Latent Space

Agents Prompt People: Using Agents for Long-Horizon Financial Work

8.5内容质量
Agents Prompt People: Using Agents for Long-Horizon Financial Work

TL;DR · AI 摘要

Arca公司利用AI代理处理长期金融任务,但人类顾问保留最终决策权,确保安全与合规。

核心要点

  • Arca使用Anthropic和OpenAI模型,通过自研harness系统动态选择最佳模型。
  • 内部记忆系统跟踪每个客户的任务状态、责任人及时间节点,支持长期任务管理。
  • 安全措施包括代码沙箱、格式转换和严格验证,防止AI执行高风险操作。

结构提纲

按章节快速跳转。

  1. 介绍Arca公司使用AI代理进行财富管理的核心理念。

  2. AI负责分析与提案,人类顾问保留交易等高风险操作的最终决策权。

  3. 通过持久化存储跟踪客户任务状态、责任人及时间节点。

  4. 自研harness系统根据内部基准动态选择Anthropic或OpenAI模型。

  5. 采用代码沙箱、格式转换和验证检查确保数据与操作安全。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • AI代理在金融中的应用
    • 核心机制
      • 内部记忆系统
      • 模型选择机制
    • 安全措施
      • 代码沙箱
      • 格式转换验证
    • 职责边界
      • AI分析提案
      • 人类决策交易

金句 / Highlights

值得收藏与分享的关键句。

#AI代理#金融技术#Arca#OpenAI#安全架构
打开原文

代理引导人类:使用代理进行长期财务工作 —— 潜在空间

在本月的AI工程师纽约峰会上,我们与Arca公司的首席AI工程师Aman Singh进行了对话。Arca是一家“原生AI”公司,提供财富管理服务。

我们发现,尽管代理在公司中承担了大部分后台工作,但仍有安全机制确保人类顾问做出最终决策。目标是让AI引导流程;正如Singh所说:“代理更多地引导人类,而非人类引导代理。”

播放视频

在YouTube上打开视频 ↗

Arca最近在由General Catalyst领投的融资中筹集了4850万美元,Index Ventures和Venrock也参与了本轮投资。

Singh解释了在金融服务中使用AI的一个特点:通常是长期工作,但并非长时间运行。在他的AIE演讲中,Singh指出Arca的代理任务可能需要长达十天。“这非常断断续续,中间有许多参与者、许多决策点和许多交接环节,”他说。

因此,Arca开发了内部记忆系统。

“我们为每位客户都建立了这种持久性,”Singh在我们的播客讨论中说道。“到目前为止发生了什么?我们接下来在追踪什么?接下来几天需要立即完成什么?我们长期在追踪什么?哪位个人负责哪项行动?所有这些都由我们的记忆系统进行追踪,这些系统由我们的代理贡献数据。”

Arca使用来自Anthropic和OpenAI等前沿实验室的模型,其中Claude是其主要模型提供商。公司开发了自己的控制框架,该框架根据公司内部基准自动选择最适合特定任务的模型。

拥有自主控制框架而非使用托管代理框架,也意味着Arca可以根据需要灵活更换模型提供商。

安全性对于金融服务显然至关重要。Singh指出,尽管代理完成大部分工作,但代理的角色仅限于分析和提出解决方案。交易和任何其他资金流动均由人类顾问处理。

“我们的所有安全限制都是完全确定性的,”他说。“它们将决策权从代理手中移除。”

换句话说,代理可以自行执行某些工具和任务——但不包括可能对客户造成风险的操作。Arca还会对已知的AI安全问题(如提示注入)进行验证检查。

赞助

您的赞助广告在此处

接触正在构建未来的技术的AI工程师。

潜在空间由正在部署代理、模型和基础设施的工程师阅读。咨询赞助此位置。

[email protected] →

Arca的代理本身并未被沙盒隔离,但它确实使用沙盒进行计算。Singh解释说,他们甚至采取了额外的安全措施来处理敏感数据。

“我们构建了系统,使沙盒内的代码可以安全访问我们的数据,”他说。“因此我们有这样一个机制,将代理编写的代码转换为严格格式,丢弃原始代码,并在到达后端之前对该格式安装防护措施。我们允许代理使用代码查询我们的数据,这意味着他们可以汇总数据、处理数据,并根据需要对其进行操作以生成财务计划等结果。”

Arca 实施的另一个有趣流程是结合人工顾问的反馈与代理的追踪记录,以优化框架。一个“元代理”会分析所有这些数据,并向框架提出改进建议。

播客时间戳

  • 00:00 — 介绍 Arca 的原生 AI 财富管理公司
  • 01:40 — AI 如何支持人工财务顾问
  • 02:40 — 选择具有内部基准的模型
  • 04:01 — 构建自定义框架和任务路由
  • 05:25 — 处理 10 万美元税单:代理与人工审批
  • 07:20 — 长期任务中的代理记忆
  • 09:22 — 安全防护和提示注入防御
  • 11:02 — 默认的合规性与可审计性
  • 12:14 — “代理比人工更常向人类发起提示”
  • 13:46 — 为什么 Arca 自主拥有代理基础设施
  • 15:05 — 原生 AI 机构与使用 AI 工具的机构对比
  • 16:09 — 沙盒环境与财务计划验证
  • 18:40 — 决策模型与财务事实核查
  • 19:51 — 为什么交易执行仍由人工专家负责
  • 20:32 — 将员工反馈转化为评估与改进
  • 22:22 — 将运营知识转化为代理上下文
  • 23:41 — 客户案例:隐藏费用与主动服务

观看 Aman 的 AIE 演示

/think