付費數據的按次計費，是零售投資 AI 的關鍵
Heurist Finance 想讓散戶投資者用上機構級的市場數據、宏觀指標、基本面與另類數據。這些數據源分散在不同供應商，各有付費牆與專屬 API。對一家新創來說，在用戶規模起來之前簽企業合約不切實際。
AWS Machine Learning Blog 在 2026 年 9 月 9 日發表的文章說明，Heurist 選擇用 Amazon Bedrock AgentCore 的 payments 功能，讓代理程式在每次查詢時只購買當下需要的數據。這不只是省錢，更把「代理替你花錢」這件事變成可治理、可稽核的流程。
一個問題，串起身份、記憶、沙箱與付款
Heurist 用 Strands 編排代理，模型選用 Amazon Bedrock 上的 Anthropic Claude。當用戶問「今天的 PCE 數據對我的投資組合有什麼影響？」，系統會先從 Amazon Aurora PostgreSQL 載入用戶持倉，AgentCore Identity 確保讀取範圍只限於該用戶。
接著代理向付費數據端點發出請求，收到 HTTP 402 與 x402 付款條件後，AgentCore payments 會檢查這次互動的 maxSpendAmount 上限。如果金額在預算內，就透過 Payment Instrument 簽署交易，再用 X-PAYMENT 標頭重試請求，取得數據。
分析階段由 AgentCore Code Interpreter 在隔離沙箱中執行，沒有任意網路出口，跑完就拆除。結果圖表寫入 Amazon S3，再由 Amazon Bedrock 綜合用戶的持倉、時間範圍與風險偏好，串流回覆。
記憶讓研究愈問愈個人化
當用戶問「這支股票是否被高估」，Heurist Finance 會把問題放在用戶的持倉、觀察清單、時間範圍與風險偏好脈絡中回答。AgentCore memory 跨 session 儲存偏好與對話歷史，AgentCore Identity 把資料範圍限定在單一用戶，省去自建偏好儲存與存取控制層的功夫。
這呼應了我們先前討論過的 FDE 的真正價值：不是幫你部署，而是幫你學會自己營運——平台把身份、記憶、沙箱這些基礎設施扛下來，團隊才能把精力放在真正差異化的研究工作。
安全與稽核不是附加功能
用戶的投資組合與對話歷史涉及敏感資訊，Heurist 把身份、存取與稽核放進每個請求。AgentCore Identity 接受 OAuth 並發行限定範圍的憑證；payments 把 Payment Session 與 Payment Instrument 限定在單一用戶；memory 綁定用戶資料；Code Interpreter 隔離執行環境。
Amazon Bedrock Guardrails 同時過濾輸入與輸出，輸入端阻擋針對付款工具的 prompt injection，輸出端防止推薦未避險的單一股票。付款憑證放在 AWS Secrets Manager，由 Payment Connector 在執行期取得。
對產品開發者的啟示
Heurist 估計，相較於自建 LLM 編排架構，AgentCore 幫他們省下約 80% 的代理系統工程。可預測的每用戶邊際成本，也讓零售定價變得可行。
文章引述 Heurist 創辦人 JW Wang 的話：「AgentCore 處理平台工作，讓我們能把精力加倍投入產品。託管基礎設施幫我們省了好幾個月。」
對正在評估代理基礎設施的團隊來說，這篇文章示範了幾個值得注意的設計選擇：付費數據的按次計費、跨 session 的用戶記憶、以及把稽核軌跡嵌入每個服務呼叫。這些都不是新概念，但把它們整合成一個可運作的投資工作台，需要平台層的支援。
Heurist 接下來的方向包括事件驅動研究、市場事件分析，以及根據相似投資者的研究行為提供建議。這些都建立在同一個基礎上：代理能安全地代表用戶花錢、記住用戶、並在隔離環境中分析。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。