整体来看，金融Agent最终应该以什么产品形态存在，目前还没有标准答案。它可以是通用Agent里的Skill，可以是一套金融Agent模板，也可以像Google和WorkBuddy一样被单独做成一个行业版本
我看这轮大厂进入金融，最值得关注的是：Agent开始争夺专业人士每天工作的桌面。谁能接住查数据、核口径、更新模型和交付材料这些连续任务，谁就有机会进入机构的日常业务和采购预算。
金融Agent的产品形态还没有定论，但围绕客户、交付和收费方式的分化已经出现。
同样做金融，争的是不同客户
扣子走的是能力接入路线。券商提供财务对比、ETF筛选、基金分析等Skill，用户通过对话调用，还可以把多个能力串成盘前整理、盘中监控和盘后复盘。原来分散在券商App和数据页面里的操作，开始被搬进统一入口。
百度库库AI更强调任务交付。依托文库、学术、网盘和金融数据，把检索、处理、分析一路推进到Word研报、PPT和Excel模型。金融在这里是展示通用办公Agent复杂任务能力的样本，后续仍要扩展到其他行业。
这两条路线目前都更偏向个人用户。腾讯WorkBuddy金融版则直接面向银行、券商和保险机构，把80多个金融专家及专家团放进信贷尽调、基金研究、客户经营等业务场景。
我认为，这里的关键差别是组织适配。个人研究工具主要回答“能不能帮我完成任务”；机构产品还要回答“能不能使用内部资料、遵循内部模板，并保留检查依据”。后一个问题决定了产品能进入业务多深。
落地规模也要谨慎看。腾讯称WorkBuddy已进入100多家金融机构，但原文向多家券商求证后发现，内部尚未大范围应用。进入机构与成为日常工作方式之间，还有距离。
金融为什么值得往下做
金融有两个条件同时成立：专业人员的工时贵，大量基础工作又建立在数字化资料之上。
公告、财报、行情、研报和工商司法信息，已经以数据或电子文档存在。分析师、信贷人员仍要花大量时间查找、摘录、交叉核验和整理材料。Agent只要稳定接手其中一部分，效率收益就比较容易计算。
因此，我能理解厂商为什么愿意继续向行业深处走。通用办公工具卖的是普遍的效率改善，金融产品有机会把价格与具体岗位、具体流程的价值联系起来。
但高工时价值只是商业机会的起点。任务发生频率、复核成本，以及结果能否直接进入下一步工作，才决定节省的时间能不能兑现。
海外也在尝试不同产品形态
按原文介绍，OpenAI通过投行插件及合作伙伴进入投行和CFO工作流；Anthropic在Claude体系上提供10套金融Agent模板，并连接Office工具和专业金融数据源。两者都在通用产品上继续增加专业能力。
Google则推出独立的金融行业版本，内置超过50项金融Skill，面向资本市场和公司银行业务。这与WorkBuddy金融版更接近。
专业公司Rogo提供了另一个观察角度。它向下连接Capital IQ、FactSet等数据库，向上交付Excel模型、PPT和研究报告，同时保留数据来源与原文引用，让分析师可以回到材料中核验。
原文给出的数据是，Rogo估值从2025年4月的约3.5亿美元升至今年的约20亿美元，服务超过300家机构、4万多名金融专业人士。这说明资本愿意为专业交付能力下注，但估值本身还不能证明某一种产品形态已经胜出。
我更关注它补上的那一段：把基础模型的能力，接到金融数据和实际工作成果之间。这一段是否足够深、足够难，决定了专业产品的生存空间。
可靠性和权限，必须进入产品本身
金融工作的难点，很快会从“能不能生成”转向“能不能采用”。数据口径是否一致，结论能否追溯，调用工具是否越权，都直接影响结果的可用性。
原文提到的银行业保险业人工智能应用指导意见，要求对相关高风险应用设置人工监督与干预，对涉及客户权益或实质性财务影响的关键决策设置人工复核，并保留原始数据、推理路径等记录。智能体还需要防范数据泄露、身份越权、工具滥用和运行失控。
我的判断是，人工复核、证据记录和权限控制，会成为金融Agent工作流的一部分。产品要让人知道依据在哪里、哪一步需要确认、出了问题能够追查什么。这些能力会影响机构是否敢于扩大使用。
行业版能否成立，要看额外价值
我暂时不会押注金融Agent一定收敛成Skill、模板或独立行业版。它们可能长期共存，服务不同深度的需求。
如果通用Agent通过模型升级、Skill和连接器，就能覆盖大部分任务，独立行业版的空间会受到挤压。
如果机构持续愿意为更深的数据连接、内部流程适配、权限治理和可核验交付额外付费，金融Agent就有机会形成独立的软件品类。
因此，我判断这场竞争会看三个结果：交付物能否直接使用，成果能否方便复核，机构是否从试用走向持续采购。金融会是观察Agent如何进入高价值行业的一个重要窗口。