智能体架构取舍:通用Harness与ETF领域合同
沿同一基金研究任务,对照 Pi、Claude Agent SDK、LangGraph 与 ETF Agent,拆解通用执行能力、领域合同与质量验证的分工。看懂哪些能力该复用,哪些规则应沉淀成金融研究系统,并获得架构取舍清单。
文章目录
这项对照关注的不是四个框架谁更强,而是同一个基金研究任务放进不同架构后,系统边界发生了什么。Pi、Claude Agent SDK、LangGraph 与 ETF Agent,把通用执行方式和金融领域约束放到了同一张桌面上。现在值得看,是因为研究型 Agent 的难点往往不在能否跑完,而在跑完后是否仍满足研究合同;具体实现与判断以原文为准。
读完会得到一张四方对照表、一套“执行能力—领域合同—质量验证”的拆分口径,以及一段可运行的最小合同代码。它能帮你识别哪些能力通常应放在通用 Harness,哪些规则应沉淀在 ETF Agent;最终质量仍要靠实际任务验证,不能从框架名字直接推断。
1、先固定比较口径
1、先固定比较口径 · AI 生成示意图
比较四个方案时,任务、输入和验收口径必须一致,否则看到的只是不同提示词或不同流程造成的差异。先区分两个问题:执行能力是否值得复用,研究结果是否符合领域合同。前者偏通用,后者偏金融研究;两者混在一层,架构就容易失焦。
| 对照项 | 观察重点 | 复用判断 | 保留边界 | 质量结论 |
|---|---|---|---|---|
| Pi | 通用 Harness | 执行能力是否可跨任务复用 | 金融研究规则不应埋进通用层 | 尚待按任务验证 |
| Claude Agent SDK | SDK 抽象 | 哪些执行能力值得保留 | SDK 抽象不能替代领域合同 | 尚待按任务验证 |
| LangGraph | 流程组织 | 流程能力与研究规则如何分开 | 流程跑通不等于研究合格 | 尚待按任务验证 |
| ETF Agent | 金融研究系统 | 通用执行与领域约束如何组合 | 领域合同作为系统约束 | 实际质量仍需验证 |
这张表刻意不替任何方案下质量结论。四方对照的用途,是把复用、合同和验证分开看;只有任务与验收口径一致,比较才有意义。具体差异以原文为准。
2、执行层:优先复用通用能力
2、执行层:优先复用通用能力 · AI 生成示意图
判断一项能力是否该进入通用 Harness,可以问几个问题:它是否只负责推进任务?它是否不依赖基金研究口径?它是否能在不修改领域规则的情况下替换或验证?满足得越充分,复用价值通常越高。
对照 Pi、Claude Agent SDK、LangGraph 时,不必把功能清单越列越长,关键是定位执行与研究规则的交界。ETF Agent 的对照价值,则在于把问题推进一层:哪些通用能力可以直接拿来用,哪些基金研究约束必须由上层系统保留?
边界一旦明确,替换执行方案不等于改写研究合同,新增研究规则也不必侵入通用 Harness。
3、领域层:把研究合同写进系统
领域合同可以理解为系统对研究对象、输出内容和失败方式的明确约定。在基金研究里,它通常要表达研究对象是什么、结果应包含哪些信息、依据如何引用、什么情况不能下结论;原文的具体字段和边界,以原文为准。
from dataclasses import dataclass
from typing import Any, Dict, Tuple
@dataclass(frozen=True)
class ResearchContract:
subject: str
required_fields: Tuple[str, ...]
require_evidence: bool = True
def validate(self, result: Dict[str, Any]) -> None:
if result.get('subject') != self.subject:
raise ValueError('研究对象与合同不一致')
missing = [name for name in self.required_fields if name not in result]
if missing:
raise ValueError('缺少字段: ' + ', '.join(missing))
if self.require_evidence and not result.get('evidence'):
raise ValueError('缺少证据引用')
contract = ResearchContract(
subject='demo-fund',
required_fields=('summary', 'evidence')
)
contract.validate({
'subject': 'demo-fund',
'summary': '示例研究摘要',
'evidence': ['示例来源']
})
print('contract ok')
这段最小示例只展示合同形态,示例字段不代表原文全部规则;具体字段以原文为准。把校验放在结果进入下一阶段之前,系统就能区分任务完成与研究合规。这正是领域合同不该只存在于提示词里的原因。
4、质量层:能运行不等于可靠
架构能说明流程怎么走,不能单独证明研究结论可靠。质量验证应单列,并至少观察:
- 必填信息是否完整,关键结论是否能追溯到依据
- 不同步骤是否遵守同一合同
- 不确定信息是否被明确暴露边界
这些是评估建议,不是对四个框架的既有评分;具体指标与结论以原文为准。
比较时应固定输入、任务和验收方式,并把通用层变更与领域层变更分开观察。这样才能分辨差异来自执行流程,还是来自研究合同,而不是把框架名误当成质量。
写在最后
这次对照的重点,是把通用执行与金融研究约束放在同一张图里。
Pi、Claude Agent SDK、LangGraph 与 ETF Agent 提供了四个观察面。
可复用的是执行能力,必须保留的是领域合同。
框架名称不能替代质量证据,比较必须回到同一任务。
我的判断是:成熟的金融研究 Agent,不是把提示词写得更长,而是让领域合同成为可执行、可检查的系统约束。
相关阅读
想把这套流程装到自己服务器上?阿凡达提供一次性的私有化部署与出海模型接入服务,说明与报价见站内服务页:查看技术服务。
文中链接
整理自本文的外部链接,请以来源页面说明为准。