UC-155银行用例 ／ 平台治理
KB Financial Group
大型金融集团通常拥有银行、证券、保险、卡、资本、养老等多类子公司。每个业务线都有自己的客户、产品、系统和监管要求。如果各子公司分别采购或自建生成式 AI 工具，容易造成能力重复、治理不一致、数据风险和规模化困难。 KB Financial Group 在 2025 年集团历史中披露，5 月开放金融圈首个 Agentic AI 기반 그룹 공동 생성형 AI 플랫폼 “KB GenAI Portal”。这说明其目标不是单点应用，而是为集团共同使用生成式 AI 和智能体建立统一入
披露摘要官方历史页面披露，KB Financial Group 于 2025 年 5 月开放韩国金融圈首个 Agentic AI 기반 그룹 공동 생성형 AI 플랫폼 “KB GenAI Portal”。公开报道进一步披露，平台将覆盖集团多家子公司，并计划未来 3 年在 17 个业务领域引入 90 多个智能体。 该案例的价值在于展示了金融集团从“员工使用 AI 工具”走向“集团共同 AI Agent 平台”的路径。与单一聊天助手相比，Portal 模式更有利于统一身份权限、知识接入、模型治理、智能体审核、监控和复用。
UC-138银行用例 ／ 平台治理
Mizuho Financial Group
银行开始尝试 AI Agent 后，很快会遇到“规模化墙”：单个智能体可以由少数专家手工开发，但当不同业务部门都需要不同智能体时，个别开发方式会造成周期长、质量不一、部署易错、治理难统一和运维不可持续。Mizuho 在 2025 年已推出 Wiz Base 作为安全高效使用生成式 AI 的下一代 AI 基础设施，随后进入 AI Agent 规模化阶段。 Agent Factory 的核心问题不是“能不能做一个智能体”，而是“能不能持续量产、部署、评价和改进数千个智能体”。这对
披露摘要官方披露，Agent Factory 可把复杂 AI Agent 的开发周期从传统约 2 周缩短到最短数日，最高缩短 70%。Mizuho 从 2026 年 2 月开始以数字战略部使用为起点正式展开，未来将逐步扩大到更多部门。 该行还明确展望后续增强：提供个性化智能体记忆功能，推进多个 AI Agent 协作执行业务，扩展运维能力。目标是在内部流程效率化和高度化的同时，为客户提供更快速、更准确的提案和支持。
FP-002开源项目 ／ 财富投研
开源社区
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
FP-004开源项目 ／ 财富投研
开源社区
Qlib 是 Microsoft 开源的 AI 量化投资平台，目标是支持从研究想法到生产化实现的完整量化流程。它覆盖数据处理、特征工程、模型训练、策略回测、组合构建、风险分析等环节，并支持监督学习、市场动态建模、强化学习等多种范式。相比单个模型项目，Qlib 更像一个量化研究操作系统。 Qlib 的重要价值在于把“金融 AI 项目工程化”展示得比较完整。很多金融 AI 学习只停留在 notebook 或单个模型，但真实机构需要数据版本、特征管理、训练流程、回测框架、评估指标和
FP-003开源项目 ／ 财富投研
开源社区
FinRL 是 AI4Finance Foundation 的经典开源项目，专注金融强化学习。它把股票交易、组合管理等金融决策问题抽象成强化学习环境：智能体观察市场状态，采取买入、卖出、持有或调仓动作，然后根据收益、风险和交易成本获得奖励。项目包含数据处理、环境构建、算法训练、回测评估等模块，是学习“AI 如何在连续金融决策中训练策略”的代表性项目。 FinRL 的价值不只是交易策略本身，而是提供了一种完整的金融 AI 实验范式：先定义市场环境，再定义动作空间和奖励函数，再训
FP-005开源项目 ／ 财富投研
开源社区
OpenBB 是一个开源金融数据平台，面向分析师、量化人员和 AI 智能体提供统一的数据访问能力。它整合多类金融数据源，并通过 Python、CLI 等方式让用户读取市场数据、公司数据、经济数据和其他分析所需信息。OpenBB 的新定位已经不仅是“开源金融终端”，也在强调作为 AI Agent 的金融数据底座。 对金融 AI 学习者来说，OpenBB 的价值在于提醒我们：大模型或智能体要做金融分析，第一步不是“会聊天”，而是能稳定、合规、可追溯地拿到数据。很多金融 AI 项目
学习方向金融数据平台 / AI Agent 数据底座
FP-006开源项目 ／ 财富投研
开源社区
RD-Agent 是 Microsoft 开源的研发自动化智能体项目，目标是让 AI 参与数据和模型研发过程。它不只服务金融，但其中包含面向量化金融的 RD-Agent(Q) 场景，用多智能体方式自动做量化策略研究、因子和模型协同优化、代码生成、实验运行和结果评估。它代表了一个重要趋势：AI 不只是分析结果，也可以参与研究过程本身。 对于本仓库来说，RD-Agent 很适合放在“未来金融 AI 工作方式”这一类。过去分析师或数据科学家需要手动提出假设、写代码、跑实验、看结果；
FP-009开源项目 ／ 平台治理
开源社区
Alpha-Agent 是 LLMQuant 组织下的多智能体量化投资研究框架，定位是用大语言模型和多智能体流程辅助 Alpha 研究。项目尝试自动完成从研究报告和论文中抽取想法、识别市场状态、检索相关策略、生成代码、调试错误、接入 Qlib 回测等步骤。它代表了金融智能体从“问答助手”走向“研究流程自动化”的方向。 Alpha-Agent 的特点是把金融知识库、市场状态、策略生成和回测连接起来。对金融 AI 学习者来说，它是观察“LLM + 量化研究 + 工具调用”的好样本
FP-012开源项目 ／ 财富投研
开源社区
FinMem 是一个基于大语言模型的交易智能体研究项目，核心思想是给 LLM Agent 设计“分层记忆”和“角色特征”，让它像交易者一样持续吸收市场信息、历史表现、新闻事件和经验反馈，再把这些记忆转化为交易决策。项目公开了论文代码，并在 2024 年有学术更新和金融大模型挑战相关信息。 FinMem 的价值在于展示了 LLM Agent 在金融场景中如何处理连续信息，而不是只回答单次问题。金融决策往往依赖过去经验、近期事件、长期趋势和短期噪声，FinMem 试图用记忆结构来
FP-013开源项目 ／ 数据与研发
开源社区
edgarmcp 是一个面向 SEC EDGAR 的开源 MCP 服务，可以让 AI 客户端实时查询、读取和检索美国上市公司披露文件。它提供 get_filings、read_document、search_filings、view_financials、search_edgar 等工具，支持读取 filings、附件、注释、XBRL 财务报表，并提供可点击引用。项目创建于 2026 年，属于较新的“金融数据 + MCP + AI 工具调用”方向。 这个项目很适合学习 AI
FP-017开源项目 ／ 财富投研
开源社区
quantflow 是一个量化金融和衍生品定价工具库，覆盖随机过程、期权定价、校准、数据接口等模块。项目还包含 quantflow.ai 模块，可以作为 AI 客户端的 MCP 服务使用，把量化定价和金融计算能力暴露给智能体。它代表了另一个值得关注的方向：不是让大模型自己算金融数学，而是让大模型调用可靠的金融计算工具。 对金融 AI 学习者来说，quantflow 的价值在于把“AI + 金融计算”连接起来。许多金融问题不能靠语言模型凭空回答，例如期权价格、波动率、随机过程模
FP-018开源项目 ／ 数据与研发
开源社区
Banko AI Assistant 是 Cockroach Labs field 团队开源的银行类智能助手示例，展示了 RAG、Agentic AI、多模型供应商、CockroachDB 向量检索、LangGraph 多智能体工作流、持久化 checkpoint、收据 OCR、费用分析和欺诈检测等能力。项目有 PyPI 包和 Docker 相关资源，定位是一个可演示的金融/银行智能助手应用。 这个项目对本仓库很有启发，因为它把多个真实金融 AI 组件放在一起：用户上传或输入