FinRobot 同样来自 AI4Finance Foundation，定位是面向金融分析的大语言模型智能体平台。与 FinGPT 更偏模型和金融 NLP 基础能力不同，FinRobot 更强调“智能体工作流”：让多个 AI 角色围绕一个金融分析目标协作，例如拉取金融数据、整理公司基本面、比较同业、生成研究报告、输出图表和文本段落。项目提供了本地部署方式、命令行流程和 Web 界面示例，目标是把金融分析流程从单次问答推进到多步骤自动化。

从学习角度看，FinRobot 很适合观察“金融 AI Agent”与“普通 ChatGPT 问答”的区别。普通问答通常只回答一个问题，而金融投研需要拆任务、取数据、分析指标、比较同业、生成报告、保留证据。FinRobot 把这些环节组织成更接近真实分析师工作的流程。

• 多智能体金融分析：用多个角色协同完成财务分析、同业比较、文本生成等任务。
• 投研报告自动生成：从数据获取、指标分析到报告撰写形成链路。
• 与金融数据 API 结合：需要配置金融数据源和大模型 API，体现真实项目的数据依赖。
• 强调工具调用：智能体不是只生成文字，还要调用数据、执行脚本、组织输出。

FinRobot 可以帮助理解金融智能体的流程设计。对银行从业者来说，可以重点看它如何拆分“一个复杂金融问题”：先确定公司和同行，再拉数据，再做指标，再生成文字，再形成报告。这种流程可以迁移到银行内部的客户经营分析、授信企业分析、行业研究、经营驾驶舱解读等场景。

• 上市公司基本面分析助手。
• 对公客户授信前的公开信息整理助手。
• 行业和同业比较报告生成。
• 客户经理拜访前的企业资料摘要。
• 管理层经营分析材料初稿生成。

FinRobot 依赖外部金融数据接口和大模型接口，输出质量受数据覆盖、接口稳定性和模型能力影响。金融报告生成必须保留来源、指标口径和人工复核，不能让模型自行编造结论。迁移到银行内部时，还要处理客户信息保护、行内数据权限、模型调用留痕、报告责任归属等问题。