Cursor+Skills搭建财报分析AI Agent：从零到一实战教程

AI Agent时代，人人都能做开发者

过去一年，AI Agent 无疑是技术圈最火的关键词之一。AI Agent（智能代理）是一种能够感知环境、自主决策并执行动作以完成目标的AI系统。与传统的问答式大模型不同，Agent具备「规划-执行-反馈」的闭环能力：它能将复杂目标拆解为子任务，调用外部工具（如搜索引擎、代码解释器、API接口），并根据执行结果动态调整策略。这种架构通常被称为ReAct（Reasoning + Acting）框架，由普林斯顿大学在2022年提出，是当前主流Agent系统的理论基础。

想象一下这样的场景：你的朋友接到老板紧急任务，需要在一天内分析10家公司的财报并输出详细调研报告——人工分析根本来不及。这时候，一个能自动下载财报、深度分析、生成PPT的 AI Agent 就成了救命稻草。

本文将以一个真实的财报分析 AI Agent 项目为例，手把手教你如何使用 Cursor 编辑器 + Skills 技能定义 + MiniMax M2.1 大模型，从零搭建一个功能完整的垂直场景 AI Agent。即使你是编程新手，也能跟着做出来。

为什么选择MiniMax M2.1

面对市面上众多开源大模型——GLM4、DeepSeek V3、M2.1 等，选择哪一个至关重要。经过多方测评对比，MiniMax M2.1 在以下几个维度表现突出：

• 编程能力强悍：在 SWE-Bench 基准测试上的表现持平甚至超过 Claude Sonnet 4.5，在各种编程框架中表现稳定
• 超长上下文支持：原生支持 200K Token 的上下文窗口，几百页的 PDF 财报丢进去毫无压力
• 多语言编程能力：能在 Python、JavaScript、Shell、Prompt Engineering 等不同语言之间自由切换，理解模块间的调用关系
• 成本极低：新用户首购 Coding Plan 仅需 9.9 元，相比海外大模型 20 美金的价格，性价比碾压

关于 SWE-Bench：这是由普林斯顿大学和芝加哥大学联合发布的软件工程基准测试，专门用于评估大模型解决真实 GitHub Issue 的能力。测试集包含来自12个主流 Python 开源项目的2294个真实 Bug 修复任务，要求模型读取代码仓库、理解问题描述，并生成能通过单元测试的补丁代码。由于任务来自真实工程场景而非人工构造，SWE-Bench 被认为是目前最能反映模型实际编程能力的权威评测之一，远比简单的代码补全测试更具参考价值。

环境配置：将M2.1接入Cursor

注册并订阅MiniMax开发者平台

1. 打开 MiniMax 开发者平台，使用手机验证码登录
2. 登录后选择 Coding Plan
3. 点击右上角最便宜的月套餐（9.9 元），一杯奶茶的价格即可入手
4. Plus 套餐（49 元）提供更多功能如图片识别，新手选基础套餐即可

在Cursor中配置M2.1模型

配置过程非常简单，按以下步骤操作：

1. 打开 Cursor，新建一个文件夹（如 MiniMax-M2.1）
2. 点击右上角设置 → Model → 向下滑找到 API Key 选项
3. 开启 OpenAI API Key 按钮
4. 填入 MiniMax 文档中提供的 API URL 链接
5. 向上滑动，点击「添加模型」，输入 M2.1 的模型名称

配置完成后，在 Cursor 的模型选择中切换到 M2.1，输入「你是什么模型」进行测试。如果它回复自己是 MiniMax M2.1 驱动的模型，说明接入成功。

系统架构设计：AI Agent的工作原理

在动手写代码之前，先理清整个系统的架构设计。这个财报分析 AI Agent 的工作流程如下：

1. 用户输入需求（如「下载苹果最新财报并进行深入分析」）
2. M2.1 作为 Agent 大脑，调用 MiniMax API 对需求进行深入思考和任务拆分
3. 依次调用三个核心技能：
   • 📥 财报下载技能：从金融监管机构和信息披露平台下载财报
   • 📊 财报分析技能：对财报进行深度分析，生成网页版报告
   • 📑 PPT 生成技能：将分析结果自动制作成演示文稿
4. 输出最终结果：包含完整的分析报告和 PPT

这种「大脑 + 技能」的架构模式，是当前 AI Agent 开发的主流范式。大模型负责理解意图和编排任务，Skills 负责执行具体操作。值得一提的是，200K Token 的超长上下文窗口在财报分析场景中发挥了关键作用——Token 是大模型处理文本的基本单位，中文约1.5个字符对应1个Token。200K Token 意味着模型单次可处理约15万汉字，相当于一本中等厚度的书籍。苹果公司年报通常超过100页，传统小窗口模型需要将文档切片（chunking）后分批处理再汇总，这会导致跨段落的逻辑关联丢失；超长上下文则允许模型「一次性」理解整份文档，大幅提升分析的连贯性，同时也简化了工程实现的复杂度。

核心开发：Skills技能定义与代码实现

Skills文件：整个项目的灵魂

这是整个教程中最关键的方法论——用 AI 编程不能瞎聊，得有方法论。

Skills 文件的设计理念来源于「提示工程」（Prompt Engineering）与「工具调用」（Tool Use/Function Calling）的结合。在 OpenAI 于2023年推出 Function Calling 功能后，开发者可以用结构化的方式告诉模型「有哪些工具可用、何时使用、如何调用」，这比自由对话式的指令更稳定可靠。Skills.md 本质上是一份人类可读的「能力说明书」，它将 Agent 的职责边界、触发条件和数据来源显式化，避免了模型在模糊指令下产生幻觉或越权操作。这种做法与微软 AutoGen、LangChain 等主流 Agent 框架中的「工具注册」机制在思想上一脉相承。

在项目根目录创建一个 skills.md 文件，这是项目的核心技能定义文件。在里面需要清晰地写明：

• Agent 的角色定义：这个 Agent 是什么
• 触发场景：什么情况下激活哪个技能
• 数据源：数据从哪里来
• 典型触发词：财报、年报、季报、半年报、招股说明书等

例如财报下载技能的定义：

专业财报下载专家，专注于从全球主要金融监管机构和信息披露平台下载公司财报。

整体技术框架搭建

有了 Skills 的核心技能定义后，让 M2.1 帮忙搭建整体技术框架：

• 前端：React + TypeScript
• 后端：Node.js + Express
• 数据库：Supabase（存储分析结果）

这套技术栈是当前独立开发者和小团队构建全栈 Web 应用的主流选择。React 是 Meta 开源的前端 UI 框架，TypeScript 为其添加了静态类型检查，能在开发阶段捕获大量潜在错误；Node.js 让 JavaScript 运行在服务端，使前后端共用同一语言，降低了上下文切换成本；Supabase 是 Firebase 的开源替代品，基于 PostgreSQL 提供数据库、身份认证、实时订阅等后端即服务（BaaS）能力，开发者无需自行运维数据库——其向量存储扩展（pgvector）还能直接支持 RAG（检索增强生成）场景，为后续功能扩展预留了空间。

然后逐个模块实现。实际体验下来，M2.1 的代码生成质量非常高——一口气写完，基本不用怎么改。

整个项目从 0 到 1，所有代码都是 AI 生成的，大概只花了一个周末的时间，其中大部分时间竟然都在调 UI 颜色——这说明 M2.1 在逻辑和功能实现层面已经足够可靠。

技术难点与M2.1的实际表现

这个项目看似简单，实际上涉及几个核心技术挑战：

多源数据获取

财报数据来源分散，格式各异。M2.1 的 200K 长上下文窗口在这里发挥了关键作用，几百页的 PDF 直接丢进去处理，无需额外做分块（chunking）处理，大幅简化了工程复杂度。

多语言混合编程

这个项目同时用到了 Python（数据处理）、JavaScript（前后端）、Shell（部署脚本）、Prompt Engineering（技能定义）以及各种 SDK。M2.1 能够在不同语言之间自由切换，并准确理解模块间的调用关系，这在开源大模型中确实属于第一梯队的水平。

总结与思考

做完这个项目，有几点深刻感受：

垂直场景的 AI Agent 才是未来。 通用大模型很强，但真正能帮我们解决具体问题的，往往是那些深入特定场景的 AI Agent。无论是投资人看财报、分析师做研究，还是学生写论文，这样的工具都能省下大把时间。

MiniMax M2.1 让开源模型做商业级产品成为可能。 性能足够强、成本足够低、落地足够快——这三个条件同时满足，对于独立开发者和小团队来说意义重大。

Skills 方法论是 AI 编程的关键。 与其漫无目的地和 AI 对话，不如先定义好清晰的技能文件，让 AI 在明确的框架下工作，效率会成倍提升。这与软件工程中「先写接口文档再写实现」的最佳实践异曲同工——清晰的边界定义永远是复杂系统可靠运行的前提。

如果你也想尝试搭建自己的 AI Agent，不妨从这个财报分析的案例开始，用 9.9 元的成本体验一下开源大模型的真正实力。

核心要点

• MiniMax M2.1 在 SWE-Bench 上表现持平甚至超过 Claude Sonnet 4.5，支持 200K 长上下文和多语言编程
• 通过 Skills 技能定义文件（skills.md）构建 AI Agent 的方法论，将复杂任务拆分为下载、分析、PPT生成三个核心技能
• 整个财报分析 Agent 项目从零到一仅用一个周末，所有代码由 AI 生成，技术栈涵盖 React + Node.js + Supabase
• 垂直场景 AI Agent 是大模型落地的最佳路径，开源模型已具备做出商业级产品的能力
• 新用户仅需 9.9 元即可接入 M2.1 的 Coding Plan，性价比远超海外大模型