这篇我想把我们这一年多踩出来的一套打法掏出来聊聊。方法论这东西我自己也还在摸索，不敢说对，但确实是真金白银换来的，万一对你有点用呢。你如果是做 AI 产品的，不管在哪个行业，我觉得后面这套思路都能套一套。

上周我在中国国际金融展待了几天，还在阿里云的直播间里聊了快一个小时。

聊完下来，有个做产品的朋友私下问我一句话，把我问住了。

他说，你们折腾这么多 AI 的东西，又是 MCP 又是 Skill 又是 Agent 集市，到底图啥，是想再做一个金融版的超级 App 吗？

我当时就愣了一下。

因为我们想做的，恰恰是反过来的。

我们这行的人，过去十年的肌肉记忆其实就一件事，把用户往自己的 App 里拉。做流量，做入口，做日活，功能越全越好，最好用户睁开眼到闭眼，所有事都在你这一个产品里完成。谁的城墙高，谁赢。

但做了两年 AI 之后，我越来越觉得这套打法要失灵了。

不是说它错，而是地基变了。

我先问你个问题啊。以前能用你产品能力的，是谁？是人。是一个活生生的用户，点开你的 App，戳你的按钮。再往上一层，是人类开发者，读你的接口文档，调你的 API，把你的能力拼进他的应用里。

对吧，就这两种。

可现在凭空多出来一种全新的「用户」，AI Agent。

它不会点你的按钮，也不耐烦读你那几十页的开发文档。它要的是一种机器能直接听懂、能自己伸手就调用的能力。这玩意一出现，整个开放平台的地基就被掀了。

我跟你说，这事在金融行业尤其要命。

你想想看，一个通用的 AI 助手，用户问它，我这只基金最近跌了，要不要赎回。如果让大模型自己「算」，它会非常自信地给你编一个净值出来，编一个收益率出来，一本正经，跟真的一样。

在别的场景，编错了顶多是个笑话。

在金融，一个编出来的数字，可能就是一次投诉，甚至一次合规事故。

所以问题就变得很清楚了。我们要解决的，不是「怎么让我们的 App 更好用」，而是「怎么让我们的金融能力，既能被人类开发者拿去拼装，又能被任何一个 AI Agent 直接、准确、合规地调用」。

这两件事，差着十万八千里。

顺着这个问题往下想，我们就慢慢摸出了一套结构，内部叫四层开放矩阵。它不是四个产品，是从最底层一直到出口，一层一层垒上去的一套体系。我一层一层跟你拆。

第一层，最底下，协议层。

这一层干的事，是给所有 AI Agent 做一个通用插座。

我们用的是 MCP，你可以简单理解成一种让 AI 和外部能力对接的标准协议。我们把金融能力，基金诊断、持仓分析、风险测评这些，全封装成 AI 能直接调用的工具，插在这个协议上。

为啥非要搞个标准协议，不能一家一家对接吗？

可以，但会死人的。每接一个 Agent 就定制一次，接十个就是十套，运维直接崩。有了这个通用插座，不管对面是什么架构的 Agent、用的哪家大模型，插上就能用。

这一层是真真正正给 AI 用的基础设施，也是它跟传统开放平台分道扬镳的地方。传统开放平台只伺候人类开发者，我们这一层，是同时对人类开发者和 AI Agent 双向开放。

这句话我觉得是整篇里最值得记的一句。双向开放。

第二层往上，组件层。

光有插座不够，能力本身得做成一块一块的标准积木。

我们把那些原子化的金融 AI 能力，封装成一个个 Skill，可插拔的标准模块。这一层妙就妙在它一鱼两吃，人类开发者可以像搭乐高一样把这些积木拼进自己的应用，AI Agent 也可以直接调一个 Skill 去完成一整件事，比如生成一份完整的基金诊断报告。

我们内部给 Skill 下的定义是，Skill 等于能力，加业务规则，加输出模板。

这里有个坑我得跟你掏心窝子讲一下。金融能力光「准」是不够的，它还得「对、合规、好用」。所以我们没有只把数据接口扔出去就完事，而是把业务规则和标准化的输出格式，一块儿封进了积木里。让调用的人不用自己再去趟一遍金融的浑水。

这块的代价也很实在，标准化意味着你要牺牲一部分灵活。但在金融这种地方，我宁可牺牲灵活，也不能牺牲准确。这是个取舍，没有标准答案，看你在哪个行业。

第三层，成品层。

再往上，是把组合好的能力做成开箱即用的成品 Agent，通过一个 Agent 集市分发出去，这块我们计划七八月份上线。

对个人用户，直接给一个能用的 AI 投顾服务。对机构客户，给一个能集成进他们自己场景的成品 Agent，拿过去就能嵌。

这一层是整套开放能力最后落地的出口，也是它能赚钱的出口。前两层都是在修路、铺管道，到这一层，价值才真正流出来。

第四层，也是最容易被忽略，但在金融行业偏偏是命门的一层，底座层。

我们跟阿里云合作，解决算力、稳定性、合规、数据安全这些底层的事。

你可能会问，前面三层听着挺性感，这层咋这么不起眼。

恰恰相反。

你想啊，当你把能力分发出去、让它长到到处都是的时候，最大的风险是什么？是散了之后管不住。这个 Agent 性能抖一下，那个接入方把数据漏了，合规上出个篇子。在别的行业这层可有可无，在金融，这层就是生死线。底座稳，这张网才敢铺开。

四层连起来你再看一眼，协议层让能力可连接，组件层让能力可组装，成品层让能力可变现，底座层让能力可信赖。

能力从此就不必死死绑在我们自己那一个 App 里了，它可以长到别人家里去。长到你自己的 Agent 里，长到第三方的应用里，长到开发者的代码里。用户压根不用打开我们的产品，也能用上我们的能力。

聊到这，可能有朋友会嘀咕，这不就是去中心化嘛，把能力散出去呗。

这个词我得较个真，因为差一点点，意思就拧了。

我们做的不是那种完全没人管的散养。我自己更愿意叫它分布式开放。一句话概括就是，中心做标准和底座，边缘做场景和创新。

中心，也就是我们自己，死死守住几样东西，MCP 的协议标准、Skill 的封装规范、Agent 的准入门槛、合规风控的底座、金融数据的安全边界。这几样绝不撒手。

但创新这件事，我们大大方方交出去。外部的开发者、第三方的 Agent、甚至是普通用户，都可以基于我们开放的能力，去做那些我们自己压根想不到的场景，去服务那些我们自己根本覆盖不到的人。

这背后其实是一个挺朴素的认怂。

我们承认，没有任何一家公司能把所有场景都做完，也没有任何一个入口能把所有用户都圈住。与其拼了命追求「用户都到我这来」，不如换个活法，让「我的能力无处不在」。

说到这，我想往大里扯一句。

你会发现整个 AI 行业其实都在悄悄拐弯。前两年大家挤破头要做的，是一个无所不能的超级 AI，一个 App 通吃天下。但现在风向变了，越来越多人开始做 AI 能力的分发网络。没有谁能做全所有事，那就把自己最硬的那块能力磨好，开放出去，让它去跟整个生态长在一起。

这让我想起电网刚出来那会儿。一开始每个工厂都自己建一个小发电机，又贵又不稳。后来呢，慢慢就变成了统一的电网，发电的专心发电，用电的随插随用。今天没人会为了用电去自己造发电机。

我有时候觉得，AI 能力以后大概也是这个路数。

而对金融科技这个行业来说，我甚至觉得，这不是某一家公司的选择，而是个绕不过去的必然。金融的能力天然就分散在无数个细碎场景里，记账、诊断、配置、投教、风控，没有任何一个产品能把这些全吃下来。能力越分散的行业，越需要一张标准化的网把它们重新连起来。所以这套分层开放的打法，未来几年八成会变成金融 AI 的一个标配，而不是我们一家的奇思妙想。

最后，既然是掏方法论，我就攒几条能直接拿走用的，不管你在不在金融行业。

1. 做 AI 产品，先改一个问法。别只问你的界面好不好用，先问你的能力能不能被机器调用。多了 AI Agent 这个调用方，是产品形态的底层变化，不是加个功能那么简单。
2. 在严肃场景里，让大模型去「调用」，而不是让它「生成」关键数据。能力标准化这一招，是我目前见过治幻觉最实在的办法。
3. 封装能力的时候，把业务规则和输出模板一块封进去。只甩一个接口出去是不负责任的，行业里的坑，得由你这一层兜住。
4. 分清楚哪些握在中心，哪些放给边缘。标准、合规、安全攥死在自己手里，场景和创新大方放出去。这是既开放、又不至于失控的关键。
5. 想清楚你的钱从哪一层出来。基础设施那几层可以先不赚钱、用来换生态，但你得给自己留一个像成品分发这样的变现出口，不然光修路不收过路费，迟早撑不住。

这几条我也不敢说全对，有的我们自己也还在交学费。一开始搞标准化的时候，那叫一个笨拙，花的力气比一个个手动对接还多，团队里也有人犯嘀咕。但走到今天回头看，我是真的觉得这条路是对的。

回到开头我那个朋友的问题。

我们想做的，从来不是再造一个超级 App，让所有人都来我们家。

我们想做的，是让金融 AI 的能力，安安静静地长到每一个需要它的地方去。哪怕你永远不知道背后是谁。

这事儿听着是有点不性感，没那么多高光时刻。

但我信它。