SDK、LangGraph 已经提供了大量执行能力，ETF Agent 为什么还存在自己的运行时、结果存储、发布和恢复机制？哪些是合理差异，哪些只是需要持续偿还的工程成本？
本文不做四个产品的分数排行榜。我们没有让它们在相同模型、资料窗口、预算和题集下完成一次横向实测，因此不能给出胜率、金融准确率或成本排名。比较采用两个坐标：通用框架官方提供的机制，以及 ETF Agent 已核对实现与原始验收能够支持的具体行为。