Range 的理财规划师如何自己构建 AI 工作流

Matt Ragone 说，Range 的理财规划团队虽然没有工程或编程背景，仍自行构建了日常使用的智能体和技能。他希望把这套方法分享给专业人员并非程序员的其他团队。

Ragone 是一名理财规划师，拥有约七年财富管理行业经验。在 Range，他负责规划团队的 AI 应用，并代表团队参加 AI 委员会，让公司不同部门分享实践和复用技能。

跨部门交流很有价值：客户成功团队开发的技能也可能对营销人员有用。Range 从事受监管业务，财务建议影响真实客户，因此审核不可省略。

最初，团队把 AI 当成聊天机器人，用来改写邮件、核对税法变化和处理长文档。这节省了时间，但规划师仍须手动完成工作。

打字速度和注意力是瓶颈。规划师与一位客户通话 30 到 45 分钟时，无法同时完成另一位客户的工作。

Ragone 说，Claude Cowork 改变了工作方式：他在通话时，智能体可以起草现金流、保险或税务分析。通话结束后，他审核并调整草稿，再交付客户。

除了提示词，还需要两个条件。第一，智能体必须在 Range 的系统中找到正确的客户信息。客户会连接金融账户和文档，因此智能体提取资料时必须分辨哪些数据相关、哪些不正确。

第二，智能体必须理解 Range 提供建议的方式，而不是给出泛泛的建议。公司的方法可能比模型默认建议更保守。约 20 人的规划团队此前已统一保险、投资和退休建议的流程。

这些标准保存在共享的 Notion 页面和 Google 文档中。规划师不必重新建立流程，而是可以要求智能体在审核时参考相关文档。

Ragone 将构建过程概括为五步：选择、教学、打包、测试、上线。他说，规划师不需要在这些步骤中写代码，但必须充分了解工作本身。

首先选择每天或每周都会重复的工作流。Ragone 建议不要一开始就挑最炫或最复杂的任务，而应选择耗时但较容易自动化的工作，让实际执行者能立刻识别输出好坏。

对于 Range，候选任务包括现金流分析、保险审核以及其他以前需要大量手工劳动的建议工作。

接着，向智能体展示真实案例。Ragone 现在会提供多个案例，包括边缘情况和他曾纠正智能体的例子。标准文档说明做事方法，案例则展示完成品应该是什么样。

演示任务时，要解释每一步为什么重要。例如，用工资单分析保险或现金流时，应告诉智能体查找与团体人寿保险有关的扣款，而不是只上传文件却不提供背景。

工作流表现良好后，将其打包成技能。Ragone 会让技能提出澄清问题：适用哪个纳税年度和州，或者客户当前更关心房屋、伤残还是人寿保险。

技能还需要明确限制。Range 的技能不能直接向客户发送任何内容，输出必须由认证理财规划师审核。Ragone 提到公司也有内置 AI 功能，但当客户要求与人互动时，人工验证仍是工作流程的一部分。

在向团队分享技能之前，Ragone 会用五至十个真实案例运行，包括边缘案例，并邀请一两位同事进行压力测试。每次运行后，团队把学到的东西纳入技能，继续修改。

他还会问智能体如何改进技能，再更新技能包。上线并不是终点：税法和其他情况会变化，所以每个技能都需要负责人和审核人。

小公司可能由一人同时承担两个角色。在 Range 较大的规划团队中，负责人可以邀请保险专业知识更深的同事审核保险技能。

Ragone 说，实验进行六至八个月后，Range 全公司约有 24 个技能，其中 17 个用于理财规划。规划、营销和客户成功等团队会跨部门分享成果。

Range 还创建了名为 Ranger 的智能体，在 Slack 中帮助员工，也能使用公司的仪表盘处理与客户相关的任务。Ragone 说，团队仍在开发这一能力。

对应领域的专家应参与构建和完善技能。保险专家可能发现通才遗漏的问题；税务和会计同事则能为税务技能提供所需专业知识。

瓶颈正从起草速度转向测试和持续更新所有技能。Ragone 预计规划师将越来越多地管理智能体，同时继续与客户交流；他把每位规划师每天服务 100 人描述为目标，而非当前成果。