financial-services核心概念之Skills：SKILL.md如何把机构级建模规范写成知识-育师

financial-services核心概念之Skills：SKILL.md如何把机构级建模规范写成知识

【免费下载链接】financial-services项目地址: https://gitcode.com/GitHub_Trending/fi/financial-services

在financial-services这个开源金融 AI 项目里，Skills（技能）是最核心的设计：每一个 SKILL.md 文件，都把投资银行级财务建模规范（DCF 估值、三张表、LBO、Excel 审计）写成 AI 能自动遵循的知识。你安装插件后，输入/dcf、/comps等命令，AI 就会按华尔街标准流程产出模型——无需每次重复叮嘱。本文带你读懂这套知识体系的结构与写法。

📦 什么是 Skills：给 AI 的"机构级 SOP"

Skills 本质是模块化、自包含的知识包：一份 SKILL.md 指令文件 + 可选的脚本、参考资料和模板资源。官方把它比作"入职指南"——把通用 AI 变成掌握特定领域流程的专岗员工。

在本项目中，Skills 按金融业务条线（vertical）组织，统一存放在：

核心建模技能：plugins/vertical-plugins/financial-analysis/skills/
技能编写规范：skill-creator/SKILL.md
每个具名 Agent 内置所需技能的同步副本：plugins/agent-plugins/

技能	对应命令	沉淀的机构知识
dcf-model	`/dcf`	现金流折现建模、WACC、敏感性分析
lbo-model	`/lbo`	杠杆收购模型
3-statement-model	`/3-statement-model`	三张报表联动建模
audit-xls	`/debug-model`	公式追踪、硬编码检测、平衡校验
comps-analysis	`/comps`	可比公司交易倍数分析

🔍 解剖一个 SKILL.md：三层结构

每个 SKILL.md 都由三部分组成：

1️⃣ YAML Frontmatter（元数据）——触发机制

以 dcf-model/SKILL.md 开头为例，name和description是 AI 判断"何时该启用这个技能"的唯一依据。注意它的 description 写得像一份触发词清单："当用户需要用 DCF 方法估值、请求内在价值分析、或要求带增长预测和终值计算的资金建模时使用"。

2️⃣ Markdown 正文（核心规范）

技能被触发后才加载。正文就是机构知识的主体：流程步骤、格式标准、质量评分表。

3️⃣ 捆绑资源（可选，按需加载）

技能目录还可包含scripts/（可执行脚本，如 validate_dcf.py）、references/（按需查阅的文档，如 formulas.md）和assets/（输出用模板）。

🧠 三级渐进加载：让上下文预算花在刀刃上

skill-creator 中总结了一个关键设计原则——Progressive Disclosure（渐进披露），三级加载系统控制上下文占用：

元数据（name + description）：常驻上下文，约 100 词
SKILL.md 正文：技能触发时加载，建议控制在 5000 词内
捆绑资源：AI 判断需要时才读取，几乎无上限

这意味着几十个技能的"目录"始终在场，而厚重的规范文档只在真正干活时才打开——这正是它能容纳整套机构知识而不撑爆上下文的原因。

📊 案例：DCF 技能如何"写出"华尔街标准

打开 dcf-model/SKILL.md，你会发现规范被写得极其可执行，几乎每一条都能直接变成检查项：

公式优先于硬编码（不可妥协）：所有预测、折现因子、现值单元格必须是活公式；只有历史实际值、假设驱动因子和市场数据才能硬编码——"模型必须在用户修改假设时能联动变化"
十步标准流程：从数据获取与验证（Step 1）到敏感性分析（Step 10），每步都定义了方法论，比如 WACC 的 CAPM 公式、中期折现惯例（0.5、1.5、2.5…期）、终值应占企业价值 50-70% 的合理性校验
与用户逐步确认：明确禁止"端到端一口气建完"——数据、收入预测、FCF、WACC、股权桥每一段都要停下向用户展示确认，把错误拦截在早期
专业排版标准：深蓝#1F4E79章节头、蓝色字体=硬编码输入、黑色=公式、绿色=跨表链接，连"3 种蓝 + 1 种灰 + 白"的配色克制都有明文规定

⚠️ 知识里最值钱的部分：错误清单与正确范式

与普通文档不同，DCF 技能专门设有两个章节：<correct_patterns>（正确范式）与<common_mistakes>（错误清单），把老分析师的"踩坑经验"显性化：

❌ 敏感性表用线性近似 → ✅ 75 个单元格逐一写入完整 DCF 重算公式
❌ 单元格批注"以后补" → ✅ 每个硬编码值创建时就写 "Source: [系统/文档], [日期], [引用]"
❌ 先写公式后插标题导致行引用错位 → ✅ 先锁定全部行布局再写公式
❌ 经营费用基于毛利润 → ✅ 必须基于收入建模经营杠杆

文末还有"TOP 5 错误汇总"和按模型类型分列的典型 Bug（DCF 的终值占比、LBO 的偿债瀑布、三表模型的循环引用），并附 TROUBLESHOOTING.md 供排错查阅。这套"正反对照 + 错误自检表"的写法，是新手最值得模仿的技能写作范式。

🔧 审计技能：规范的另一半是"质检"

写出来的模型要过检。audit-xls/SKILL.md 把审计流程拆成四步：确定范围（选区/单表/整模型）→ 公式级检查（#REF!、隐藏行、单位不一致）→ 模型完整性检查（资产负债表平衡、现金勾稽、留存收益滚转）→ 按 Critical/Warning/Info 三级输出发现表。它甚至内置了 DCF、LBO、Merger 各自的专属 Bug 清单——规范不仅教 AI"怎么做"，还教它"怎么查"。

🛠️ 如何扩展：把你自己公司的规范写进去

README 明确建议：这些是参考模板，按你公司的方式调优。你可以：

添加公司上下文：把术语、流程、格式标准直接写进技能文件
自带模板：用 ppt-template-creator 教会 AI 你们的品牌版式
新建技能：照着 skill-creator/SKILL.md 的六步流程（理解用例 → 规划资源 → 初始化 → 编写 → 打包 → 迭代）复制结构，脚本工具位于 scripts/