1. 数据：训练记忆 vs 实时专业数据
通用模型的金融知识来自训练数据，有时还来自网络搜索。结果参差不齐。搜索可能返回质量不一的来源；没有搜索时，模型只能靠记忆。无论哪种方式，时效性和准确性都得不到保证。你问一个毛利率，可能拿到的是上个季度的数字，或者一个本就不准确的数字。被“编造”出来的财务数字尤其危险，因为一个大致看起来合理的数字，比一个明显错误的数字更难被发现。 Driven 连接了 245 个专业数据端点，覆盖实时报价、历史数据、财务报表、公告、机构持仓、内部人交易、技术指标、ETF 数据等等。这些数字来自数据库，而不是模型的记忆。当 Agent 报出一个利润率时，它是拉取来的，而不是回忆出来的。2. 分析：通用问答 vs 专门的 Skill 工作流
通用模型回答投资问题时，每次都重新写一段回答。它没有预设框架，从零开始，结构和质量严重依赖你怎么提问。同样的问题换两种问法，可能得到两个不同的结论。 Driven 的 Skills 是预先构建好的研究工作流。每个 Skill 都定义了分析框架、数据源、执行步骤、输出格式和质量检查，Driven 会为你的问题自动选择合适的那一个：Deep Research、Valuation Matrix、Stock Screener、Competitor Analysis、Smart Money 追踪等等。这让分析变得一致、可审计，而不是取决于你提问的措辞。3. 记忆：单次对话 vs 持续的策略
通用模型不认识你。每次对话都是全新开始，所以你的风格、偏好、持仓和风险规则每次都得重说一遍。即便有记忆功能，那也只是一个通用的用户画像，而不是一份关于你如何投资的、结构化的策略级记忆。 Driven 的 Playbook 是持续生效的投资策略记忆。它跨会话存在，记录你的投资范围、自选股、风险偏好、仓位控制规则、筛选标准和研究风格。Agent 的每一次分析都会受 Playbook 影响，而 Playbook 也会随着你持续使用而越来越完善。4. 能力：一个聊天窗口 vs 一个完整的研究工作区
通用模型本质上就是一个聊天窗口。你问、它答，关掉标签页工作就结束了。它没有“一直在运转的工作台”这个概念。 Driven 提供完整的研究工作流：- 定时任务 24/7 自动运行：盘前简报、监控、财报摘要
- 投资组合与模拟交易 追踪持仓，并让你用自然语言下单、在真实行情上测试想法
- 多个 Agent 各自独立运行不同策略，互不干扰
- 消息推送 把监控结果送到 Telegram 和微信，无需打开网页端
底层思路：Agent = 模型 + Harness
一个有用的理解方式来自 AI 工程：一个 Agent 等于一个模型加一套 Harness。模型是推理内核；Harness 是包裹在它周围、让推理变得有用的一切——数据访问、工作流、记忆、运行时。 通用模型只给你模型层，没有 Harness。你得到的是一颗聪明的大脑，但没有眼睛（看不到实时数据）、没有手（无法行动）、没有记忆（记不住你的策略），也没有时钟（无法按计划工作）。 Driven 是一套完整的、专为投资打造的 Harness，包裹着一个同样强大的模型。推理内核相当；差别在 Harness。Driven 的价值不是“我们的模型更聪明”，而是“我们为投资者构建了最好的 Harness”。通用模型仍然擅长什么
通用模型非常适合学习概念、梳理想法和一般推理。如果你想理解 DCF 怎么运作，或想把一个投资论点讲清楚，它们是很好的工具。Driven 则适合当你希望那份推理被接入实时数据、被组织成可复用的工作流、锚定在你的策略上，并且能在你离开时持续工作的时候。相关内容
- 什么是 Driven —— 完整概览
- Driven 对比 Claude Code —— 面向技术读者
- 数据与覆盖 —— 数据层详解
- Skills —— 分析层详解