Arca 如何用 Agent 承担长达十天的财富管理工作流

在本月的 AI Engineer New York 大会上，我们与 Aman Singh 进行了交流，他是 Arca 的首席 AI 工程师，Arca 是一家提供财富管理服务的“AI 原生”公司。

我们发现，虽然智能体承担了公司大部分后台工作，但公司设置了护栏，确保最终决策由人类顾问做出。目标是让 AI 引导流程；或者正如 Singh 恰当地所说，“智能体提示人类的次数多于人类提示智能体的次数。”

Arca 最近完成了一轮 4850 万美元的融资，由 General Catalyst 领投，Index Ventures 和 Venrock 参投。

Singh 解释说，在金融服务中使用 AI 的一个特点是，这通常是长周期的工作——尽管不是长时间连续运行。在他的 AIE 演讲中，Singh 指出 Arca 的智能体任务可能需要长达十天。“它是断断续续的，中间有很多参与者、很多决策点、很多交接，”他说。

因此，Arca 开发了一个内部记忆系统。

“所以我们为每个客户都有这种持久化记录，”Singh 在我们的播客访谈中说。“到目前为止发生了什么？我们接下来在跟踪什么？未来几天需要立即做什么 [以及] 我们在为长期跟踪什么？哪个人负责哪项行动？所有这些都由我们的记忆系统跟踪，我们的智能体也在为其做出贡献。”

Arca 使用 Anthropic 和 OpenAI 等前沿实验室的模型，Claude 是其主要的模型提供商。该公司构建了自己的 harness，可根据公司内部的基准测试自动为特定任务选择最佳模型。

拥有自己的 harness，而不是使用托管的智能体 harness，也意味着 Arca 在需要时可以灵活更换模型提供商。

安全性对金融服务来说显然至关重要。Singh 指出，尽管智能体承担了大量工作，但智能体的角色仅限于分析和提出解决方案。交易和任何其他资金转移都由人类顾问处理。

“我们所有的安全限制都是完全确定性的，”他说。“它们把决策权从智能体手中拿走了。”

换句话说，智能体可以自行执行某些工具和任务——但不涉及对客户有风险的任务。Arca 还针对已知的 AI 安全问题（如提示注入）运行验证检查。

Arca 的智能体本身并没有沙箱化，但它确实使用沙箱进行计算。Singh 解释说，他们走得更远，为处理敏感数据采取了额外的安全措施。

“我们构建了系统，使沙箱内的代码可以安全地访问我们的数据，”他说。“所以我们有这样一种机制，把它 [智能体] 写的代码转换成我们期望的严格格式，丢弃代码，然后在该格式到达后端之前，在其上安装护栏。所以我们允许智能体使用代码查询我们的数据，这意味着它们可以对数据进行聚合、整理，并按它们认为合适的方式处理数据，以生成诸如财务计划之类的东西。”

Arca 实施的另一个有趣的流程是利用人类顾问的反馈，结合智能体的运行轨迹，来改进 harness。他们使用一个“元智能体”来分析所有这些数据，并对 harness 提出改进建议。

播客时间戳

• 00:00 — 介绍 Arca 的 AI 原生财富管理公司

• 01:40 — AI 如何支持人类财务顾问

• 02:40 — 通过内部基准测试选择模型

• 04:01 — 构建自定义 harness 和任务路由

• 05:25 — 处理一笔 100,000 美元的税单：智能体与人工审批

• 07:20 — 长时间运行任务中的智能体记忆

• 09:22 — 安全防护栏与提示注入防御

• 11:02 — 默认具备合规性与可审计性

• 12:14 — “智能体提示人的次数比人提示智能体的次数更多”

• 13:46 — Arca 为何自研智能体基础设施

• 15:05 — AI 原生公司与使用 AI 工具的公司对比

• 16:09 — 沙盒与财务计划验证

• 18:40 — 决策模型与财务事实核查

• 19:51 — 为何交易执行仍由人类专家负责

• 20:32 — 将员工反馈转化为评估与改进

• 22:22 — 将运营知识转化为智能体上下文

• 23:41 — 客户案例：隐藏费用与主动服务

观看 Aman 的 AIE 演讲