开源一个二级狗super省力工作流:「财报季.skill」+「300个Agent」

做《1000 个金融+AI 使用场景》这系列到现在，我默认推荐的 Agent 一直是 Claude Code。好用，是真好用。最近还给大家推荐了 Codex，也顺手。

但后台总有人来问：这俩玩意儿到底怎么部署？

最夸张的一次，一个 50 岁的金融业老哥，专门约了我的咨询（大家知道我的咨询主要与年轻的朋友交流职业发展选择的），就为搞明白怎么把这些 Agent 部署起来。坐下来聊了半天我才回过神——部署Agent这些对一部分读者习以为常的东西，对另外很多人而言，是挺麻烦的事情。

部署Agent这道坎，是真实存在的痛点。有人折腾一晚上配好环境，有人卡在第一步就放弃。光这一道，可能就把一半想用的人拦在了外面。

工具再强，用不上，也毫无意义。

所以这大半年我一直盯着：有没有国产的 Agent，能不能把这道门槛抹平。

上周， Kimi——月之暗面的老牌大模型——出了 Agent 桌面端，下载装上就能用，不折腾任何东西，也没有网络环境上的那些门槛。

我们团队高强度的使用了一段时间，Agent的框架和模型能力挺强的。处理日常杂活工作绝对够了。

可及性是解决了，可我们更想知道的是：如果把这个Agent用于金融业场景更复杂的一些工作上，它的表现怎样。

我们做了许多测试，今天把其中一个场景拿出来分享给大家。

我们挑了财报季——研究员一年里最暗无天日的那两三周——把三件最累人的活，一件一件甩给它，看看：这种"谁都能装、谁都能用"的国产 Agent，到底能替我们干到什么程度。

这篇是一篇测试实录文章。

01先给 Kimi 配把趁手的 skill

先交代个背景，不然后面看不懂。

我没让 Kimi 空着手上，我们还是用了之前团队开发的skill。

所谓 skill，你可以理解成一份写给 AI 的工作说明书——一件事该怎么干、分几步、每步盯什么，写成结构化的稿子喂给它，它照着办，产出能稳定得多。

我们的 skill，有四个模式：单家季报点评、三表财务模型、多家横评、一张图。

这里开源给大家，复制去放在Kimi Agent当中，是可以复现我们的工作成果的。

Kimi 读进我们的 skill，四个模式整整齐齐列出来，右侧集群已经开跑 · 真实界面

（完整 skill 有点长，我放在文章末尾了，需要的同学直接划到文末自取——这儿先接着说测试。）

其实写这份 skill 的过程，本身就是第一轮调教。

Kimi Agent刚上线没多久，我起初把 skill 写得很全很细，结果它消化不良——指令一多，抓不住重点。于是我们反着来，做减法，留核心。

这是我这半年遍历各家 Agent 的一个心得：再好的工具都有脾气，刚上线的时候脾气更大，得顺着它来。

还有一处，是顺着它的长处调。我扒 Kimi 的时候，发现它有张别人没有的牌——能一口气拉起一大队子 Agent 并行干活，官方说最多 300 个。这跟我们过去用单线程 AI 完全两个路子。所以 skill 里我特意为这种"集群"打法留了接口。

以上大概就是我们的准备工作。

02财报季，研究员到底在熬什么

财报季是什么概念？

今天中际旭创出一季报，明天新易盛，后天天孚。一家接一家，每出一家，几个小时内你就得把一份点评摆到销售和客户面前。晚一步，先机就没了。

于是那两三周，一个覆盖十几家公司的研究员，日子是这么过的——

读财报，扒数字。把营收一格格敲进 Excel，把成本一格格敲进 Excel，把毛利、净利、每股收益，一格格敲进 Excel。对三张表，更新假设，套点评模板。凌晨两点，点评还没写完，早上八点的线上会还在等着。挺崩溃的。

但说白了，这两三周，研究员干的大部分活，是搬运。很dirty的工作。

外人以为研究员这碗饭吃的是脑子——看懂行业、预判拐点、挖出别人没看到的逻辑。但是财报季真正熬垮人的，从来不是判断，是判断之前那一大堆把数字从 PDF 搬进 Excel 的体力活。

而且你想过没有：这活儿，一不要你的行业洞察，二不要你的人脉，三不要什么盘感。它只要你的时间和手速。可偏偏就是它，消耗贼多时间。

那如果，有个东西能把这堆搬运活，整个接走呢？

03第一个活 · 点评中际旭创

第一个活，点评中际旭创的 2026 年一季报。

我把一季报的 PDF 丢进去，一句话：按 skill，点评这家。

它没急着回话。它先写了一段 JavaScript，再跑这段代码，生成了一份排好版的 Word。

Kimi 跑出的中际旭创季报点评 · 真实产出

我盯着看了一会儿——它不是个聊天框，而是一个会写代码的分析师助理。

几分钟后，一份点评摆我面前：业绩概览、分业务拆分、超预期判断、盈利预测、勾稽自检、需人工核对，八个板块、四张表，该有的一样不缺。

先说它干得漂亮的。

核心数据，扒得又快又准。营收 194.96 亿、同比涨 192%，归母净利 57.35 亿、同比涨 262%，毛利率、研发费用，我拿其他 Agent 对着财报原文核了一遍，一个没错。它读的是 PDF 里的真数，不是凭记忆瞎编——光这一点，已经甩开一大票"一本正经胡说八道"的 AI。

点评里的业绩概览与分业务拆分 · 真实产出

另外，它自己做了三表勾稽自检。我没要求，它主动算了一遍：资产等不等于负债加权益，净利润对不对得上。这是研究员核报表的基本功，它居然自己想着做了。

它还很诚实。报告末尾专门列了一节"需人工核对项"，七条，把哪些数是从券商研报搬的、哪些是估算的、哪些外推有风险，全标了出来。

可就是这节"需人工核对"，也说明了一些问题。

你细看正文会发现，它把两种数掺在一起写了。一种是财报里的数——营收、净利、毛利率；另一种是它联网搜来的券商观点——"1.6T 市占率近 60%""海外占比超 91%""一致预期 128 到 142 亿"，软的，是别人的二手判断。两种摆一块儿，乍看都像事实。

但是，这个"一致预期 128 到 142 亿"，哪儿来的？哪家的口径？——而这恰恰是判断超预期的那把尺子。这个标准如果是来路不明的，那"超预期 37%"也就跟着有问题。

更直接的是盈利预测。我让它上修全年，它甩给我一个区间：2026 年净利，280 到 405 亿。

280 到 405，头尾差了 125 亿——约等于又一个新易盛。这种预测，跟没预测差不多。

盈利预测：280–405 亿的宽区间，差 125 亿

它为什么不敢给个准数？因为拍板这事，靠的不是算力，是有个人愿意为这个数字担责任。Agent能把数据全摆给你、能算到小数点后两位，可真到了要拍一个数字、扛一份责任那一步，它是退缩的，把一个宽得没法用的区间，塞回你手里。

所以，第一件事干完，它的一些脾性就很清楚了：能搬、能核、能把活做得有模有样，但是不会替你拍最后的板。

我们觉得，这恰恰是一个优点。判断以外的脏活，它替你做得七七八八，就剩最后拍板那一下。这么分工，其实最省事。你要的本来也不是一个替你拍数、署名的 AI，是个把杂活都干完、就等你拍板的助手。

04第二个活 · 搭一套三表模型

第二个活，难度要上一个台阶：给新易盛搭一套能跑到 2028 年的三表财务模型。

它给的第一版，六张表：假设区、利润表、资产负债表、现金流量表、勾稽自检、盈利预测汇总。假设区做得尤其漂亮——800G、1.6T 分速率的出货量、单价、毛利率，一项项列得清清楚楚。

太像样了。像样到我差点没发现问题。

我随手点开利润表里"营业收入"那一格，想看它怎么算的。

格子里是一个数。不是公式，是一个写死的数。

我心里咯噔一下，又点了几格——全是写死的数。假设区那些漂亮的出货量、单价、毛利率，跟下游三张表之间，一根筋都没连。我在假设区把出货量改了，利润表的营收纹丝不动。

它给我的，说是模型，其实是个标本——每个零件都摆在对的位置，可零件和零件之间，没有相关关系。

第一版模型的资产负债表：本该由假设区驱动算出来，却整张全是写死的数字 · 真实产出

财务模型的核心，就在这些相关关系上。营收挂着量和价，毛利挂着营收和毛利率，三张表靠一整套勾稽公式环环相扣，你改一个假设，整个模型跟着活过来——这才叫模型。一张没有公式的表，做得再漂亮，也只是张快照，做不了敏感性分析、跑不了任何情景。说白了，它把模型的"样子"画了出来，没画"模型"。

于是我们补了道硬命令塞进 skill：所有计算项一律公式联动，假设区以外，均以公式留存，改任意假设、整张表必须重算。

第二版，Kimi Agent表现显著提升。

我数了一遍，整个模型 382 个公式，比第一版那张零公式的死表，脱胎换骨。主干也对：营收真的等于出货量乘单价了，成本挂上了毛利率，连第一版差着 223 亿对不上的货币资金，这回也老实写成了"等于现金流量表的期末现金"。我改了改假设，整张表都会跟着动。

但是，在某些表单里，弹出来一排循环引用的报错。

我又扫了一遍，揪出 91 处。错的地方是同一个,而且有点好笑：它把"今年 = 去年 + 变动"这种公式，写成了"今年 = 今年自己 + 变动"。预付款想写"比去年涨 5%"，本该引用去年那个单元格，它写成了引用自己——今年等于今年乘 1.05，一个死循环。

营收等于量乘价，这种当期之内的算术，它是懂的。可"钱怎么从去年滚到今年、三张表怎么咬合在一起"，这套财务建模的内功，它没有。它在照着公式描红，描得挺像的，但实际上不理解公式的内涵。它压根不懂"勾稽"这两个字在说什么。

这也算是一种AI幻觉吧，现在其实各家大模型都难以避免。

好在， 91 处循环引证看着唬人，其实都是同一个错——它分不清"今年"和"去年"。解法简单到有点好笑：我们把这些引用批量理了一遍，把指向"今年自己"的，挪回指向"去年"，91 处一口气清到 4 处，剩下几个零头顺手一改，循环引用归零，模型当场就活了。表现已经相当不错。

91 处循环引用：病根与解法（91→4）

算上这道收尾，整件事其实是这样的：它替我把三张表的架子搭好、382 个公式的力气活全干完，我要做的，就是把它分不清的"今年去年"理一理。这点功夫，比起从一张白纸开始一格格搭模型，还是省了太多事情。

所以两件活下来，它的边界很清楚：脏活累活它包圆，最后那道"懂不懂、敢不敢负责"的关，留给你来把握。

这么分工，挺好。

05等等，好像还是小瞧它了

团队高强度使用了一段时间之后，还有一个特别大的发现，前面用Kimi Agent来做点评和财务模型，有一点小看它。

点评也好、建模也好，一直在干同一件事：把 Kimi Agent当一个助理，让它一件一件地完成任务。

我们后来注意到， Kimi Agent 这套东西，官方给它的定位，不是"一个人"。

它的定位是另一个词——高产能的 Agent 团队。

是团队。不是一个人。

它真正的能力，不是一个 Agent 埋头干一件事，是一次拉起一支队伍：最多 300 个子 Agent，调研的、算数据的、做图的、写文档的，各管一摊，并行开工。还能直接调天眼查、同花顺 iFinD、Yahoo Finance 这些金融数据库。

所以我们换了个玩法。不再让它一件一件干，尝试一次把一个研究小组的活，整个甩给它。

这种干法，有点像这两年很火的 Vibe Coding——人不亲手敲代码，把需求说清楚、让 AI 去写。并且更进一步，变成了Vibe Working。

搬到金融人的活上也一样：你不再亲手搬数字、抠模型、套模板，而是把要什么说清楚，交给一整队 Agent 去跑，自己只管把住最后那道判断和拍板的关。下面这第三个活，就是这么干的。

06第三个活 · 让集群一次出一整套

我们给的指令就一句话：对天孚通信做一次完整的投资研究，给我一套交付物——深度研报、可比公司分析、路演 PPT、一页观点摘要。

它的响应速度确实极快，毫不夸张的说，仅就速度来说，它的产出速度高于其他任何我们使用过的Agent。

去咖啡机打一杯咖啡的功夫，桌上就摆着四个文件。

一句话 不到10分钟，集群一次产出四份文件 · 真实产出

一份 9 页的深度研报 PDF，里头有 LightCounting 的市场数据、三到五年的盈利预测、财务质量拆解、风险提示；一张可比公司分析的 Excel，把易中天加光迅四家的市值、营收、增速、毛利率拉在一起比；一份 12 页的路演 PPT，从行业趋势讲到竞争格局；还有一页纸的观点摘要，扫一眼就能看完。

说实话，那一下我有点晃神。这要一个 junior 来干，一两天起步；它不到10分钟，一次出齐。

而且数据是准的——天孚 2025 年营收 51.63 亿、净利 20.17 亿，跟财报一分不差。它甚至自己在研报上标了"非正式评级、仅供研究参考"，免责声明写得规规矩矩。它还会写金句：「在光模块的淘金热里，天孚是卖铲子的人，而且这把铲子，正从铁锹升级成挖掘机。」

某种程度上，它真能一个人顶一个组。

但也不是全无问题。

研报前半段，2026 年的盈利预测写的是一个区间：营收 70 到 80 亿，净利 28 到 32 亿。翻到后面的预测表，同样是 2026 年，数字变成了确定的两个：营收 75 亿，净利 29 亿。

数值倒没打架——75 在 70 到 80 之间，29 在 28 到 32 之间。可这是同一份报告、同一个年份、同一个指标，前后摆着两套口径。

同一份研报，两处预测的说法不太一致——其实不矛盾，只是口径没统一

一份研报里摆着两套预测，其实你也能看的出来，说明写它的压根不是一个Agent，是一群Agent。

这就是集群的命门。300 个子 Agent 并行干活，效率确实炸裂，可是在海量数据面前，难免存在口径不一的问题。

但这事也很好解决。你只要在指令最后多加一句"四份文件交叉核对、口径统一"，或者让它收尾时自查一遍，这种小出入就能压下去大半。说到底，指望一句话就生成四份天衣无缝的交付物，本来就不现实——你带一个真人小组，也得有人统稿。可它二十分钟就把研报、表格、PPT 的脏活累活并行铺到你面前，你只需把最后一道口径关——还是太划算了。

多插一句：我吭哧吭哧手搓 skill、改 skill，其实 Kimi 官方就有个金融研报 skill 叫 /equity-research，加载进去研报点一下就出；还有个"Office 文档转 skill"，你把过去写的研报范本丢给它，它学你的框架和排版，生成一个你专属的 skill。

我们是为了看看Kimi搭配我们自己开发的skill效果如何，你真正上手时，用官方的skill做起步，其实是个更好的选择。

07说点实在的：到底值不值上手

所以回到最开始那个问题：这种谁都能装、谁都能用的国产 Agent，到底能不能替金融人干活？

我的实测答案是——能，但你得拎得清让它干什么、不让它干什么。

把它当一双手，它是顶好的手：搬数据、扒财报、出初稿、一次铺四个格式的交付物，又快又稳，还省了你折腾部署的工夫。可你要是把它当一颗脑子，指望它替你判断、替你补上建模的内功、替你统稿签字——短期内我赌它还是有距离。

但说句公道话，就金融人财报季这点活来说，它已经够能打了。

这段时间测下来，workspace 的一些 Kimi 产出 · 真实工作区

我们这段时间高强度用下来，最大的感受是：研究员手里最耗时间、最不动脑的那部分——扒财报、出点评初稿、搭模型架子、一次铺四个格式的交付物——它基本都接住了，又快又稳。一句话的事，它二十分钟还你一整套。光这一点，财报季能给你省出大半条命。

更难得的是它听话、能调教。你喂它一份顺手的 skill，把脾气摸顺，它产出的稳定度和专业度，比裸跑高一大截。我们这三场，每一场它都在我们的调教下肉眼可见地变好——这种"越用越顺手"的工具，对天天跟财报、模型、研报死磕的金融人来说，是真香。

再加上它国产、装上就能用、没那些门槛——我身边一直被部署卡在门外的那些朋友，这回总算能上车了。

所以你要是二级研究员、投行、买方研究这一挂的，我的建议很直接：把它装上，拿你手头一只票，从头到尾跑一遍。它替你扛下的那些脏活累活，会让你再也不想回到过去。

08完整 skill · 可自取

这次调教过三轮的 skill，也贴在这里，需要的同学自取——专门针对 Kimi 调过，亲测在它上面顺一些。

复制走，喂给 Kimi Agent，即可复现成果。

↑ 完整 skill，框里可以上下滚动看