AI 实干派 看真正用 AI 拿到结果的人怎么做
工作提效·本周动态·2026-10-31·US

理财公司让 agent 干活,涉及钱的操作一律交给人

Arca 首席 AI 工程师 Aman Singh 说,公司的 agent 任务最长要跑十天,agent 只负责分析和提方案,交易和资金划转全部由人类顾问执行。

谁·场景
Aman Singh 是理财服务公司 Arca 的首席 AI 工程师,在 AI Engineer New York 期间接受了 Latent Space 采访。
怎么用
公司自建 harness,按内部 benchmark 给每类任务挑模型,主力模型是 Claude。每个客户有一套持久记忆,记录进展、待办和负责人。agent 写查询代码后,系统把代码转成固定格式,再经过护栏检查才能访问后台数据。
结果
他说后台大部分工作由 agent 完成,安全限制全部是确定性规则。另有一个 meta-agent 分析顾问反馈和 agent 运行记录,给 harness 提改进建议。
你可以试
如果你在团队里搭 agent 流程,先列出哪些动作有风险,用代码规则直接禁止 agent 执行,别只靠 prompt 约束。
注意
这套做法需要工程团队自建 harness、记忆系统和数据护栏,个人或小团队一时搭不起来。

Singh 在访谈里说,理财工作的特点是周期长,但并非一直在运行:「走走停停,中间有很多参与者、决策点和交接。」所以 Arca 给每个客户建了记忆,agent 会持续写入:目前进展到哪、接下来几天要做什么、长期在跟踪什么、每一步归谁负责。他的概括是「agent 提示人,多过人提示 agent」。

普通团队可以借鉴三点。风险动作用代码规则禁掉,不交给模型判断。agent 写的代码不直接执行,先转成预先约定的格式再检查。人的修改意见回流成评测,用来改进流程。节目里还讲了处理一笔 10 万美元税单时的人工审批,以及帮客户找出隐藏费用的例子。

自己掌握 harness 还有一个好处:换模型供应商不受限制。代价是要有工程投入来维护。

原文:Latent Space