核心用法
Fin Cog 是基于 CellCog 的 AI 金融分析技能，提供华尔街级别的投研能力。用户通过自然语言提示即可完成深度股票分析、DCF 估值建模、收益拆解、同业对比、技术分析、投资组合优化及个人财务规划等任务。支持多种输出格式：交互式 HTML 仪表板（适合探索性分析）、PDF 报告（适合分享打印）、Excel 模型（可编辑财务计算）和 Markdown（快速集成）。
显著优点
1. 专业深度：自称基于 2026 年 2 月 DeepResearch Bench 排名第一的模型，提供机构级研究质量
2. 一站式交付：从原始股票代码到董事会级交付物，单次请求即可完成
3. 多场景覆盖：涵盖上市公司分析、初创财务模型、LBO 建模、税务规划、退休规划等全谱系金融需求
4. 灵活输出：支持交互式可视化、可编辑电子表格和正式报告多种格式
5. 三级推理模式：agent/agent team/agent team max 适配从快速查看到高风险投资决策的不同深度需求
潜在缺点与局限性
1. 依赖外部 SDK：必须预先安装 cellcog 技能才能使用，增加配置复杂度
2. 成本门槛："agent team max" 模式需 ≥2,000 credits，高 stakes 决策成本较高
3. 数据源透明度不明：未披露实时数据、历史数据或第三方金融数据提供商的具体来源
4. 监管合规风险：未明确是否具备投资顾问资质，生成的投资建议可能涉及未持牌咨询风险
5. 幻觉风险：财务模型和估值预测依赖 AI 推理，关键假设需人工复核验证
适合人群
- 个人投资者和自学交易者
- 初创公司创始人和 CFO（财务建模需求）
- 财务顾问和财富管理从业者
- 商科学生和金融分析师
- 高净值个人进行税务和退休规划
常规风险
- 投资风险：AI 生成的估值和目标价不构成投资建议，实际交易需独立判断
- 数据时效性：市场数据可能存在延迟，实时交易决策需额外验证
- 模型假设风险：DCF 等模型的增长率、折现率假设对结果高度敏感
- 隐私安全：个人财务信息上传至第三方平台存在数据泄露风险
- 税务建议合规性：跨境税务规划需考虑当地法规，AI 建议可能不具法律约束力