Что такое Heurist Finance и зачем нужен AI-инвестиционный воркбенч
Heurist Finance - чат-инструмент для розничных инвесторов. Он собирает рыночные данные, читает отчётность и новости, строит портфели и просчитывает сценарии в одном диалоговом окне. Обычно под эти задачи держат открытыми скринер, таблицу, новостную ленту и калькулятор доходности. Тут всё сведено в переписку с агентом.
Основа системы - Amazon Bedrock AgentCore. Платформа закрывает инфраструктуру: изолированное исполнение кода, управление идентичностью и памятью между сессиями, трассировка, платежи за внешние данные по запросу. Команде остаются логика продукта, источники данных и набор инструментов.
Контекст рынка. В 2025 году меньше 5% корпоративных приложений имели встроенных task-specific AI-агентов. К концу 2026 года Gartner прогнозирует рост этой доли до 40%. Это прогноз, измеренного результата пока нет, но плотность анонсов вокруг агентных платформ он объясняет.
Task-specific агент автономно решает одну конкретную задачу без постоянного участия человека. Он опирается на контекст приложения и доступные данные, обращается к нескольким системам, работает с инструментами, которыми человек пользуется ежедневно: почта, CRM, код. Запускается агент от имени пользователя сессии, поэтому данные, закрытые для самого пользователя, ему недоступны. Каждое действие фиксируется в журнале.
Какие задачи решает воркбенч для розничного инвестора
Четыре блока работ:
- Сбор рыночных данных: котировки, объёмы, динамика по инструменту или сектору.
- Чтение отчётности и новостей: разбор публикаций по компаниям, выделение значимых событий.
- Построение портфелей: расчёт весов, доходности, волатильности.
- Сценарный анализ: что произойдёт с портфелем при изменении ставки, падении сектора, скачке волатильности.
Форма запроса при этом обычная. «Собери отчётность компании за четыре квартала и посчитай динамику маржи», «пересчитай портфель, если долю в технологическом секторе урезать вдвое». Агент сам решает, какие данные подтянуть и какой код выполнить. Переключения между сервисами нет, поэтому цепочка «вопрос - расчёт - вывод» не рвётся на середине.
Почему выбран Amazon Bedrock AgentCore
Небольшой команде невыгодно строить рантайм для агентов с нуля. Нужны изоляция кода, хранение состояния между сессиями, единая идентичность, сбор трассировок, оплата внешних API. AgentCore отдаёт эти блоки как готовые сервисы. Похожий мотив был у Jefferies: банк собрал ассистента для трейдеров на Amazon Bedrock, Strands Agents и MCP, превращая вопросы на естественном языке в SQL, и детальный разбор этой архитектуры лежит здесь.
Агент состоит из системного промпта и набора инструментов, к которым у него есть доступ. Чем аккуратнее описан адаптер, тем предсказуемее поведение. Инструменты можно вынести в переиспользуемые адаптеры с общими методами и подключать к разным агентам, не описывая всё заново.
Архитектура Heurist Finance на Amazon Bedrock AgentCore
Heurist Finance не публикует полную схему воркбенча. Из описания видно, какие компоненты AgentCore задействованы и в какие блоки они складываются. Ниже то, что заявлено, плюс пояснения, зачем каждый блок нужен в инвестиционном продукте.
Code Interpreter: изолированное исполнение кода
Code Interpreter запускает код в изолированной среде. Для инвестиционного продукта это не роскошь. Расчёт весов портфеля, бэктест сценария, пересчёт доходности при смене допущений требуют выполнения кода, который пользователь не писал и не проверял. Изоляция гарантирует, что вычисления не увидят чужие данные и не тронут инфраструктуру за своими границами.
Практическая разница ощутима. Без готовой изоляции команде пришлось бы поднимать собственные песочницы, следить за версиями библиотек и разбираться с последствиями случайного обращения к файловой системе хоста. AgentCore снимает эту работу с разработчиков.
Identity и Memory: управление сессиями между запросами
Управление идентичностью и памятью между сессиями решает две задачи. Первая: агент действует от имени пользователя, запустившего сессию, и не получает доступа к данным, закрытым для самого пользователя. Вторая: контекст не теряется. Инвестор возвращается через день, а агент помнит, какой портфель обсуждали, какие ограничения задавали, какие сценарии уже прогнали.
Без памяти каждый диалог начинался бы с нуля: заново описывать горизонт инвестирования, риск-профиль, список тикеров. С памятью серия запросов складывается в непрерывную работу над портфелем, а не в набор разрозненных вопросов.
Observability: трассировка и прозрачность работы агента
Observability пишет трассировку: какие инструменты вызывались, какие данные запрашивались, какой код выполнялся, что вернулось в ответ. Это фундамент прозрачного интерфейса. Пользователь видит, как агент пришёл к результату, а не получает число без объяснений.
Трассировка полезна и внутри команды. Когда ответ выглядит странно, вопрос «что пошло не так» превращается в просмотр конкретных шагов, а не в гадание по логам приложения.
Платежи за премиум-данные через x402 и USDC на Base
Часть рыночных данных бесплатна, часть продаётся по подписке. Подписочная модель плохо ложится на агента, который обращается к данным нерегулярно. В Heurist Finance платежи за премиум-данные идут по запросу: x402 и USDC в сети Base.
Смысл схемы простой. Данные покупаются в момент, когда они нужны для конкретного расчёта. Нет годового контракта, нет минимального пакета запросов, который надо выкупить заранее.
Как работает x402 в связке с USDC на Base
x402 опирается на HTTP-статус 402 Payment Required, который долго оставался неиспользованным. Агент обращается к эндпоинту данных, сервер отвечает требованием оплаты и ценой, агент платит и повторяет запрос. USDC - стейблкоин, привязанный к доллару, поэтому цена данных не плавает вместе с курсом отдельного токена. Base - сеть второго уровня на Ethereum: комиссия за транзакцию там ниже, чем в основной сети, а подтверждение приходит быстро.
В связке получается платёж на небольшую сумму, который бессмысленно гонять через традиционный эквайринг: издержки съедят маржу. Криптослой решает именно проблему микроплатежей.
Отдельный вопрос - контроль расходов. Агенту с доступом к кошельку нужны лимиты на сессию и проверка получателя до списания. Как такие ограничения выглядят на практике, разобрано в материале про слой доверия для автономных платежей агентов на Amazon Bedrock AgentCore.
Почему это выгодно небольшим командам
Крупный вендор данных продаёт контракт на год с фиксированным объёмом запросов. Для команды из трёх человек это нереалистичный порог входа. Оплата по факту запроса этот барьер убирает: платить нужно ровно за то, что использовано.
Ограничение тоже есть. Микроплатежи работают, если поставщик данных поддерживает такую схему. Пока это скорее исключение, чем правило, и большая часть качественной финансовой аналитики по-прежнему продаётся подписками.
Аудит и комплаенс: как каждая операция привязывается к пользователю
Каждая операция в Heurist Finance привязана к пользователю, сессии и запросу. Трассировка складывается в журнал, из которого можно восстановить, кто инициировал действие, в какой сессии это произошло и какой запрос его вызвал.
Почему привязка к пользователю, сессии и запросу упрощает комплаенс
Финансовый продукт живёт под вопросом «покажите, откуда взялась эта цифра». Полная привязка операций позволяет ответить на него без археологических раскопок: видно, какие данные запрашивались, какой код считал результат и на чьё имя это делалось. Разбор инцидента превращается в чтение журнала, а не в восстановление картины по кусочкам.
Роль играет и то, что агент не выходит за права пользователя. Доступ ограничен тем, что разрешено самому человеку, поэтому сценарий «агент подтянул чужие данные» архитектурно закрыт. Для продукта, работающего с портфелями и отчётностью, это существеннее любой маркетинговой формулировки про безопасность.
Ограничения и подводные камни подхода
Прямые риски, о которых стоит знать до того, как копировать схему:
- Зависимость от платформы. Code Interpreter, Identity, Memory и Observability берутся из Amazon Bedrock AgentCore, и перенос воркбенча на другой рантайм потребует переписывания значительной части логики.
- Нет публичных метрик. Heurist Finance не раскрывает ни число пользователей, ни задержки ответов, ни стоимость обработки запроса. Оценивать систему приходится по описанию архитектуры, а не по цифрам.
- Доверие сторонним данным. Агент покупает датасет и использует его как есть. Проверка качества и происхождения данных остаётся за поставщиком.
- Регулирование криптоплатежей. USDC и сети вроде Base в разных юрисдикциях попадают под разные правила, и продукту с таким расчётным слоем нужна юридическая проработка до запуска.
- Список вендоров данных, подключённых через x402, не раскрыт. Непонятно, насколько широким получился каталог премиум-источников.
- Инвестиционная тематика. Сценарный анализ легко принять за рекомендацию, поэтому границы ответственности и дисклеймеры нужно проговаривать заранее.
Что это даёт небольшим командам и разработчикам
Три практических вывода. Первый: платный доступ к данным без годовых контрактов с вендорами. Второй: готовая инфраструктура для агента вместо собственного рантайма, что экономит месяцы работы. Третий: переиспользуемые адаптеры инструментов, которые переносятся между агентами без переписывания.
Логика масштабируется за пределы одного продукта. LendingTree собрала мультиагентного ипотечного ассистента на Amazon Bedrock с тремя агентами, координацией через LangGraph и маршрутизацией между моделями Nova Pro и Nova Lite для экономии на инференсе. Описание архитектуры и производственные метрики разобраны в отдельной статье: с запуска до Q1 2026 больше 97% диалогов прошли без вмешательства человека.
Как воспроизвести подобный воркбенч
Ориентир по шагам, без пошаговой инструкции:
- Разложить задачу на инструменты: источники данных, расчёты, чтение публикаций, экспорт результата.
- Описать адаптеры для каждого инструмента и вынести общие методы так, чтобы их можно было переиспользовать.
- Подключить Code Interpreter для всего, что требует вычислений, и держать расчёты в изоляции.
- Настроить Identity так, чтобы агент работал строго от имени пользователя сессии, и Memory, чтобы контекст не терялся между визитами.
- Включить Observability и вывести трассировку в интерфейс: пользователь должен видеть, как получен ответ.
- Продумать платёжный слой для внешних данных: по какой схеме списываются деньги, какие стоят лимиты, кто проверяет получателя.
Перед стартом стоит честно ответить на один вопрос: нужен ли вам собственный агент или хватит готового решения. Порог входа у самописной архитектуры ниже, чем кажется, но поддержка, тесты и стоимость инференса растут вместе с числом инструментов. Сравнение своей разработки с готовыми решениями по latency, cost и reliability собрано в материале про сборку AI-агента с нуля с кодом на Python. Если ваша задача укладывается в готовые блоки AgentCore, выигрыш от собственного рантайма будет близок к нулю.