Skip to content
智慧银行实验教程

前言

“金融的本质是跨期资源配置，而AI正在重塑配置的方式与效率。当大语言模型可以从一份财报中提取风险信号、当智能Agent可以自主完成一笔贷款的合规审查，我们不禁要问：未来的金融从业者，究竟需要怎样的能力？本书试图给出一个回答------让金融专业学生掌握AI，让AI拥有金融专业。”
------ 编者

一、编者前言

Section titled “一、编者前言”

时代之问：金融科技重塑人才需求

Section titled “时代之问：金融科技重塑人才需求”

2023年，ChatGPT的横空出世标志着人工智能正式进入”生成式”时代。短短两年间，大语言模型（Large Language Model, LLM）从实验室走向产业应用，深刻改变了知识工作的生产方式。金融业，作为数据密集型和知识密集型行业的典型代表，首当其冲地感受到了这场变革的冲击波。

麦肯锡全球研究院的研究指出，生成式AI每年可为全球银行业创造2000亿至3400亿美元的增量价值，相当于行业收入的2.8%至4.7%1。波士顿咨询集团的调研则显示，超过80%的银行高管已将AI列为未来三年最优先的战略投入方向2。在中国，中国人民银行发布的《金融科技发展规划（2022---2025年）》明确提出要”以数字化转型推动金融机构高质量发展”，银保监会亦出台《关于银行业保险业数字化转型的指导意见》，将数字化能力建设上升为监管要求。

行业变革必然催生人才需求的结构性转型。传统的金融人才培养模式偏重理论灌输和计算训练，而在AI时代，金融机构需要的是既懂金融业务逻辑、又能驾驭智能工具的复合型人才。然而，当前高校的金融学专业教育仍存在明显的”AI断层”------课程体系中对AI工具的教学要么完全缺位，要么停留在Python编程入门层面，难以回应”如何用AI解决实际金融业务问题”这一核心诉求。

本书正是为填补这一断层而写。

本书定位：面向金融本科生的AI工具实践教材

Section titled “本书定位：面向金融本科生的AI工具实践教材”

本书定位于金融学专业本科生的AI工具实践教材，而非计算机专业的AI技术教材。这一区分至关重要：

  • 对象不同：本书的读者是金融专业的学生，他们的核心能力是理解金融业务逻辑、分析金融问题、做出金融决策，而非编写底层算法。

  • 目标不同：本书的目标不是培养AI工程师，而是培养能够熟练运用AI工具赋能金融业务的”AI增强型金融人才”。

  • 路径不同：本书从金融业务场景出发，以问题驱动的方式引入AI工具，而非从技术原理出发、再寻找应用场景。

基于这一定位，本书采用了”低代码、高集成”的技术路线------学生不需要从零编写AI程序，而是通过配置IDE（集成开发环境）、接入MCP（模型上下文协议）、编写Skill（技能脚本）的方式，像搭积木一样组装出面向金融业务的智能系统。这一路线既降低了技术门槛，又保留了足够的创造空间，使金融专业学生也能在短时间内构建出有实际业务价值的AI应用。

本书特色：双线并行·三层递进·理论实操并重

Section titled “本书特色：双线并行·三层递进·理论实操并重”

本书在内容编排上具有三大鲜明特色：

特色一：双线并行。全书贯穿两条主线------AI工具线和金融业务线。AI工具线涵盖IDE操作、MCP协议、Skill编写、BMAD方法论等内容，系统教授AI工具的使用方法；金融业务线覆盖零售银行、公司银行、风控合规、数据分析、舆情投研等真实业务场景，确保工具教学始终扎根于业务土壤。两条主线交织推进，每一章都是”工具+场景”的有机融合，而非割裂的两本教材的简单拼接。

特色二：三层递进。全书分为基础模块（第1---5章）、进阶模块（第6章）和综合模块（第7---8章），形成”认知→应用→创造”的能力递进路径。基础模块建立概念认知和工具基础，进阶模块在具体业务场景中深化应用，综合模块则要求学生运用BMAD方法论完成从需求分析到系统交付的全流程开发。这种递进设计符合布鲁姆认知分类法（Bloom’s Taxonomy）的教育理念，引导学生从低阶思维走向高阶思维。

特色三：理论实操并重。每一章均包含理论讲解和实操练习两部分。理论部分提供必要的知识框架和学术脉络，确保学生”知其然更知其所以然”；实操部分给出分步操作指引，确保学生”学了就能用、用了就有效”。章末设置思考题和延伸阅读，引导深度反思与自主拓展。

内容架构概览

Section titled “内容架构概览”

全书共8章，分为三个模块，外加附录：

  • 基础模块（第1---5章）：绪论与环境搭建、MCP协议、Skill体系、CLI工具实战------建立AI工具的认知框架和操作能力。

  • 进阶模块（第6章）：金融数据分析与计量经济学------在真实金融场景中运用AI工具解决数据分析问题。

  • 综合模块（第7---8章）：第7章BMAD方法论与综合项目实践（含银行CRM系统12个完整实验：从BMAD安装到EdgeOne Pages部署），第8章课程综合项目与创新实践------从方法论到全流程项目实践，培养系统级开发能力。

附录部分提供了环境配置速查、MCP服务器清单、Skill模板库、Prompt工程指南等实用参考资料，供学生在实验过程中随时查阅。

AI辅助教学工具

Section titled “AI辅助教学工具”

本书推荐使用清华大学开源的OpenMAIC（开放式多智能体交互课堂，GitHub 18.6k Stars）作为教学辅助工具。OpenMAIC可将本教程的任何章节一键转化为交互式课堂体验，包含AI教师讲解、AI同学讨论、随堂测验和模拟实验，帮助学生以更沉浸的方式学习金融科技知识。

使用建议

Section titled “使用建议”

本书的设计允许灵活组合，适应不同的教学场景：

  • 16学时入门版：建议覆盖第1---2章+第4---5章+第7章。此方案侧重建立AI工具的基本认知和BMAD方法论框架，适合作为短期培训或导论课程。

  • 32学时精简版：建议覆盖第1---5章+第7章（或第6章）。此方案在基础能力之上增加了BMAD项目实践或金融数据分析的深度应用，适合作为金融科技概论课程的实验环节。

  • 48学时标准版：建议覆盖第1---8章全部。此方案要求学生完成从工具入门到系统开发的全流程训练，适合作为独立的金融科技实验课程。

对于自学者，建议先通读第1章建立全景认知，然后按序学习第2---5章完成环境搭建与工具掌握，再学习第6章的金融数据分析方法，最后挑战第7---8章的BMAD综合项目实践。各章之间的依赖关系相对松散，除第2---5章存在严格先后顺序外，第6章和第7---8章可以独立选读。

二、教学路线图

Section titled “二、教学路线图”

下表展示了三种学时方案的具体安排，包括各章学时分配、教学重点和实验内容。

表 0.1 教学路线图——三种学时方案对照

16学时入门版

Section titled “16学时入门版”
章节学时教学重点实验内容
第1章 绪论2数字化转型全景、AI应用矩阵、LLM与Agent范式课堂讨论与案例分析
第2章 环境搭建4IDE安装配置、MCP服务器接入、Skill模板部署完整环境搭建实操
第4章 Skill体系4Skill编写规范、金融Skill实例、调试与优化开发金融Skill
第5章 CLI工具实战2CLI工具生态、CNB/Skills CLI、AI编程助手CLI工具安装与实操
第7章 BMAD与综合项目2BMAD方法论框架、四阶段工作流CRM实验概览
综合练习2AI辅助编程综合练习使用MiMo CLI完成简单任务
合计16

32学时精简版

Section titled “32学时精简版”
章节学时教学重点实验内容
第1章 绪论4数字化转型全景、AI应用矩阵、LLM与Agent范式课堂讨论与案例分析
第2章 环境搭建4IDE安装配置、MCP服务器接入、Skill模板部署完整环境搭建实操
第3章 MCP协议6MCP架构原理、服务器开发、银行业务数据接入编写MCP服务器
第4章 Skill体系6Skill编写规范、金融Skill实例、调试与优化开发金融Skill
第5章 CLI工具实战4CNB/Skills CLI、AI编程助手、CC SwitchCLI工具实操
第7章 BMAD与综合项目8BMAD五阶段、CRM 12个实验、云端部署CRM实验1—6（PRD到Sprint规划）
合计32

48学时标准版

Section titled “48学时标准版”
章节学时教学重点实验内容
第1章 绪论4数字化转型全景、AI应用矩阵、LLM与Agent范式课堂讨论与案例分析
第2章 环境搭建4IDE安装配置、MCP服务器接入、Skill模板部署完整环境搭建实操
第3章 MCP协议6MCP核心原理、配置与深度开发MCP服务器配置与开发实操
第4章 Skill体系6Skill编写规范、金融Skill实例、调试与优化Skill开发与库构建
第5章 CLI工具实战4CNB/Skills CLI、AI编程助手、MCP/Skill/CLI对比CLI工具实操
第6章 金融数据分析8金融数据处理、面板回归、时间序列、因果推断计量经济学分析实操
第7章 BMAD与综合项目10BMAD五阶段、CRM完整开发（12实验）、智能客服、部署CRM全流程实验+项目部署
第8章 综合项目与创新6项目选题、团队管理、答辩、竞赛指南综合项目实践
合计48

64学时完整版

Section titled “64学时完整版”
章节学时教学重点实验内容
第1章 绪论4同上同上
第2章 环境搭建4同上同上
第3章 MCP协议8MCP深度开发MCP服务器开发与调试
第4章 Skill体系6Skill高级技巧与库构建Skill库构建
第5章 CLI工具实战6CLI工具深度实操与自动化脚本CLI工具综合实验
第6章 金融数据分析12金融数据处理、面板回归、时间序列、因果推断计量经济学分析项目
第7章 BMAD与综合项目16BMAD全流程深度实践、CRM 12个实验完整走通、智能客服、部署完整项目开发（含CNB推送+EdgeOne Pages部署）
第8章 综合项目与创新6项目综合实践、答辩、竞赛指南完整项目答辩+竞赛准备
附录实操2环境配置、模板使用、速查课后自主学习
合计64

三、能力矩阵

Section titled “三、能力矩阵”

本书的教学目标可概括为”AI工具能力”与”金融业务能力”的双重提升。下表以二维矩阵的形式，展示了两类能力的交叉培养路径，并标注了各交叉点所对应的章节。

表 0.2AI工具能力 × 金融业务能力矩阵

零售银行公司银行风控合规数据分析
IDE操作第2章第2章第2章第2、6章
MCP配置第3章第3章第3章第3、6章
Skill编写第4章第4章第4章第4、6章
CLI工具第5章第5章第5章第5、6章
系统开发第7章第7章第7章第7、8章

肖诗顺 教授
数字经济系
2026年6月14日

Footnotes

Section titled “Footnotes”

  1. McKinsey Global Institute, “The economic potential of generative AI,” 2023. ↩

  2. BCG, “Global Retail Banking Report 2023.” ↩