> ## Documentation Index
> Fetch the complete documentation index at: https://docs.driven.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Driven 对比 Claude Code + 金融数据

> Driven 与用 Claude Code 加金融 MCP 连接器自行搭建投资 Agent 的对比：开箱即用对比自行组装、统一数据、状态保持以及成本。

到 2026 年，Claude 生态已具备真正的金融数据能力。借助官方连接器、社区 MCP 服务器以及 Anthropic 的 Financial Services 市场，技术型用户可以用 Claude Code 加上各类数据源，拼出一个看上去像投资 Agent 的东西。本页面写给正在评估这条路线、并将其与 Driven 作比较的读者。

## Claude 生态提供了什么

这些组件确实有实力：

* **Anthropic 的 Financial Services 市场** —— 涵盖 DCF 建模、股票研究、投资银行、私募股权和财富管理的插件
* **官方 MCP 连接器** —— FactSet、S\&P Capital IQ、MSCI、PitchBook、Morningstar、LSEG、Daloopa、Moody's
* **社区 MCP 服务器** —— Financial Modeling Prep、Alpha Vantage、SEC XBRL 解析等等
* **Claude Code 本身** —— 工具调用、MCP 集成、文件系统访问、代码执行

表面上看，Claude Code 加这些数据源、再加官方金融插件，似乎就能组装成一个投资 Agent。差别不在任何单个模块，而在于它们是如何被组装到一起的。

## Agent = Model + Harness

再强调一遍这个框架：一个 Agent 等于一个模型加一套 Harness。在模型层，大家用的东西大同小异，Claude、GPT 都差不多。真正的差别在 Harness：模型周围的全部运行时基础设施。下面我们逐层对比。

## 1. 开箱即用 vs 自行组装

这是最表层、也最实际的差别。

Claude Code 路线：安装 Claude Code，找到你需要的 MCP 服务器，为每个配置 API key，编写配置来定义行为，自己设计提示词工作流，处理数据格式转换，再自建持久化机制。这实际上就是在自己做 Harness 工程。

Driven 路线：注册，开始提问。Skill、数据源、Playbook、定时任务和模拟交易全都开箱即用。

Claude Code 的目标用户是开发者。Driven 的目标用户是投资者。一个典型的投资者不会、也不应该需要去配置 MCP 服务器和编写 Agent 配置文件。

## 2. 碎片化数据 vs 统一编排

Claude Code 通过按需挂载 MCP 服务器来接入金融数据，一个取行情，另一个取报表，再一个取持仓。每个数据源都有自己的格式、字段定义和更新频率，而模型必须自己去理解并调和它们。

Driven 的 245 个数据端点是被统一编排在一起的。当一个 Skill 运行时，它知道该从哪个源取哪个字段、如何交叉验证、如何处理缺失数据。这不只是“连接了更多 API”，而是数据 Harness 在质量上的不同。

举一个具体例子：让 Claude Code 加一个基本面连接器去做 DCF，它能拉取数据并运行模型。但它不会自动交叉核对管理层指引、对比同业估值，或者标注数据置信度。Driven 的 [Valuation Matrix](/zh/skills/valuation-matrix) 会做这些事，因为这套逻辑已内建在 Skill 的工作流里。

## 3. 无状态 vs 有状态

这是最根本的架构差别。

Claude Code 的每一次运行本质上是无状态的。它可以读写文件来“记住”一些东西，但那种记忆是被动且非结构化的。它不会主动把你的投资策略加载进一个新会话，也不会自动把你的持仓变动与市场事件联系起来。

Driven 的 Agent 是有状态的：

* [Playbook](/zh/concepts/playbook) 跨会话持久存在，每一次分析都在那个策略框架内运行
* [投资组合](/zh/concepts/portfolio-and-paper-trading) 持续跟踪持仓、盈亏和风险敞口
* [定时任务](/zh/concepts/scheduled-tasks) 独立于任何用户会话运行，24/7 不间断
* 多个 Agent 各自维护自己独立的策略上下文

一个场景能让这种差别变得具体。周一早上你打开 Driven:Agent 已经针对你的自选股跑完了盘前扫描，标出了与你持仓相关的财报事件，并总结了周五收盘时的异常成交量。这些你都没有要求，信息就这样直接摆在那里。Claude Code 做不到这一点，因为它没有“始终运行”的概念，也没有结构化的策略和投资组合上下文去驱动主动行为。

## 4. 通用金融插件 vs 投资者优先的 Skill

Anthropic 的 Financial Services 插件很强，但它们是为金融专业人士设计的，投资银行家、PE、资产管理人、合规人员，而不是个人投资者。一个 DCF 插件输出的是专业的三表模型；一个股票研究插件输出的是机构格式的报告。这对专业人士很有价值，但对个人投资者来说门槛太高，信息密度也不实用。

Driven 的 Skill 是围绕个人投资者的日常工作流设计的。Market Pulse 给出快速的市场判读；Stock Screener 做多因子选股；Smart Money 跟踪机构动向；Portfolio Monitor 检查持仓健康度。输出的格式、粒度和行动导向，全都指向做出一个投资决策，而不是写一份研究报告。

## 5. 成本与维护

Claude Code 路线的成本结构：Claude API 用量（按 token 计费），加上每个数据源的订阅（FMP、Alpha Vantage、FactSet 等等，分别计费），再加上持续的维护，MCP 服务器可能断连，API 格式会变，数据源会升级。总成本很可能超过 Driven 的订阅，而且维护是持续性的。MCP 生态仍处于早期，服务稳定性和数据质量参差不齐。

Driven 是一份订阅，涵盖所有数据源、Skill、定时任务和模拟交易。

## 谁应该自己搭

Claude Code 路线确实适合具备技术能力、也愿意投入时间的开发者和量化团队，那些追求最大控制权和自定义、并乐于当自己 Harness 工程师的人。如果你是这样的人，这是一条正当的路线。

Driven 面向的是那些想要一个已组装好、已优化、专为投资打造的 Agent，却又不想自己搭建和维护它的投资者。模型层的能力大同小异；而 Harness，数据编排、Skill 工作流、Playbook 记忆、定时任务、投资组合管理、模拟交易，已经预先搭好并针对投资者的日常工作流调优过。

## 相关内容

* [什么是 Driven](/zh/get-started/what-is-driven) —— 完整概览
* [Driven 对比通用模型](/zh/why-driven/driven-vs-chatgpt-claude-gemini) —— 面向非技术读者的对比
* [Skill](/zh/concepts/skills) 与 [数据与覆盖](/zh/concepts/data-and-coverage) —— Harness 的细节