评估日 2026-07-21 · 评估对象 A=我这次用的 Universal Task Planner Ω¹ v1.0(含 MSFT/NVDA 真跑)· B=META-FORECAST SCFM Ω¹³ v13.0(金融专用)
评分口径:每维 0-10;反拍马屁——我自己的 A 在该输的维度如实打低。
这俩不是竞争关系,是【两个不同层】:B(v13)是一套【金融领域深挖协议】,把 WACC 自洽/NOPAT→FCFF 桥/反向 DCF 显性期/分子分母一致性/多期限 P10-P90 这些【金融 forcing function】硬编进指令;A(Universal)是一套【通用编排器】,适配任何任务、会查工具/数据、会多代理并行、有网页可视化。 就 MSFT/NVDA 这个【金融任务】本身,B 的金融严谨度更硬更有保证,A 靠我手写的 agent 提示词 + 工具箱把深度补上了(这次输出其实追平了),但 A 的指令本身没强制保证。正确升级 = A 当外壳、B 当可插拔的金融方法包,而不是二选一。
| # | 维度 | A 通用规划器 | B 金融v13 | 谁赢 | 差在哪 |
|---|---|---|---|---|---|
| 1 | 通用性(适配任意任务:研究/产品/网站/代码) | 9 | 2 | 🅰A | B 只能做金融对象,换个任务就瘫 |
| 2 | 金融领域深度(方法发现对象自适应到具体算子) | 6 | 9 | 🅱B | B 把 §12.1-12.7 财务算子逐条列死;A 靠执行代理临场发挥 |
| 3 | 工具/数据复用(Step2 查工具箱+Step3 查数据库+economy-flow) | 9 | 3 | 🅰A | B 完全没有"先查现成件"这一步,每次重造 |
| 4 | 多代理编排(角色设计/依赖图/并行批次) | 9 | 6 | 🅰A | B 提了"红队独立"但没有代理角色库+依赖图+execution_batches |
| 5 | 防偷工减料·验收纪律 | 7.5 | 9 | 🅱B | B §22 反偷工等式 + §11 COMPLETED 七条硬门,逐条卡死;A 的 FINAL_GATE 较粗 |
| 6 | 错误回退机制 | 8 | 8.5 | 🅱≈ | 两边都有 FAIL→STALE→重跑;B §17 写得更细 |
| 7 | 可视化·交付(网页进度台+流程产物地图+文件浏览器) | 9 | 3 | 🅰A | B 纯文件式,主席看不到"哪步生成哪报告" |
| 8 | 复杂度自适应(简单/中等/复杂→定任务数) | 9 | 5 | 🅰A | B 固定"8-12 原子任务",简单任务也被迫拆一堆 |
| 9 | 上下文恢复/持久化 | 6.5 | 8.5 | 🅱B | B §23 明确"新会话先读 config/ledger/log";A 靠 batch 台账,较隐性 |
| 10 | 承重金融规则硬保证(WACC自洽/分子分母/反向DCF显性期/多期限P10-P90 由指令强制) | 6 | 9.5 | 🅱B | 命门:B 把这些写进指令=换谁执行都保证;A 这次达标是因为我手写了好 agent 提示词+工具箱,指令本身没强制 |
| 11 | 源登记纪律(D0-D6 分级 + SOURCE_REGISTER) | 6 | 9 | 🅱B | B §8 强制每源登记等级/原始或二手/支持反对;A 只在 agent 里口头要求双源 |
| 12 | 多期限严格分离(今日内在值≠未来EV≠未来股价) | 8.5 | 9 | 🅱≈ | 两边都强调;B 写成 §5+§12.7 双重硬约束,A 靠 agent 执行(这次做到了) |
1. 通用:B 只能金融;A 能接任何任务(网站/研究/课程/代码)。
2. 先查现成件:A 有 Step2 工具箱 + Step3 数据库(含 economy-flow 经济分析首选)——B 每次从零手算重造。
3. 多代理是结构化的:A 有代理角色库 + 依赖图 + execution_batches YAML(可直接派单);B 只是口头"用不同代理"。
4. 复杂度自适应:A 简单任务不硬拆;B 无论多简单都 8-12 任务(杀鸡用牛刀)。
5. 可视化交付:A 有网页进度台 + 流程产物地图(哪步生成哪报告一目了然);B 纯文件。
1. 🔴 金融 forcing function 没进指令(最大短板):B 把 WACC 自洽、NOPAT→FCFF 桥、反向 DCF 必须显性期、分子分母一致性、多期限 P10-P90 写进指令强制;A 把这些外包给了工具箱 + 我手写的 agent 提示词——这次达标,但不是指令级保证,可复制性差。
2. 反偷工减料不够硬:B §22 有 9 条"写了≠完成"等式 + §11 COMPLETED 七条硬门;A 的验收较笼统。
3. 源登记纪律弱:B §8 强制 D0-D6 分级登记;A 只口头要双源。
4. 上下文恢复弱:B §23 明确断点续跑读哪些文件;A 靠台账隐性恢复。
5. 金融专业术语算子的完整清单缺失:B §12/§7 给了银行/黄金/房产/比特币各自的专用方法清单;A 的"方法发现"是空框,靠临场想。
核心思路:A 当外壳,B 变成 A 的一个"金融方法包",不是二选一。
1. 建【领域方法包库】method_packs/:把 B 的 §7+§12(股票/银行/黄金/房产/比特币各自的原子任务模板+forcing function)做成可插拔方法包。A 的第4步 ATOMIZE 检测到"金融对象"就直接调用对应方法包当原子任务清单——不再临场发明精简版。
2. 把 B 的 forcing function 变成 A 的 VERIFY 机器闸:WACC 自洽(rf+β×ERP=Ke)、反向 DCF 必含显性期、分子分母一致性、多期限必出 P10-P90、§22 反偷工 9 等式 —— 全部做成 A 的验收硬判据(工具化,过不了就 FAIL),而不是靠 agent 自觉。
3. 补 A 的源登记:把 B §8 的 D0-D6 SOURCE_REGISTER 做成 A 的标准中间产物(每个分析任务必产)。
4. 补 A 的上下文恢复:把 B §23 的"新会话先读 config/ledger/log"写进 A 的执行规约。
5. 保留 A 的全部优势:Step2/3 查库、多代理编排、复杂度自适应、网页可视化——B 没有的,A 继续领先。
升级后 = 通用外壳(A)× 领域深度包(B)× 工具数据复用(A新增)× 网页可视化(A新增)——既能做任何任务,金融任务又有 v13 级的指令强制深度。