智能体先喊人，而不是等人喊它｜Latent Space × Aman Singh / Arca

客户发来一张税单，要凑出 10 万美元。钱今天放在哪、怎样卖掉一部分才合适，Aman Singh 说适合交给智能体算。真正卖出、把钱挪走、直接给客户发信，仍是人做。Arca 不是把一套软件交给顾问自己去问。他说智能体喊人，多过人喊智能体，而且这是一天 24 小时、一周 7 天在转的主动服务。

这场访谈在 AI Engineer New York 2026 现场，频道是 Latent Space。他带 Arca 的 AI 平台团队，做的是用来把这家公司跑起来的 harness。Harness 是包住模型、让它能调用工具并维持运行的那一层。口播称 Arca 近融资 6400 万美元，是一家 AI 原生的财富管理公司。金额只按口播复述。服务他列了建议、资产规划、税务、保险和遗产。例子是刚卖掉公司的人、想提前退休的大型科技公司高管，以及要买第一套房的小家庭。下文不把这些写成产品广告，也不写成收益承诺。

原始来源：Using Agents for Long-Horizon Financial Work — Aman Singh, Arca。中文深度整理，非逐字翻译。本文依据 YouTube 自动生成的英文字幕，专有名词和数字可能有识别误差。模型档口播听成 Luna、Opus、Sonic，判断模型听成 Jev，均不改写成另一款已发布型号。

客户碰不到模型

AI 在 Arca 的角色，他先说死：不替代顾问，替代顾问周围的工作。客户不直接跟 AI 说话。他们感受到的，是以前这个行业做不到的服务水平，仍由顾问的共情交出去。

机器在每个客户后面转。市场在做什么，对例子里那位叫 Richard 的客户有什么影响，生活里哪些纹理会碰到财务。主动和响应从这里来。后台交给 AI，前台仍是人。

顾问也不选模型。分层发生在产品里面。人按原来的方式用产品，并不知道这一步用了哪一档。决定是内部做的。

外部榜好看，内部又慢又贵

今天用的是前沿实验室的模型。Claude 是主模型。路径是早先用过 Gemini，然后 OpenAI，然后 Anthropic。选模型不看外部榜，看他们自己给通用 harness 定的内部基准：这套东西在跑公司业务时必须表现出来的各项能力。字幕没有给出这些基准的名字或分数。

最近一个例子：外部基准把 Luna 说得很好，内部没有达到预期，又慢，又贵。Luna 按口播保留，不对到某一款公开型号。原则是模型无关。自建一套 harness，不把运行绑死在某一家实验室的模型或 harness 上。

任务按复杂度分档。协助做税务方案或做税务分析，走最重的一档。这一档里仍有弹性。口播说可以用 Opus 档、Sonic 档，或更重的 GPT。Sonic 听不清，不改名。大量后台活动走更轻的一档。哪一档服务哪一类任务，由内部定。

十天的税单：提案可以自动，动钱不行

会上他讲过税单。主持人请他从发现需要调整组合，走到下单。他说和演讲里一样，这件事跨大约十天。智能体要对这个结果负责，但有的步骤做，有的步骤不做。

客户把整张税单寄过来。分析是：钱今天配置在哪，怎样卖掉一部分才能凑出 10 万美元。这一段适合智能体，分析可以全自动。动钱、清算资产、直接跟终端客户沟通，不行。他们和托管机构有接口，API 做得到这些动作。护栏仍把人留在环里，因为他们要的是服务水准。内部分析由智能体做完，再把对的人拉来执行交易，并给出一份人可以审、可以改的方案。

所以这不是自主交易。后文他再说一遍：今天不探索「交易失败之后，用判断模型把智能体拉回轨道」。智能体提议做哪些交易。对不对、下不下，由专家决定并执行。

十天中间会有新信号。邮件线程上的回复，回到正在读这串邮件的同一个智能体。中途打来的电话是一条新信号，没有挂在已有流程上，会醒来一个新的智能体，去弄清它是什么意思。弄清靠内部记忆：这个客户眼下在发生什么，我们在办哪件事，谁拥有什么，已经发生了什么，接下来盯什么，这几天必须做的，长期要盯的，哪个人负责哪个动作。还有他称为 dreaming 的反思：对着 Richard 的处境更新这些记忆，长周期任务才放得住。新智能体因此能很快知道，正在处理的是一张大税单，这条信号属于它，于是写回那份状态。

谁在第几步进场，也靠同一套。十天里有多个角色。第七步那个人现在不必知道。长记忆加上每天的反思，看见世界现在处在哪。信号表明必须拉人时才拉。这套上下文，是他们把行业怎么运转、以及 Arca 希望它怎么运转，收成可执行流程之后的结果。能标准化，是因为他们自己就是这家公司，不是一家把软件卖给别人的 SaaS。智能体参加的是已经定下来的做法。

护栏放在能力的边上

安全限制他称是确定性的，把决定权从智能体手里拿开。简单记账一类的工具，智能体可以自己调用。每次往数据库写，另有一层快的模型调用，检查每一次写入。

进来的邮件、文件、电话，是提示注入的入口。他们在边上做检测，看有没有某几类注入。数据要离开系统时也在边上拦。最明显的是网页搜索。给 Richard 发日历邀请也算出去。先做确定性检查，看已知的个人敏感信息在不在；再用一组小模型达成共识，看是不是在试图把数据带出去。原则是把护栏放在能力的边缘，不提前捆死。

沙箱是 harness 的一个部件。智能体本身不坐在沙箱里，沙箱用来卸下计算。他们把智能体写出的代码收成一份预期的严格格式，把代码丢掉，格式过护栏之后才碰到后端。智能体可以用代码查询数据、做汇总，做出一份财务计划。同一只沙箱里也可以产出给客户看的成品。他举的是一份 PDF：这是你的财务计划，我们准备怎样从财务上安排你的生活。成品一出来就跑验证。确定性检查会看有没有把原始账号写进去。小模型，口播里还包括被叫成 Jev 的判断模型，会看有没有不合规的写法。例子是不该在这份成品里承诺收益。过了这些才算可以发布。他说这让合规比人做更好，因为 AI 不知疲倦，连最小的一处不合规表述也找得到。这是他的判断。字幕没有给出对照。

判断模型的另一处用法，是金融严谨性。模型回答需要金融知识的问题时很自信。小例子：它们会用 2025 年的税档做出分析，然后宣布就是这样。那是错的。即将做出金融建议，或任何需要金融严谨的动作时，判断模型会发现，并推模型去用知识库里今天仍然为真的事实，或者去搜索。他说这是自有 harness 才能做的事：在要紧的地方让模型变准。交易执行失败后的恢复，他明确说今天不是判断模型的用例。

合规要的是默认留下记录

行业在乎结果。合规在乎可审计。他们把可审计做成默认：智能体的每一个动作都产生 changelog，记什么变了、谁改的、系统哪一部分、什么时候。人在界面上改了影响客户的东西，同样记。同一条记录既能拿去审计，也能喂回智能体，告诉它界面上发生过这件事。合规和智能体回路用的是同一份痕迹。字幕没有给出监管条款编号，下文不补。

模型可以用别人的，记忆不能交出去

会上早些时候 Anthropic 讲了 managed agents，编排也在变得更自动。主持人问会不会用，并指出人可能不再总在环里。Aman 说他们对 Anthropic 和 OpenAI 这类实验室的模型看好，不看好把运行依赖在 managed agents 这类产品上。这类产品的关键能力之一，是模型怎样持久化、怎样把世界上正在发生的事写成记忆，以及成功所需要的运营知识。把这一层交给别人，等于把智能交出去，也就交出按自己的业务改到足够深、深到能影响业务的那种控制。

Anthropic 做金融服务、和一批公司合作，他看成对这个行业的印证，不是同一件事。手里有 AI 工具的服务公司，和生来就是 AI 原生的公司，不一样。前者要用户去喊智能体才产出工作。Arca 这里是智能体喊人，按他们要的标准把业务一天到晚跑起来。

每晚可以建议，prompt 仍要人过闸

主持人转述幻灯片：员工每次改写或取消都要带上原因。字幕把原因听成 a Y。然后这变成一条评测。Aman 没有逐字重复幻灯片。他讲的是回路怎么接上。因为自己就是业务而不是 SaaS，他们可以要求员工给反馈。反馈进数据存储，和产生它的那条智能体轨迹放在一起。每天晚上收集真实运行的轨迹，跑一个 meta-agent，建议改 harness：哪些工具在误导，哪些地方出错，知识库缺了什么。建议交到人手里再改。

今天，prompt 改动在发出之前仍有工程师在环里。他注意到，如果让智能体自己改 prompt，改动会很难看：每一处小修补都变成整段 prompt。它们停在局部，概括不成一条能推广的提示。反馈本身是产品里的一等功能，用来收集评测，再变成改进。过闸的是 prompt。轨迹每晚仍然会看。

运营知识是一批文件。专家负责编和改。产品左侧有一个叫 knowledge 的标签，放智能体在用的全部运营上下文。做事时它们会引用这些知识。发现知识是错的，会在轨迹分析里浮出来。人可以进去直接改技能。知识库因此和痕迹连在一起，不是一份写完就冻住的文档。

例子是费用和受托义务，不是收益率

主持人要一个客户例子：投资或税务上可衡量的改善，以及智能体架构怎样帮到那样的回报。Aman 给的不是收益率。

这人当时还不是客户，正在变成客户。他们已经有文件、对账单和现有投资。对方说已有顾问，收费 1500 美元，响应很差，所以来聊。智能体读完这些材料，看对方陈述的目标，也看现任顾问是谁、收多少。它们发现对方并不知道的费用，并把这件事摆出来：不仅是多收了，这位顾问甚至不是 fiduciary，没有义务按客户利益行事。fiduciary 按财富管理里的受托义务理解。他没有报出多出来的费用金额，也没有报投资回报。

另一类是主动：有人有截止日期要到了，或可能错过 RMD。RMD 按退休账户的最低提款理解，字幕没有展开规则。人在规模上很难盯住这些。他说这是 Arca 智能体的默认行为。

可带走的分界就在这里。给用户一把 AI 工具，工作要等人开口。自己当这家公司，才能把做法定成标准，让智能体在十天的流程里喊对人，并把运营知识和轨迹留在内部。记忆和编排交给外部的 managed agents，换来的是少维护一层，交出去的是还能把业务改得不一样的那部分。模型档可以换。Luna 在外部榜上好看、在内部又慢又贵，就是换的理由。prompt 仍要工程师过闸，因为智能体会把补丁写成整段提示。交易仍由专家执行，因为他们自己把动钱放在人的一侧。