金融 Agent 的人工复核，不是自动化失败后的补救措施，而是高风险场景中必须预先设计的控制机制。金融任务往往同时涉及资料完整性、判断依据和责任归属。模型能够整理信息、归纳材料、生成分析框架，却不应因为输出流畅，就被视为已经完成了专业判断。

人工复核的核心，不是让人重新检查每一个字，而是把人放在最需要判断的节点。资料收集、格式转换和初步归类可以交给 Agent；涉及关键信息缺失、结论依据不足、异常数据或对外正式文件时，则应暂停流程，要求人工确认。这样既保留自动化效率，也避免系统在不确定时擅自补全事实。

复核机制应围绕风险分层

一个可执行的机制，至少要明确三类内容：什么情况下必须转人工、人工需要检查什么、复核后如何记录结果。

触发人工复核的情形包括：原始资料之间存在矛盾，关键字段无法从材料中确认，模型给出的判断缺少可追溯依据，任务涉及敏感数据，或结果将被用于对外沟通和重要决策。对于低风险的整理和改写任务，可以采用抽查；对于高风险节点，则应设置明确的人工确认，不宜让 Agent 自动继续执行。

复核界面也不能只展示最终答案。用户应当同时看到原始资料、模型生成内容、引用依据以及不确定性提示，并能够区分“已验证事实”和“推测性判断”。如果系统只给出一段完整结论，人工很容易被表面上的连贯性影响，反而降低审核质量。

人工反馈要反过来改进流程

人工复核的价值不止在于拦截错误，还在于沉淀质量标准。每次修改结果后，都应判断问题究竟来自资料读取、流程设计、提示约束、工具调用，还是任务本身缺少明确标准。不同原因对应不同改进方式，不能一律归结为“模型表现不好”。

成熟的金融 Agent，不追求取消人工，而是让人工从重复检查中解放出来，集中处理异常、判断和责任确认。只有当系统能够清楚说明依据、主动暴露不确定性，并在高风险节点停下来等待复核，自动化才真正具备进入专业工作流的基础。