AI 代理負責背景分析，人類顧問掌控交易決策

Arca 首席 AI 工程師 Aman Singh 在 AI Engineer New York 會議中表示，該公司的目標是讓 AI 引導流程，而非取代人類判斷。他強調：「代理提示人類的次數多於人類提示代理。」這意味著 AI 主要負責處理繁瑣的背景工作與初步分析。

儘管 AI 承擔大量工作，Arca 設有嚴格的安全護欄。Singh 指出，代理的角色僅限於分析與提出解決方案，所有交易及其他資金移動均由人類顧問處理。

公司的安全限制是完全確定性的（fully deterministic），這將決策權從代理手中移除。某些工具與任務可由代理獨立執行，但涉及客戶風險的操作則被嚴格禁止。

自建模型調度框架以優化長週期金融任務

Arca 使用來自 Anthropic 和 OpenAI 等前沿實驗室的模型，其中 Claude 為主要供應商。公司並未採用現成的託管代理框架，而是自行開發了一套「harness」（調度框架）。

這套自建框架會根據公司的內部基準測試，自動選擇最適合特定任務的模型。擁有該框架的所有權使 Arca 具備靈活性，必要時可更換模型供應商。

Singh 解釋，金融服務中的 AI 應用通常屬於「長週期工作」（long-horizon work），雖然單一任務執行時間不一定很長，但可能持續多日。Arca 的代理任務最長可達十天，過程中涉及多個參與者、決策點與交接環節。

內部記憶系統追蹤客戶長期財務狀態

為了應對長時間且中斷頻繁的任務，Arca 開發了一套內部記憶系統。Singh 說明：「我們為每個客戶維護持久性記錄。」

該系統追蹤的內容包括：目前進展、後續需追蹤的事項、未來幾天內需立即處理的行動、長期追蹤目標，以及各項行動的負責人。所有這些資訊均由代理貢獻並由記憶系統管理。

這種機制確保在多階段、多角色的金融規劃過程中，上下文不會遺失，並能維持任務的連續性與責任歸屬清晰。

沙箱環境與確定性規則保障數據安全

Arca 的代理本身並非在沙箱中運行，但會使用沙箱進行計算。Singh 解釋，他們建立了系統以確保沙箱內的程式碼能安全存取公司數據。

具體做法是將代理撰寫的程式碼轉換為預期的嚴格格式，丟棄原始程式碼，並在該格式進入後端之前安裝護欄。這允許代理使用程式碼查詢、聚合與處理數據，以生成財務計劃等產出。

此外，Arca 對已知的 AI 安全問題（如提示注入 prompt injections）執行驗證檢查，進一步強化系統的安全性。

利用元代理分析反饋以持續優化框架

Arca 實施了一種流程，結合人類顧問的反饋與代理的執行軌跡（traces）來改進其調度框架。

公司使用一個「元代理」（meta-agent）來分析這些數據，並提出對框架的修改建議。

Arca 近期完成由 General Catalyst 領投，Index Ventures 和 Venrock 參與的 4,850 萬美元融資輪，顯示資本市場對這種 AI 原生財富管理模式的關注。