投研协同试点
围绕资料整理、观点沉淀、任务分派和复核路径，验证智能体能否减少研究协作断层。
Pilot
FiClaw 团队试点
金融智能体试点不应从采购工具本身开始，而应从明确业务卡点、数据边界、人工复核节点与成功标准开始。
Scenarios
适合优先试点的场景
量化研究试点
围绕策略想法、因子研究、回测实验、复盘记录和研究方法沉淀，验证量化流程是否更连续。
风控复核试点
围绕规则检查、异常归纳、复核记录和人工确认节点，验证风控协作是否更一致、更可追踪。
执行前检查试点
围绕研究结论、仓位思路、订单检查、风险提示和执行反馈，验证研究到行动之间是否更顺。
Preparation
试点前需要准备什么
01
一个明确业务卡点
先选一个高频、重复、需要协作、适合留痕的流程，不建议一开始覆盖所有团队和系统。
02
一组核心参与人
明确业务负责人、日常使用者、复核人和技术对接人，避免试点期间无人判断效果。
03
可公开讨论的数据边界
提前区分公开资料、内部资料、敏感数据和不可接入数据，并确认哪些内容可以进入模型上下文。
04
可观察的成功标准
用效率、留痕质量、复核一致性、任务衔接、使用频率等指标判断试点是否值得继续。
Process
试点推进流程
Step 1
试点澄清
对齐业务场景、参与角色、数据边界、模型预算和人工复核节点，形成试点范围说明。
Step 2
工作流设计
把场景拆成输入、角色、工具、输出、复核和后续动作，明确 FiClaw 在流程里的位置。
Step 3
小范围运行
先让少量成员围绕真实任务使用，记录问题、输出质量、协作效率和边界风险。
Step 4
复盘与扩展
根据试点结果决定是否扩展到更多角色、数据源、模型组合或团队流程。
Success
成功信号
- 同类研究资料整理和观点归纳的重复时间明显减少。
- 研究、复核、执行前检查之间的任务衔接更清楚。
- 关键结论、模型输出和人工判断能留下可追踪记录。
- 团队能形成可复用的方法、提示词、规则和流程模板。
- 模型积分消耗、使用频率和业务产出之间能形成可讨论的预算口径。
Non-goals
不建议把试点做成什么
- 试点不等于承诺投资收益，也不替代投委会、合规或风控职责。
- 试点不建议一次性接入所有内部系统或敏感数据。
- 试点不应绕过人工确认直接执行交易、资金或对外输出动作。
- 试点不以演示效果为唯一目标，而应以真实流程中的可持续改进为目标。