从 A 股研究到家庭财富规划到保险专业审查——用 Skills 重塑金融工作流

一、我是怎么参与进苍穹共创计划的

天禧 AI Skills 苍穹共创计划是联想面向开发者发起的 Skils 共创活动：开发者可以将自己沉淀的 Skill 提交到联想开放平台，通过审核后上架到天禧 AI 技能广场，让更多天禧 AI 的用户直接调用。

简单介绍一下我自己，我的背景是金融领域的技能开发，平时工作结合 AI Agent 工作流，在金融这个高度依赖专业知识的行业也沉淀了一系列自己写的 Skills。收到苍穹共创计划的邀请之后，我没有挑一个简单的小工具，而是选择了一个最能展现 Skill 与 prompt 本质差别的场景——金融行业。

金融行业有一个非常典型的特征：它高度依赖专业知识，流程相对固定，但每个人都在重复造轮子。无论是做 A 股研究的分析师、做投行项目的保代、做财富管理的理财顾问，还是做保险经纪的代理人，每天都要处理大量的研报、模型、合同、客户资料。这些工作的专业门槛极高，AI 有能力但缺少行业上下文，每次用都要重新教它一遍。

于是我提交了三个金融领域的 Skills，分别从 B 端研究、C 端财富管理和保险专业服务三个维度切入：

• claude-for-financial-services-cn：63 个 A 股金融 Skills 工具包，把 Anthropic 官方的华尔街金融 AI 助手深度本地化到中国市场
• 财睿（family-wealth-planner）：家庭 CFO 级智能顾问，十大核心能力覆盖全品类金融产品分析
• 保盾（insurance-broker-agent-skill）：保险经纪人/代理人助手，九维合同审查框架 + 30 余家保险公司产品库

二、金融从业者使用 AI 的痛点：有能力，但缺少行业上下文

金融行业是一个高度依赖专业知识和标准流程的行业。无论是做 A 股研究的分析师、做投行项目的保代、做财富管理的理财顾问，还是做保险经纪的代理人，每天都要处理大量的研报、模型、合同、客户资料。这些工作有很多共同特点：专业门槛高、流程相对固定，但每个人都在重复造轮子。

比如一个券商研究员，想用 AI 帮自己写一份茅台的年报点评。如果直接跟 AI 说”帮我写一份茅台年报点评”，它大概率会给你一份很通用的内容——因为它不知道中金格式的研报长什么样，不知道 A 股的会计准则跟美股有什么区别，不知道该用 Wind 还是同花顺的数据，也不知道申万行业分类体系。

再比如一个保险代理人，想用 AI 帮自己解读一份重疾险条款。直接问 AI，它可能会告诉你一些很笼统的”建议仔细阅读免责条款”，但没法帮你逐条分析现金价值表、等待期、理赔条件、健康告知这些关键项。

再比如一个理财顾问，面对客户”我家有房贷、有孩子、有老人，怎么配置资产”这类问题。直接问 AI，它会给你一些泛泛的建议，但不会帮你做一套完整的家庭财务诊断、资产负债盘点、现金流规划、投资组合优化，更不会帮你生成一份结构化的财富体检报告。

这些就是痛点：AI 有能力，但缺少行业上下文。每次用都要重新教它一遍，效率很低。

而我做的三个 Skills，正是要把这些行业上下文固化下来，让”每次手动解释一遍”变成”调用一次 Skill，直接出活”。

三、claude-for-financial-services-cn：不是替你炒股，而是帮你做专业研究

3.1 起源：把华尔街的金融 AI 助手搬到 A 股市场

这个项目的起源其实挺直接。Anthropic 官方有一个 claude-for-financial-services 项目，是给华尔街投行做的金融 AI 助手。但它用的是 Bloomberg 数据、JPM 研报格式、US GAAP 会计准则、美债无风险利率、GICS 行业分类。这些在国内根本用不了。

所以我把整个项目做了深度本地化。不是简单的”翻译一下”，而是把每一个底层要素都替换成了中国市场的对应物：

最终做成了 63 个 Skills，覆盖 6 大垂直领域，外加 4 个端到端智能体。

3.2 覆盖范围：6 大领域 + 4 个端到端智能体

六大垂直领域

四个端到端智能体

3.3 内部框架：多级数据源优先级策略

这是这个 Skill 最核心的设计之一。金融数据是研究的基础，如果数据源挂了就卡住，那 Skill 就没法用。所以我专门设计了多级数据源优先级策略：

降级策略：Wind 优先，不可用时自动降级到 iFind，再降级到 AkShare，最后是财经新闻接口。通过环境变量 IFIND_DATA_SOURCE_MODE 控制（wind-only、wind-fallback、ifind-fallback、akshare-only）。这样确保任何场景都有数据可用，不会因为某个数据源挂了就卡住。

3.4 使用方式

装上之后，你跟 AI 说这些话，它就直接知道该干什么：

写一份贵州茅台 2024 年报点评，中金格式

建一个比亚迪的 DCF 模型，WACC 用中债 10 年期

出一份半导体行业 A 股投资策略

帮我做一份路演 PPT

不需要你再解释一遍 A 股的格式、数据源、会计准则和行业分类——这些行业上下文已经固化在 Skill 里了。

3.5 和一次性 prompt 的差别

如果只用 prompt，每次你都要告诉 AI：

• 数据从哪来（Wind？同花顺？AkShare？）
• 研报用什么格式（中金？中信？华泰？）
• 会计准则用哪个（中国会计准则？US GAAP？）
• 行业分类怎么分（申万？中信？GICS？）
• 无风险利率用什么（中债？美债？）
• 数据源挂了怎么办（降级策略？直接报错？）

这些规则做成 Skill 以后就固化下来了。之后只要遇到类似场景，直接调用就行。这就是 Skill 和 prompt 的本质区别：prompt 是一次性的指令，Skill 是把判断标准、执行顺序、风险边界固化下来的可复用流程。

四、财睿：不是替你理财，而是帮你做家庭 CFO

4.1 解决什么问题

很多家庭在做财务规划时，面对银行存款、基金、股票、债券、信托、黄金、保险、房产这么多品类，往往不知道怎么系统梳理。理财顾问面对客户时也面临同样的问题：客户的财务状况散落在各处，缺乏一个系统化的分析框架。

财睿（family-wealth-planner）做的就是这件事：做一个家庭 CFO 级的智能顾问，帮家庭或理财顾问做一套完整的财富体检和规划建议。

4.2 十大核心能力

4.3 使用方式

用户只需要提供家庭的基本财务信息，财睿就能帮他做一套完整的财富体检和规划建议，最终生成一份结构化的报告。这对于理财顾问做客户服务，或者高净值家庭自己做财富管理，都很有价值。

五、保盾：不是替你买保险，而是帮你看懂保险合同

5.1 解决什么问题

保险行业有三个老大难问题：销售误导多、条款看不懂、理赔纠纷频发。

一个保险代理人拿到一份重疾险条款，如果只用 prompt 问 AI”帮我解读一下这个条款”，它大概率给你一些很笼统的建议：“建议仔细阅读免责条款”、“注意等待期”、“关注现金价值”。这类回答没有错，但执行颗粒度不够。它不会帮你逐条分析免责条款具体有哪些情形不赔，不会帮你对比现金价值表里前 5 年退保的损失率，不会帮你检查等待期条款是否有”延续性疾病”等扩展表述。

保盾（insurance-broker-agent-skill）钉对这三个痛点，做了一个覆盖保险服务全流程的专业助手。

5.2 七大核心能力

5.3 九维合同审查框架：这才是 Skill 的核心价值

保盾最有价值的地方不是”能回答保险问题”，而是它把合同审查这件事拆成了一个可复用的专业框架。九维审查框架覆盖了保险合同里最容易踩坑的 9 个维度：

每个维度不仅有”要查什么”，还有”常见风险点”和”审查指引”。这种结构化的审查框架，如果用 prompt 做，每次都要重新解释 9 个维度是什么、每个维度查哪些项、风险点在哪。做成 Skill 以后，调用一次就自动按框架走。

5.4 合规风控：销售误导识别矩阵

保盾还内置了销售误导识别矩阵，这是保险合规领域非常实用的能力：

一句话核心价值：让保险服务更专业、更透明，买对赔好不踩坑。

六、Skill 设计思路：从 prompt 到 Skill，核心是把行业上下文变成结构

从设计思路上看，我觉得 Skill 跟普通 prompt 最大的区别在于：它可以把一次性的 AI 对话，沉淀成一个可重复执行的专业工作流。

单靠 prompt 的时候，我每次都要重新告诉 AI：

• 我要做什么（A 股研究？财富规划？保险审查？）
• 数据从哪来（Wind？同花顺？AkShare？）
• 格式是什么（中金研报格式？保险合同审查框架？）
• 会计准则用哪个（中国会计准则？）
• 行业分类怎么分（申万？中信？）
• 数据源挂了怎么办（降级策略？）
• 合同要查哪些维度（九维框架？）
• 风险边界在哪（合规提示？收益不保底？）

做成 Skill 以后，这些行业上下文就固化下来了。之后只要遇到类似场景，直接调用就行。

所以我在写 Skill 的时候，会特别重视 SKILL.md 里的描述。这里面最好把以下信息写清楚：

• 适用场景：这个 Skill 在什么情况下用
• 输入材料：用户需要提供什么
• 输出结果：Skill 会产出什么
• 执行步骤：按什么顺序推进
• 数据源优先级：数据从哪来，挂了怎么办
• 用户确认点：哪些环节需要用户确认
• 风险边界：哪些事情 Skill 不做，哪些提示必须给

Skill 写得越清楚，AI 执行越准确，用户理解越容易，平台识别也更顺。

比如在 claude-for-financial-services-cn 里，我把数据源优先级策略写成了明确的降级规则；在保盾里，我把合同审查框架拆成了 9 个维度，每个维度都有审查项、风险点和指引；在财睿里，我把十大能力做了模块化拆分，用户问哪个就加载哪个。这些都是一次性 prompt 做不到的事情——prompt 可以解决一次问题，Skill 沉淀一类问题。

七、全流程实录：如何提交 Skill 到天禧 AI 技能广场

Skill 做好了，怎么让更多人用上？这就是苍穹共创计划要解决的事。我把这次上传的完整流程记录下来，照着做基本不会卡壳。

第一步：完成开发者认证

入口在联想开放平台。如果你是个人开发者，认证时选择”个人开发者”类型即可，认证通过后进入管理中心。

第二步：创建应用，类型选 Skill

在”创建应用”页面有两个关键选项：创建类型选择智能体（平台推荐的新一代应用形式），应用类型选择 Skill，然后点下一步。

第三步：打包上传 ZIP

上传方式我选的是默认的对话式上传。把 Skill 打包成一个 ZIP 压缩包上传即可，有两个细节要注意：

• ZIP 包的根层必须直接是 SKILL.md 文件。Mac 用户注意：要打包 skill 文件夹里的内容，不能直接把文件夹整个压缩，否则会多出一层目录导致识别失败。
• 包体不要超过 10MB。

上传之后平台会自动从 Skill 内容里识别 Slug、名称和描述——这也是我反复强调 SKILL.md 要写清楚的原因：它不仅是给 Agent 看的执行手册，也是平台自动识别和用户理解的第一入口。之后再填几个使用示例（比如”帮我把这个文件夹整理成离职交接包”），版本号第一版直接写 1.0.0，确认无误后提交。

第四步：等待审核

提交后进入人工审核。官方公开信息里说审核周期大约 5 个工作日，我这次的实际体验快得多——几个小时就有结果了。审核通过后，Skill 就进入天禧 AI 技能广场，天禧 AI 的用户可以直接调用。

整个流程走下来，真正花时间的不是平台操作，而是把 SKILL.md 写清楚：它解决什么问题，适合什么场景，用户怎么用，输出什么结果，哪些环节需要用户确认，风险边界在哪。这些写得越清楚，平台识别越准，用户上手越快，审核也越顺。

八、活动激励

1、万亿token（普惠激励）：面向所有参与活动的开发者，人人可享！活动期间，Skill正式上线天禧AI，即可获得2万能量值；如果满足当期活动场景，则额外奖励18万能量值。（Token将以天禧专属能量值形式进行发放，1000能量值=1元）

2、千万现金大奖（优质激励）：活动结束后，按综合得分对所有参赛 Skill 进行评选，优质内容瓜分千万现金奖池，更有流量置顶和开发者荣誉标识。这也是我同时提交几十个Skills参与活动的原因，提交越多，参评越多，获奖几率水涨船高。

3、付费收益免分润：活动周期内（2026年5月19日—12月31日），付费 Skill 产生的用户付费收益，平台不参与分成，100% 归开发者所有。

4、开发者等级激励：优质开发者将获得天禧AI平台专属等级标识，并优先参与：平台新功能内测与产品规划共创；官方联动推广与案例展示机会。

九、写在最后

金融行业尤其适合 Skill 沉淀。它的专业门槛高、流程相对固定、监管要求明确、数据源可以标准化——这些都是 Skill 能发挥最大价值的条件。

如果你也是金融从业者，手里有经常重复的研究流程、审查流程、规划流程，不妨试试把它们写成 Skill，从你最常做的那个场景开始就行，并参与天禧AI Skills苍穹共创活动，获得丰厚奖励！

活动参与入口：https://open.lenovomm.com/developer/mgmt/appcreate?type=4