2. 金融智能体基础
在金融业务中引入智能体，第一步不是写提示词，而是理解智能体“如何工作”。金融智能体并非简单的问答机器人，它需要在强合规、强时效、强准确性的约束下，持续感知市场与系统状态、做出可解释的决策，并执行可审计的行动。本章聚焦三个基础问题：智能体的内部架构、感知-决策-行动的运行循环，以及金融场景中任务类型与长任务特征。
一、核心原理：金融智能体的三层架构
一个可落地的金融智能体通常由三层构成。第一层是感知层，负责接入行情数据、账户状态、订单回报、新闻公告、风控规则等异构信息，并将其规范化为智能体可理解的状态表示。第二层是决策层，包含规划器、推理引擎与策略库，负责把目标拆解为子任务、选择工具、评估风险并生成行动方案。第三层是行动层，通过工具调用、API、消息队列或人工审批通道执行操作，并把结果回写为新的感知输入。
三层之间并非单向流水线，而是通过记忆与状态贯穿。短期记忆保存当前会话与任务上下文，长期记忆沉淀历史决策、客户偏好与合规案例。状态管理则决定智能体在长任务中“记得什么、忘记什么、何时恢复”。
二、方法流程：感知-决策-行动循环
智能体的运行可抽象为一个持续循环。感知阶段收集输入并更新状态；决策阶段进行目标对齐、任务规划与风险评估；行动阶段执行工具调用并观察结果；随后进入反思与记忆更新，形成闭环。
- 感知：拉取行情、账户、订单、新闻与风控信号，识别事件类型与紧急程度。
- 决策：判断任务类型，拆解子目标，选择工具链，评估合规与风险阈值。
- 行动：调用交易、查询、通知或审批接口，记录请求与响应。
- 反思：对比预期与实际结果，更新短期状态与长期记忆，必要时触发重规划。
在工程实现中，这个循环常以状态机或事件驱动方式落地。下面是一个简化的状态记录结构，用于长任务中的状态恢复：
{
"task_id": "FIN-2024-0912-001",
"task_type": "portfolio_rebalance",
"state": "awaiting_risk_check",
"context": {
"client_id": "C10293",
"target_allocation": {"equity": 0.6, "bond": 0.3, "cash": 0.1},
"last_action": "fetch_positions",
"risk_flags": ["concentration_warning"]
},
"memory_refs": ["hist_decision_8841", "compliance_rule_17"],
"updated_at": "2024-09-12T10:23:41+08:00"
}该结构让智能体在中断、超时或人工介入后，能够从state与context恢复，而不是从头开始。
三、金融场景中的任务类型与长任务特征
金融任务可按时间跨度与交互复杂度分类。短任务如行情查询、单笔转账、简单问答，通常在单轮或少数几轮内完成。长任务则包括投资组合再平衡、信贷审批、反洗钱调查、客户尽职调查、跨市场对冲等，往往持续数小时到数天，涉及多系统、多角色与多轮审批。
| 任务类型 | 典型示例 | 时间跨度 | 关键特征 |
|---|---|---|---|
| 即时查询 | 账户余额、汇率查询 | 秒级 | 单轮、无状态、低风险 |
| 事务执行 | 转账、下单 | 秒到分钟 | 需校验、需回执、可回滚 |
| 分析决策 | 组合再平衡、信用评估 | 分钟到小时 | 多步骤、需记忆、需解释 |
| 流程协同 | 信贷审批、AML调查 | 小时到天 | 多角色、多系统、长状态 |
长任务的核心特征可归纳为四点：状态持久性，任务中断后必须可恢复；上下文膨胀，历史信息不断累积，需要压缩与检索；外部依赖，等待人工审批、第三方回执或市场事件；合规可审计，每一步决策与行动都需留痕。
四、案例与复盘：组合再平衡长任务
以“客户组合再平衡”为例。智能体感知到客户风险等级变化与市场波动，决策层判断需要调整股债比例，行动层先查询持仓，再触发风控校验，随后生成调仓建议并等待人工审批。审批通过后执行交易，最后更新客户档案与合规记录。
该任务可能因等待审批而中断数小时。若没有持久化状态，智能体重启后会重复查询或遗漏风控步骤。复盘时常见误区包括：把长任务当作单轮对话处理、用完整历史填充上下文导致超限、忽略人工审批的异步性、以及未记录决策依据导致审计困难。