（14829期）finance – 分层适配的智能金融教育助手

分层适配的智能金融教育助手 GitHub开源金融教育知识库，覆盖个人理财到专业分析，含完整风险提示与免责声明，适合分层学习金融知识。 使用说明 核心用法 Finance Skill 是一个分层适配的金融教育知识库，通过检测用户语境中的专业词汇、工具知识和表达框架，自动识别用户水平（普通用户/学生/专业人士/研究者/教育者/个人投资者），并动态调整输出深度。普通用户获得去 jargon 化的美元实例解释；学生接触 CAPM、DCF 等模型并学习其假设与局限；专业人士获得估值方法匹配、监管框架引用和标准化指标定义；研究者则获得实证方法论、统计精确性和学术引用规范。 显著优点 分层精准适配：六类用户画像覆盖从理财小白到学术研究者，避免"对牛弹琴"或"过度简化"。 教育伦理严谨：多处强制免责声明（"Never provide personalized investment advice"）、风险提示（"never guarantee returns"）和监管合规引用（SEC/FINRA）。 实践导向：强调"10分钟内可执行动作"、案例教学法、止损纪律等可落地行为。 认知偏差干预：主动挑战 FOMO、损失厌恶等心理陷阱，提供"money dates"等情绪管理工具。 学术严谨性：要求学生明确假设、区分统计显著与经济显著、引用 Fama-French 等经典文献。 潜在缺点与局限性 无实时数据：纯知识库性质，无法获取实时股价、利率或市场数据，信息时效性依赖用户自行核实。 地域局限：监管框架以美国 SEC/FINRA 为主，对非美用户适用性有限。 无交互计算：缺乏内置财务计算器或模型工具，DCF 等需用户手动搭建。 个性化边界：虽强调"不问具体建议"，但用户可能误将通用框架当作个人投资方案。 适合目标群体 金融零基础者建立系统认知 商科学生巩固课堂理论与考试准备 初级分析师规范估值方法论 金融研究者获取实证研究 checklist 教育工作者获取分层教学素材 个人投资者建立纪律框架（非获取荐股） 使用风险 信息过时风险：金融市场规则、税率、利率快速变化，Skill 明确提示需 flag 时效性问题。 误用风险：用户可能将教育内容误解为投资建议，需配合持牌顾问做重大决策。 模型局限风险：CAPM、EMH 等理论假设与现实摩擦（税收、交易成本）的差距需用户自行把握。 依赖风险：无代码执行能力意味着所有计算和验证需外部工具完成。 原始说明 Track stocks, ETFs, indices, crypto (where available), and FX pairs with caching provider fallbacks.