投管 Agent 评测空白:FinSkillBench 想回答一个没人敢问的问题
通用 benchmark 测的是"会不会说话",FinSkillBench 测的是"会不会算账"。组合构建、风险管理和基本面分析三套题,直接考 Agent 能不能调对数据、跑对模型、出对报表。
69.9k stars 的多智能体框架,把软件公司的标准流程写进 LLM 角色链。一句话需求进去,PRD + API + 代码出来。我跑了一次,看看 SOP 这套工程化思路到底管不管用。
通用 benchmark 测的是"会不会说话",FinSkillBench 测的是"会不会算账"。组合构建、风险管理和基本面分析三套题,直接考 Agent 能不能调对数据、跑对模型、出对报表。
Latent Space 做了次外部逆向工程,把 Memory、Browser Use、Plugins 那七块拼回去看。OpenAI 没公布的架构,民间复刻了一份。
Apache-2.0、120 个 Rust crate、三天 10 万 Star。OpenAI 这次开源的不是模型,是 Agent 怎么跑的——这件事对做 AI 集成的工程师意味着什么。