agentii recent-quarter 快速入门

这是什么？适合谁？

agentii:recent-quarter 是 agentii-ai/agentii-investment-intelligence（Apache-2.0，74 Stars）31 个 Claude 型投研 Skill 中最常用的入口级 Skill：一条命令 /agentii:recent-quarter LLY 输出一家美股上市公司最近一个季度的完整业绩分析—营收拆分、EPS、利润率、环比增长，全部数据来自 SEC 官方申报（10-K/10-Q）结构化后的 XBRL 财务事实，每一处数字可回溯到申报文件的具体页码。

它背后是 agentii.ai 的数据平面：165+（官网口径 506）只美股、5 年申报历史、417 万条 XBRL 事实、1.5 万+ 源文件、24 万+ 解析页面，通过单一 MCP 服务器（mcp.agentii.ai）以 30+ 工具暴露给 Claude Code、Codex、OpenCode、Goose 等 Agent。定位是”FactSet / Bloomberg 的 AI Agent 平价替代”—华尔街终端 $30K+/座席/年，这里 $19.9/月起。

适合人群：

• 买方/卖方分析师助理：季度业绩速览与底稿交叉验证，替代手工翻 10-Q
• 财经内容创作者：写财报解读文章时需要带页码引用的一手数据
• 个人投资者中的基本面派：用 Agent 辅助做纪律化的季度跟踪
• 金融工程/量化学习者：学习”Agent + 结构化财务数据”的标准检索模式（三层检索协议）

不适合：需要投资建议的人（仓库 IMPORTANT 声明：一切产出是”待合格专业人士复核的分析师工作底稿”，不构成投资建议）；非美股市场（当前仅覆盖 US equities）。

使用前提：Claude Code（或其他支持 MCP + skills 的 Agent CLI）；agentii.ai API Key（7 天免费试用含 2,000 credits，无需信用卡）；对财报基础词汇（营收/EPS/margin）有概念。

准备工作

• API Key：在 agentii.ai/api-keys 注册获取；7 天试用 2,000 credits 免信用卡
• 定价（2026-08-20 采集自官网）：Starter $19.9/月（10,000 credits，约 20 次深度分析）；Pro $49.9/月（50,000 credits，约 100 次分析，含批量搜索）；Enterprise $200/月；年付 8 折；超额 $10/5,000 credits；登录每日再送 500 credits
• Agent 宿主：Claude Code（推荐，本地拷贝安装）；也可 OpenCode/Goose/Codex/OpenClaw 走 MCP
• 时间预算：MCP 配置 5 分钟；一次 recent-quarter 分析 1-3 分钟
• 前置知识：知道 ticker 是什么；想深用需了解 XBRL 概念（US-GAAP 标签化的财务事实）

快速上手（3 步）

第一步：配置 MCP 服务器

export AGENTII_API_KEY=sk_liv...你的KEY
claude mcp add-json --scope user agentii \
  '{"type":"http","url":"https://mcp.agentii.ai/mcp","headers":{"Authorization":"Bearer <YOUR_KEY>"}}'

写入 ~/.claude.json，重启 Claude Code 后 30+ 工具在每个会话自动可用。

第二步：安装全部 31 个 Skill

git clone https://github.com/agentii-ai/agentii-investment-intelligence.git
cd agentii-investment-intelligence
bash scripts/copy-skills-local.sh   # 拷贝 31 skills + commands 到 ~/.claude/

重启后所有 Skill 注册在统一命名空间 /agentii:skill-name 下（官方推荐路径，避开 marketplace 插件的已知 bug）。

第三步：跑第一次季度分析

/agentii:recent-quarter LLY

Skill 按其工作流执行：Preflight（MCP 健康探测 -> ticker 解析 -> style.md 输出风格覆盖 -> 记忆加载 -> 覆盖检查），随后仅用结构化检索工具（search_xbrl_facts、get_company_financials 等 9 个白名单工具，最低工具多样性 6）拉取最近 1 个季度（最多 4 个季度做环比趋势）的 P&L 数据。

成功判定：输出包含营收/EPS/利润率的季度拆分、环比增速、每个关键数字带 SEC 申报文件引用；frontmatter 无 web_search_used: true（该 Skill 强制 structured-only，网页搜索被禁用）。

初级用法

• /agentii:recent-quarter <ticker>：单季度业绩速览（默认 1 季，最多 4 季趋势）
• 触发词变体：直接说”分析 LLY 上季度业绩""AAPL Q4 财报回顾”也会命中（SKILL.md 内置 10+ 触发短语）
• 控制季度深度：说”看最近 4 个季度的环比趋势”，temporal_scope 允许最多 4 季
• 风格定制：编辑仓库根目录 style.md，Preflight 阶段会加载你的输出格式偏好

高级玩法

1. 三层检索协议：recent-quarter 只用第一层（structured_only，XBRL 事实直查）。完整协议是 Document Discovery -> Page Map -> Deep Read（含 deep-outline 升级），官方称约 99% token 效率—写自定义投研 Skill 时照抄这个分层模式
2. 同族 Skill 组合：recent-quarter（季报速览）-> financial-statements（三大报表）-> dcf-model（估值建模）-> pitch-deck（PPT 产出），一条 /agentii:* 流水线覆盖从数据到交付物
3. 批量标的：Pro 档的 batch search（最多 20 个子查询）一次拉一篮子成分股的季度事实，做行业横向对比
4. Excel/PPT 产出管线：仓库复刻 anthropics/financial-services 的 code-mode 方案（Python + LibreOffice headless），报表公式零硬编码（hardcoded_count == 0 是强制不变量 FR-020）
5. X-Agentii-Trace 追踪：每次工具调用带 Trace header，配合 contracts/ 里的约定做全链路审计—合规团队的好朋友

常见踩坑（5 条）

踩坑 1：当成投资建议用

• 现象：拿输出直接指导买卖
• 原因：仓库 IMPORTANT 明确声明产出是”供合格专业人士复核的分析师工作底稿”
• 解决：定位为底稿与速览；决策前过人工复核流程

踩坑 2：装成 per-vertical 插件

• 现象：装出 /equity-research-core:* 等多套命名空间，命令混乱
• 原因：走了 marketplace 的分垂直插件安装（官方标注”不推荐”）
• 解决：用 scripts/copy-skills-local.sh 本地拷贝，只保留统一 /agentii:* 命名空间

踩坑 3：credits 意外烧光

• 现象：一次对话消耗远超预期
• 原因：deep read 模式逐页读申报文件比 structured 查询贵得多
• 解决：recent-quarter 本身强制 structured_only；其他 Skill 注意模式选择；用官网 Credit Estimator 预估

踩坑 4：ticker 覆盖外标的

• 现象：Preflight 覆盖检查报错
• 原因：当前覆盖 506 只美股（官网口径），小票/新 IPO 可能未收录
• 解决：get_ticker_coverage 先查；未覆盖就回退手工 EDGAR 检索

踩坑 5：免费试用后直接订阅忽略了每日赠送

• 现象：轻度用户月账单高于必要
• 原因：付费用户每日登录送 500 credits，一年约 18 万 credits
• 解决：算清”每日登录赠送 + 订阅 credits”的组合，轻度用户可能 Starter 就够甚至白嫖

小技巧（5 条）

1. 每日 500 credits 别浪费：设置登录提醒，赠送额度足够每天 10+ 次结构化速览
2. frontmatter 里的 web_search_used：检查输出元数据，true 说明该次分析动用了网页搜索（非权威数据源），可信度要打折
3. memory 持久化：Preflight 会加载记忆，让 Agent 记住你的关注列表与格式偏好，越用越顺手
4. 会话成本锚点：官方口径 Starter 档约 20 次”深度分析”/月，即单次深度分析约 500 credits，用它反推日常速览的预算
5. 版本跟进：仓库 CHANGELOG 活跃（v2.3.1），skills 修复频繁，定期 git pull 后重跑 copy-skills-local.sh

常见问题 FAQ

Q1：agentii 免费吗？

A：Skill 仓库 Apache-2.0 开源免费；数据服务是订阅制：7 天试用 2,000 credits 免信用卡，之后 Starter $19.9/月（10,000 credits）、Pro $49.9/月（50,000 credits）、Enterprise $200/月，年付 8 折，超额 $10/5,000 credits（2026-08-20 官网采集）。

Q2：数据从哪来？可信吗？

A：全部来自 SEC EDGAR 官方申报（10-K/10-Q/8-K/20-F/6-K），结构化为 XBRL 事实入库（417 万条），每个数字可回溯到申报文件页码；不是爬虫拼接的二手数据。

Q3：支持哪些 Agent 宿主？

A：官方列出 Claude Code、OpenCode、Goose、Codex、OpenClaw、Claude Cowork—任何能挂 HTTP MCP 服务器的 Agent 都能用；Skill 文件本身按 Claude skills 约定组织。

Q4：和非 Agent 用法（直接调 API）有区别吗？

A：有。Skill 的价值在工作流编排：Preflight 健康检查、工具白名单（防乱调贵的工具）、输出结构契约、记忆加载。裸调 API 你要自己处理这些。

Q5：只有美股吗？

A：是。当前覆盖 506 只美股（官网 2026-08 口径，README 称 165+ 起步扩展中）；FDA/临床数据源（200+ 生物otech发行人）在 Pro 档 Q3 上线。

Q6：输出能直接交差吗？

A：作为底稿可以，作为终稿不行。官方设计里所有产出”staged for human sign-off”（暂存待人工签核）—这个定位本身就写进了 Skill 的输出结构。

进阶学习建议

• 精读 plugins/vertical-plugins/equity-research-core/skills/agentii/recent-quarter/SKILL.md：研究”结构化检索型 Skill”如何用 frontmatter 声明工具白名单、时间范围、最低工具多样性这些机器可校验约束
• 学习仓库 contracts/ 目录的三层检索协议（preflight.md / x-agentii-trace-header.md / tool-fallbacks.md），把它迁移到任何”Agent + 高价数据源”场景做 token 成本控制
• 对比 anthropics/financial-services 原版（本仓库明确复刻它），理解”单一 MCP 后端 + 垂直 Skill 分解”与”多 MCP 拼装”的架构差异
• 读 .skill/config.json 与 plugin 打包结构，学习 skill 级配置如何与 Agent 宿主解耦
• 用 Credit Estimator（官网）+ X-Agentii-Trace 建立自己的成本-审计双台账，这是把 Agent 投研流程合规化的样板

参考链接

• agentii-investment-intelligence 仓库
• agentii.ai 官网
• 定价页
• API Key 注册
• anthropics/financial-services（上游复刻对象）

本文基于公开资料于 2026-08-20 整理，定价与覆盖数采集自 agentii.ai 官网当日页面，社区指标来自 GitHub 公开数据。独立实测未进行，不构成投资建议；功能与定价可能随版本调整，请以官方为准。