釦子空間探索金融場景AI“搭子”,平臺技術與垂類專業buff疊加

當AI Agent實現從回答問題到解決問題的躍升,人與AI Agent實現協同辦公,甚至可以商量調整任務步驟,會是一種怎樣的工作體驗?
2025年,被稱為AI Agent爆發元年,行業巨頭正加速Agent落地。產品的應用正從人機互動升級為人機協作,以金融行業為代表的有著大量複雜資料處理和深入研究需求的場景,正成為AI Agent應用場景落地的熱土。
近日,位元組的 Agent 產品 “釦子空間(space.coze.cn) ” 開啟內測,產品聚焦於解決工作場景中的複雜問題,在通用Agent基礎上,引入了2個專家 Agent,其中切入金融工作場景的“華泰A股觀察助手”,上線後收穫眾多使用者圍觀和測評。
“華泰A股觀察助手”由釦子團隊與華泰證券聯合探索孵化,這個專家Agent在釦子空間通用Agent技術支援的基礎上,還引入了華泰證券的專業能力加持,探索實現定製化資訊整合。相較於目前市場上同類產品,其著力簡化了使用者進行市場研究和交叉驗證的流程。
據釦子團隊介紹,釦子空間的長期目標是構建一個開放的Agent生態系統,透過MCP持續拓展Agent能力邊界,讓使用者與Agent實現高效協同,全面提升生產力。
解決複雜工作的AI“搭子”
隨著技術不斷地革新,目前國內外AI Agent市場呈現出多樣化的發展態勢,各型別的Agent產品如雨後春筍般冒頭。而垂類領域的應用正趨向專業化,解決方案型Agent更專注於解決特定職能問題。
“與Agent一起,開始你的工作”是釦子空間的產品定位,釦子空間是位元組基於前期AI應用開發平臺“釦子(coze)”的經驗累積,開發的一款專注於解決工作場景中複雜問題的產品。
內測的扣子空間Beta版,透過整合 MCP擴充套件體系構建開放工具生態,可以接入多個工具元件為使用者解決工作場景中的複雜問題,並可以透過回放檢視Agent的工作流程,進行任務糾錯。
釦子空間提供了通用Agent與專家Agent兩種入口,支援引入多款可以呼叫的工具,包括飛書雲文件、飛書表格、高德地圖、墨跡天氣等,強化不同場景下工作任務的解決能力,並支援輸出文件、網頁、PPT等多樣化的格式內容。
釦子團隊官方將通用Agent描述為“通用實習生”,Agent可自主呼叫多種工具,如瀏覽器、程式碼編輯器等協助使用者執行工作任務,降低普通使用者技術使用門檻。以開發一個閱讀每日熱門財經新聞的網頁為例,使用者只需發出指令,Agent會呼叫瀏覽器搜尋熱門財經新聞來源,再呼叫網頁開發工具,自主完成網頁設計、網頁生成等任務。
同時,釦子空間支援探索、規劃雙模式。在探索模式下,Agent進行自主動態探索,完成速度更快,適合快速提問、臨時任務和試探性需求。在規劃模式下,Agent會進行深度思考並拆解任務步驟,支援使用者修改任務,適合高複雜性任務。
在結果輸出方面,釦子空間的Agent支援多樣化格式輸出,可以根據使用者需求輸出網頁、PPT等不同格式,以滿足不同工作場景下的需求。
為進一步聚焦實用場景,釦子空間在通用Agent基礎上,還引入了專家Agent體系。在內測階段,釦子空間上線了“使用者研究專家” 和 “華泰A股觀察助手” 2 個專家 Agent,分別覆蓋使用者資料、股票資料整理的應用場景。
瞭解使用者需求貫穿各類產品研發、運營以及銷售等各類工作環節,但往往需要面臨繁瑣的使用者資料分析工作。釦子空間上線的“使用者研究專家”,可以協助產品經理、運營等處理使用者資料、總結訪談記錄、生成使用者調查報告等,從而快速瞭解使用者需求,提升工作效率。
比如,讓它基於一份“AI生圖產品使用者調研問卷”生成使用者分析報告,它會從使用者畫像、瞭解渠道、使用場景、付費情況以及使用者滿意度等多維度形成核心結論,並基於上述結論形成進一步提升產品的使用者體驗和市場競爭力的建議。
技術與專業加持的“股市觀察助手”
隨著AI Agent任務處理能力的不斷進化,以金融為代表的垂直行業有著大量複雜資料處理和深入研究的需求場景,正成為AI Agent應用場景落地的熱土。
同時,在做好金融“五篇大文章”的大背景下,金融機構的數字化轉型正不斷加快,AI Agent在金融領域的應用空間不斷拓寬,包括客戶服務、風險管理、市場觀察等。
相較於其它行業,金融行業因其複雜的資料處理需求和高風險特點,在Agent應用在金融場景落地過程中面臨不少挑戰。比如投資研究常常建立在大量資訊處理以及定量與定性分析的基礎之上,涵蓋技術面、基本面、資金面、訊息面等多個維度。簡單的AI問答,通常難以獲得連續、完整且準確的資料,往往只是對網路公開資訊的二次加工,難以面面俱到。
針對金融垂直領域的痛點,釦子團隊與華泰證券聯合孵化中的“華泰A股觀察助手” 專家Agent,好比一位專屬於普通個人投資者的勤勞研究員,基於股票與輿情相關的資料和技術加持,可以從多個權威資料來源調取專業資料,並呼叫Python等專業工具進行分析,為使用者形成較為全面且相對可靠的股票客觀資訊分析報告。
目前,“華泰A股觀察助手”支援定製早報和深度研究。定製早報支援使用者設定三個自選股及三個自選板塊,它會將任務拆解為全球大盤隔夜分析、中國大盤行情分析、自選板塊資訊收集與分析、自選股客觀資訊分析以及最終報告撰寫六個步驟,經過大約半小時左右,生成一份涵蓋主要股指行情、財經事件以及自選板塊及個股行情客觀資訊分析等內容的股市早報。
在深度研究入口,透過多個型別的任務測試,這個Agent目前有三個最佳的使用方式。一是請它深度拆解熱門事件相關的股票、提供個股綜合分析報告。以讓它分析週末北京人形機器人半馬活動相關的A股股票為例,它會從相關股票與活動的關係及具體業務內容、主力資金流入以及股價客觀表現等維度進行分析。
同時,它可以為使用者提供全方位的個股分析,使用者僅需簡單輸入類似“某個股綜合分析”的簡單指令,Agent便會自主規劃任務,它不僅能完成個股基本面、技術面分析,還能進行資金面分析。
此外,它還能提供多隻個股橫向分析。比如讓它對比分析寵物相關標的股價表現以及在寵物經濟賽道的前景,它就會生成一份包含股價客觀表現、公司基本面、機構評級、近期公告和事件以及業務前景等方面內容的視覺化報告。
從目前內測任務執行流程來看,“華泰A股觀察助手”的自主執行力逐步向全面發展。相較於市場上金融垂類的Agent,這個專家Agent集網頁搜尋、API工具呼叫、Python程式碼撰寫等技能於一身,幫助使用者解決金融場景下多方交叉驗證以及資訊蒐集的複雜工作流程。
(產品處於內測階段,介面可能有調整,以實際體驗為準)
從測試的多個任務效果來看,專家Agent引用的資料和內容大部分準確,但仍會存在一些幻覺。還有部分使用者反饋Agent存在任務處理速度慢的問題。實際上,目前基於大模型構建的Agent,都存在著類似的挑戰。
根據業內專業人士分析,由於Agent需要呼叫大模型,且執行過程中涉及到思考、推理、任務拆解及反思等多個環節,都會導致Agent的執行速度相較於傳統方式構建的流程緩慢。同時,模型上下文長度、思考糾錯能力、工具呼叫準確性等都會影響Agent在實際應用中的穩定性和可靠性。未來,隨著國產模型的持續迭代和最佳化,模型的執行效率及可靠性均能得以提高。
開啟Agent能力邊界想象空間
從AI Agent發展前景來看,未來市場空間廣闊。據 Markets & Markets 測算,2024年全球AI Agent市場規模約為51億美金,2030年有望增長至471億美元,年複合增長率達44.8%。與此同時,行業激戰正酣,越來越多大廠和創業公司捲入多場景Agent應用的競爭賽道。
行業人士分析認為,對於Agent產品而言,技術研發能力是產品核心壁壘之一。未來多Agent系統的運作方式和效能最佳化將是技術競爭的關鍵。此外,豐富且可靠的資料能力以及工具生態的構建也將成為突破點。
從此次釋出的扣子空間內測版中,也可對行業未來競爭方向窺見一二。在資料處理方面,專家Agent追求更高質量的資料來源和更準確的資料計算。回看華泰A股觀察助手工作流,專家 Agent 在獲取公開搜尋資訊的基礎上,直接查詢股票資料,綜合完成分析,從而儘可能地減少因低質量資料來源帶來的幻覺。同時,對於複雜的資料分析和技術指標分析,專家Agent會使用Python來完成資料計算,儘可能地減少因心算帶來的幻覺。
在生態構建方面,釦子空間透過整合 MCP擴充套件體系構建開放工具生態,與市場上其它工具生態類產品相比,它的工具接入更側重於辦公場景的高頻元件,能滿足使用者在日常辦公中的多樣化需求。內測版本中,已支援飛書多維表格、高德地圖、影像工具、語音合成等高頻辦公元件的接入。
據釦子團隊介紹,釦子空間未來還會提供更多不同領域的專家Agent選擇,使用者也可以自己在釦子開發平臺開發各種專家Agent,且支援釦子開發平臺釋出MCP至釦子空間,持續拓展Agent能力邊界。


相關文章