Heurist Finance 如何在 Amazon Bedrock AgentCore 上构建 AI 原生投资工作台

Heurist Finance 的定位是将机构级投研工作流带给任何有市场问题的普通用户。平台支持在单次对话中完成价格查询、宏观指标分析、监管文件解读、基本面研究与新闻整合，并在此基础上运行相关性分析、情景模拟、图表生成与历史回测。每一条回答都会结合用户的持仓结构与风险偏好进行个性化呈现，而非给出通用结论。这种设计目标要求系统在后台协调多个异构数据源，同时保持响应的连贯性与可追溯性。

在商业模式层面，Heurist 面临的核心矛盾是：优质数据源分散在不同供应商的付费墙后，没有任何单一供应商能覆盖全部需求，而在产品早期签订企业级合同又难以从经济上自证合理。按查询付费的模式提供了更优的成本结构，但随之带来了新的工程挑战——代理需要代表用户进行资金支出，同时必须严格执行资金托管、消费上限与审计要求。此外，每一个操作都必须精确映射到特定用户、会话与请求，身份信息需要在完整工作流中持续传递。

Heurist 选择 Amazon Bedrock AgentCore 作为整套系统的运行底座，使用 Strands 框架编排代理，并调用 Amazon Bedrock 上的 Anthropic Claude 模型。架构上，Strands 编排器负责协调 AgentCore 的各项能力模块：身份模块通过 OAuth 验证用户并向下游服务传递作用域凭证；记忆模块跨会话存储用户偏好、投资论点状态与对话历史；代码解释器模块在隔离的云端沙箱中执行分析任务，沙箱在分析完成后自动销毁；可观测性模块将追踪数据写入 Amazon CloudWatch，分析产物存储至 Amazon S3，凭证则由 AWS Secrets Manager 在运行时动态获取。

付费数据的获取通过 AgentCore 支付能力实现。每次交互会创建一个带有 maxSpendAmount 上限的支付会话，以及一个绑定到 Base 区块链网络的支付工具（内嵌加密钱包）。当代理请求付费数据时，数据商返回 HTTP 402 响应，携带 x402 协议规定的支付条款，包括金额、收款方、资产类型（USDC）与网络。AgentCore 支付模块校验本次费用是否超出会话上限：若超出，则向用户说明并推荐替代方案；若在预算内，则调用 Process Payment API 完成签名并在请求头中附上支付凭证重试，数据商验证后返回数据。整个流程无需预先签订供应商合同。

在个性化与安全隔离方面，AgentCore 身份能力将认证用户信息贯穿每一次服务调用，确保记忆存储、支付会话与数据库读取均作用域化到单一用户，无需 Heurist 自行构建独立的偏好存储与访问控制层。Amazon Bedrock Guardrails 对输入输出双向过滤：输入过滤帮助拦截针对支付与数据工具的提示注入攻击，输出过滤则执行平台不推荐无对冲单一股票的内容策略。每次工具调用、支付操作与记忆读写均记录用户 ID、工作负载身份、请求 ID 与追踪 ID，形成跨服务的统一审计链路。

以用户提问「今日 PCE 数据发布对我的投资组合有何影响」为例，可以直观理解整套流程的运转方式。编排器首先通过 AgentCore 身份模块作用域化地从 Amazon Aurora PostgreSQL 加载该用户的持仓数据，随后调用付费的共识预测端点。收到 HTTP 402 响应后，AgentCore 支付模块校验消费上限并完成签名支付，获取宏观数据。代码解释器在沙箱中将 PCE 数据与持仓进行相关性分析，生成图表并存入 S3。最终回答结合用户的具体持仓与风险偏好呈现，全程操作均可通过 CloudWatch 追踪审计。这一案例展示了 AgentCore 各能力模块如何在单次用户交互中协同工作。

要点

• 按查询付费的 x402 协议让小团队无需签订企业合同即可访问多个付费数据源，显著降低了早期产品的数据成本门槛
• AgentCore 身份能力将用户身份贯穿全部服务调用，使支付会话、记忆存储与数据库访问均自动作用域化，省去了自建访问控制层的工程投入
• 代码解释器沙箱在分析完成后自动销毁，结合 Guardrails 的双向过滤，在不牺牲分析灵活性的前提下实现了安全隔离
• 跨会话记忆能力让投研回答随用户画像的丰富而持续迭代，避免每次对话从零开始，是平台个性化体验的核心支撑
• 统一的审计链路（用户 ID、请求 ID、追踪 ID 全程记录）满足了金融场景对可追溯性的严格要求，同时降低了合规基础设施的自建成本