南安普敦 MANG6606《金融科技与应用人工智能》：100% 一篇 2000 词反思报告，AI 用得不对要扣分

南安普敦 MANG6606《金融科技与应用人工智能》是硕士 Level 7、Semester 2 模块：2000 词反思报告占 100%，不建模也不要求编程，但 AI 使用必须留痕并复核。

课程官网（学校官网）：https://www.southampton.ac.uk/courses/2026-27/modules/mang6606

MANG6606 是一门什么课？

一句话：教金融人怎么用 AI 干活——写提示词让 AI 出结构化分析、用 AI 副驾驶搭轻量小工具、给后台与合规流程设计自动化，重心是把 AI 概念变成可审计的工作流。

这是南安普敦大学（University of Southampton）的硕士模块，课程代码 MANG6606，英文名 Financial Technology and Applied AI，中文常译「金融科技与应用人工智能」。学分 15 CATS / 7.5 ECTS，Level 7（研究生层级），Semester 2 开课，学年 2026-27，模块负责人 Francis McGroarty。

这门课有一个必须先讲清的定位：学校官网明写 "It is deliberately not a model-building module"——它刻意不是建模课。AI 与机器学习概念只在直觉层面讲（是什么、哪里好用、哪里失效），重点是把概念转化为风险与合规团队能用的、可审计的工作流。

三项核心技能写得很干脆：

1. 为金融任务设计有效提示词
2. 用 AI 副驾驶原型化轻量工具与脚本
3. 为后台与合规设计工作流自动化

而加密货币、DeFi、开放银行与嵌入式金融、平台与生态、监管科技（RegTech／SupTech）、数字资产、支付、借贷这些 FinTech 话题——官网明确说它们是「应用练习的语境，而非核心大纲」。

课程结束时你手上会有一套可带走的实物产出：提示词包、工作流设计、轻量原型与控制文档。

大纲按 12 个教学周排，每周双讲：

• 第 1–4 周技能打底：AI 在金融中的角色与核心概念、提示词工程、AI 辅助数据工作、原型化（vibe coding）与工具／API。
• 第 5–9 周场景演练：加密货币与 DeFi、RPA 基础、文档与知识自动化、客户前台风控、风险与合规流程。
• 第 10–12 周收口：商业论证、治理实践、结课演示。

结构是「技能三件套 × 金融场景八类」：前四周打底、五到九周换着场景练、最后三周把产出包装成商业论证与治理规范。

关键是最后一句：期末那份反思报告的素材，就是这么一周周攒出来的。

和国内金融科技课有什么不同？

最大的差别在组织方式：国内金融科技课多按技术板块讲（区块链、大数据、AI 各一章）；本课按「工作流」组织——技术只是原料，产出是可上线的提示词包与自动化设计。

• 明写不建模。 不推公式、不训模型，考的是概念适配判断与工作流设计；技术背景更强的学生被建议另修配套模块。
• AI 使用规范本身是教学内容。 官网规定使用必须显式记录并批判性复核，过度依赖未核查的 AI 内容会被扣分——国内课程对 AI 使用普遍没有成文规范。
• 考核是 100% 一篇反思报告、无考试。 反思性写作国内几乎不考。
• 小组挑战全程形成性。 演示加问答但不计分，评价重心放在个人成长轨迹上——国内小组作业几乎都计分。

考核怎么算？

Individual report（个人反思报告）占 100%。

报告题目是 "My Financial Technology Journey"，要求：

• 2000 词（±10%）
• 引用课程概念与文献
• 整合每周学习日志
• 评分看四项：反思深度、概念运用、日志整合、学术写作

补考与重修都按 Individual report 100% 计（Repeat type: Internal & External）。

另有一项 Group AI & Automation Implementation Challenge——形成性、不计分：3–5 人小组为一个金融流程设计 AI 加自动化方案（流程图、提示词包、控制与商业论证），配演示加问答。

还有一条最容易被忽略但会直接扣分的规则：AI 工具的使用必须显式记录并批判性复核——例如提示登记、核查了什么内容、用什么方式核查。学校官网原话是 "over-reliance on unchecked AI-generated content is penalised"，即过度依赖未核查的 AI 生成内容会被扣分。

几点判断：

• 一篇反思报告定全部成绩，学习日志就是分数原料仓。 有利的一面：能持续记录的人占优；不利的一面：日志断档者素材先天不足，临场补不出来。
• 2000 词不算长，但要求高。 词数限制意味着不能靠堆内容，只能靠「哪几周真的改变了你的判断」这种精选——这恰恰是最难凑的部分，因为它必须是真的。
• 小组挑战不计分，但不是可选项。 它是「团队与演示」素材的唯一来源，弃做等于让报告里关于协作的那部分无据可写。
• AI 使用规范是一条硬规则。 用 AI 没问题，不记录、不复核才扣分——这既是合规要求，也在训练你日后在职场的做法。
• 补考与重修都是同一篇反思报告。 没有换题型的余地，靠的是整学期的积累。

先修要求是什么？

学校官网明确写了先修预期，这是本批少数把门槛画清楚的模块：

• 面向 MSc (Finance) 或等价项目学生。
• 预设你接触过核心金融内容：公司金融、投资学、基础风险管理，以及入门统计。
• 不要求编程经验（"Prior programming experience is not required"）——这门课就是为零编程的金融学生设计的。
• 技术背景更强的学生，学校建议选修配套的 "AI and Machine Learning in Finance" 模块，以获得更深的建模与编程训练。

适合谁：

• 金融背景、想在 AI 时代的金融服务岗位（产品、运营、风控、合规）保持竞争力的学生——这门课教的正是这些岗位正在发生的工具变革。
• 动手意愿强但编程零基础的学生：AI 副驾驶代写代码，门槛被刻意移除。
• 自律、愿意每周记录与反思的学生——分数与日志直接挂钩。

不太适合：

• 想学机器学习数学与建模的学生。官网明示另设配套课。
• 指望「用 AI 代写」混学分的学生。未核查的 AI 产出会被扣分，这条路是堵死的。

学完能做什么？

核心是四件事：能解释金融服务相关的核心 AI 与机器学习概念（到足以评估业务适配度的水平）；能描述 AI 工具在金融各岗位的使用并区分建模、工具使用、代理式工作流与流程自动化四种形态；能把金融问题翻译成合适的 AI 任务并选对工具类型；能按准确性、控制、可审计性与韧性评估 AI 方案。

学校官网的成果分两组：

• 知识与理解：解释金融服务相关的核心 AI／机器学习概念（监督与无监督、分类排序、预测、自然语言处理、生成式模型与 AI 代理），达到足以评估业务适配度的水平；描述 AI 工具在金融各岗位的使用，并区分 model-building、tool use、agentic workflows 与 process automation 四种形态。
• 专业智识与研究技能：把金融问题翻译成合适的 AI 任务并选对工具类型；产出从业者导向的交付物（提示词包、操作规程、控制清单、商业论证）；按准确性、控制、可审计性与韧性评估 AI 方案。
• 可迁移与通用技能：在多元团队中分析案例并展示；对 AI 生成内容行使批判性判断（核查逻辑、计算与合规）；向非专业受众讲清概念；与 AI 协作并记录使用。

四层成果从下到上是：懂概念 → 会选型 → 能产出 → 敢把关。最易被低估的是最后一层——「审 AI」在这门课里与「用 AI」并列。

那句「区分四种形态」也值得单拎：很多人在职场里分不清「用工具」和「做自动化」是两件事，而这两件事的控制要求完全不同。

能力上，拿到一个金融流程你能走完「拆解—选型—提示词—原型—控制—论证」全流程——这正是金融机构 AI 转型项目里业务侧专家的角色。

去向上，金融机构的数字化与流程自动化岗、产品与运营分析岗、合规科技相关岗位直接对口；对咨询公司的金融数字化条线同样是硬通货。

这门课的交付物本身就是作品集——提示词包加自动化设计加控制文档，面试时演示「我怎么让 AI 在合规约束下干活」，比任何证书都直观。

难点与常见挂因

这门课的技术门槛被刻意压低，难点全在别处：七件事同时要过关——接受「不建模」的定位反转、把提示词写到精确、养成可审计思维、补金融运营的领域知识、把自己的 AI 使用记录成台账、写出一篇真正的反思报告、以及全程不断的日志纪律。100% 一篇报告，所有素材只能靠整学期累积。

为什么中国学生容易在这里卡？

• 「应用而非建模」的定位反转，会让习惯「学一门技术考一门技术」的人失手。 国内金融科技课多讲技术原理，学生面对「选型与设计」的开放题反而不会下笔——而选型题常常没有唯一答案，论证比结论值钱。 你写「我用 X」不得分，写「为什么是 X 而不是 Y、边界在哪」才得分。这一段是全课最容易走错方向的地方。
• 提示词的精确性是硬功夫。 结构化输出、假设显式化、不确定性表达、敏感性情景，都要在提示里约定好。国内学生第一次写「给 AI 的需求文档」，写出来的提示含糊，AI 输出一轮就跑偏，作业反复返工。
• 可审计性思维是最陌生的一层。 每个产出都要有控制痕迹：提示登记、验证记录、例外处理。国内作业文化重结果轻留痕，学生交出的方案常「能跑但说不清怎么核」——审计视角的评审一眼就挑得破。
• 金融场景自带监管语义。 KYC、交易监控、监管报送这些场景，提示词与自动化设计必须嵌入这些约束。不熟金融运营的学生把流程做成「通用自动化」，在真实感与合规性上双失分。
• 反思报告是一种完全陌生的文体。 100% 成绩是一篇第一人称成长叙事加理论对照的报告，要引用课程概念并整合每周日志。写成课程总结或流水账，没有「当时的判断—后来的修正」结构，就丢掉了最重要的评分项。国内本科几乎没有反思性学术写作训练。
• 金融运营英语是缺口。 onboarding、KYC、transaction monitoring、regulatory change 这套词汇，国内金融教学少接触——把合规术语当普通英语读，输出方案就跑偏。
• AI 使用必须有台账。 学校要求显式记录并批判性复核，过度依赖未核查内容会被扣分。直接把 AI 产出贴进作业、无使用记录，是最容易踩线的一种失分。
• 小组演示的问答环节容易卡。 演示加问答评的是表达与真实感。台词背熟但被追问「控制设计」就答不上——恰恰是这门课最看重的那一层。
• 全程自学占比很高，跟不上就滚雪球。 第 4 周的 vibe coding 没跟上，后面 RPA 与流程周全面被动。
• 书单跨三条线，阅读量不小。 FinTech、AI 协作、DeFi 各有推荐书，报告还要求引用学术文献——引用只有课本没有文献，学术写作那一项就落不住。

卡住之后会发生什么？

• 日志断档：报告没有素材可整合，反思深度这一项直接落空。
• 提示词写得含糊：AI 输出总需大改，作业反复返工。
• 方案没有控制设计：评审问「错了怎么兜底」答不上。
• AI 使用无台账：交付物说不清哪部分是 AI 生成的，触发扣分。
• 反思写成总结：段落里没有「我原以为……后来发现……」，读起来是课程回顾不是成长记录。
• 小组演示缺席贡献：素材与协作记录双失。
• 定位反转没接受：还在写「技术原理」，而题目要的是「选型与设计」。

五处高频卡点

1. 定位反转：从「学技术」切到「选型与设计」。
2. 提示词精确性：输出结构、假设、不确定性三件。
3. 可审计性：提示登记、验证记录、例外处理。
4. 反思文体：判断—证据—修正三步。
5. 日志纪律：每周不断档。

常见挂因与对应动作

• 日志断档。 机制：报告要求整合每周日志，素材靠平时积累。早期信号：第三周日志已经空着。怎么补：每周固定三问当日写完，期中自查无空周。
• 提示词写得含糊。 机制：没练结构化输出与假设显式化。早期信号：AI 输出总需大改才能用。怎么补：每类金融任务备一个含「输出结构＋假设＋不确定性」的提示模板，连练十次。
• 方案没有控制设计。 机制：重功能轻审计，缺例外处理与留痕。早期信号：被问「错了怎么兜底」答不上。怎么补：每个方案强制含例外处理、验证记录、审计轨迹三件套。
• AI 使用无台账。 机制：直接贴 AI 产出不留痕，触发扣分条款。早期信号：交付物说不清哪部分是 AI 生成的。怎么补：第一周起建提示登记台账，每份交付附台账。
• 反思写成总结。 机制：只述事实不写判断变化。早期信号：段落里没有「我原以为……后来发现……」。怎么补：每段反思按「判断—证据—修正」三步写，全篇至少五处。
• 小组演示缺席贡献。 机制：形成性项目弃做，素材与协作记录双失。早期信号：组内分工没有自己名字。怎么补：主动认领流程图或控制设计模块，演示至少主讲一段。

留学生特别提醒

中国学生最容易在七处吃亏：反思文体完全陌生、金融运营英语缺位、AI 使用无台账、提示词写得含糊、方案缺控制设计、演示问答卡壳、学习日志断档。

• 每周日志固定三问（学了什么／哪里错了／下次怎么改）；能对任意两周的日志写出前后变化才算够。
• 开课前整理一张「金融运营合规术语表」，每个词配一句监管语境；读题时能圈出全部合规约束才算够。
• 从第一周起建「AI 使用台账」（日期／任务／提示／核查方式）；每份交付物附台账，连续一学期不断档才算够。
• 每类金融任务备一个提示模板（输出结构＋假设＋不确定性）；连续练十次后，AI 输出一轮就能用才算够。
• 每次演示前排练一次「恶意问答」，请同伴专问控制与例外处理；连续三次不被问倒才算够。
• 每两周精读一本推荐书的核心章节并记三张概念卡；报告引用文献达到规定量且格式统一才算够。
• 把每周内容拆成「概念卡＋一次实操」两件套，当周清零；落后超过一周就向模块负责人预约答疑，别让它滚下去。

怎么准备？

准备的关键是三条：先把金融运营与合规的语言补上、把 AI 使用台账与日志从第一周就建起来、把提示词与控制设计当成核心技能练。

• 术语补底：金融运营合规术语表一张，KYC、交易监控、监管报送、onboarding 各配监管语境。
• AI 台账：日期、任务、提示、核查方式四列，从第一周开始写，每份交付附一份。
• 日志三问：学了什么、哪里错了、下次怎么改——每周固定时间写，不留空周。
• 提示模板：输出结构、假设显式化、不确定性表达、敏感性情景四要素，每类任务一个。
• 控制三件套：例外处理、验证记录、审计轨迹——每个方案强制包含。
• 选型对比表：建模／工具使用／代理式工作流／流程自动化四种形态各写适用场景与不适用场景。
• 书单三条线：FinTech、AI 协作、DeFi 各选一本，每两周精读核心章节并记三张概念卡。
• 小组角色：主动认领流程图或控制设计，演示至少主讲一段，留书面产出。
• 恶问排练：演示前请同伴专问控制与例外处理。
• 报告骨架：按「判断—证据—修正」组织，全篇至少五处判断变化，引用概念与文献。
• 概念对照：把课程概念与自己每周的实操一一对应，报告里的理论段就从这里长出来。

中英术语速查

• FinTech —— 金融科技：用技术重塑金融服务的领域。
• prompt engineering —— 提示词工程：设计输入以引导模型输出。
• prompt pack —— 提示词包：成套可复用的提示模板。
• AI copilot —— AI 副驾驶：辅助人完成任务的 AI 工具。
• agentic workflow —— 代理式工作流：由 AI 代理串联多步任务。
• RPA (robotic process automation) —— 机器人流程自动化。
• process automation —— 流程自动化：把重复流程交由系统执行。
• vibe coding —— 凭 AI 辅助快速写出可用代码的做法。
• DeFi (decentralised finance) —— 去中心化金融。
• open banking —— 开放银行：经授权共享银行数据的机制。
• embedded finance —— 嵌入式金融：把金融服务嵌入非金融场景。
• RegTech —— 监管科技：服务于合规的技术方案。
• SupTech —— 监管科技（监管方侧）：监管机构使用的技术。
• digital assets —— 数字资产。
• KYC (know your customer) —— 客户身份识别。
• transaction monitoring —— 交易监控：识别异常交易。
• regulatory reporting —— 监管报送。
• auditability —— 可审计性：过程可被独立核查的程度。
• control design —— 控制设计：为防范错误与风险设的机制。
• exception handling —— 例外处理：非标准情况的处置逻辑。
• audit trail —— 审计轨迹：操作的可追溯记录。
• learning log —— 学习日志：记录每周学习与反思的文档。
• reflective report —— 反思报告：以自我判断变化为主线的写作。

关于我们

鱼之跃做在读留学生的学业支持，服务分两块，界限很清楚：

辅导＝老师授课：由 QS 前 200 院校的硕博老师把课程的知识点、推导链、作业要求讲透，按对口专业配课；覆盖同步辅导、论文辅导、考前辅导、预习。

护航＝你的学业管家：排计划、理材料、理流程这些杂事都替你打点好，该提前准备的他先想到；你只管学，有事随时找，需要时都在。同地区的留学学姐，熟悉你所在学校的节奏。

学术问题上的申诉，我们做材料梳理与流程陪跑，不代写、不代考、不碰学术诚信边界，也不承诺任何成绩。

课程官网与核对说明

课程官网（学校官网）：https://www.southampton.ac.uk/courses/2026-27/modules/mang6606

本文涉及学校、模块代码、学分、层级、学期、学年、模块负责人、课程定位（明写非建模课）、三项核心技能、八类 FinTech 应用语境、12 周教学结构、教学形式与每周学习日志要求、教材书单、考核结构（个人反思报告 100%、2000 词 ±10%、四项评分维度、形成性小组挑战、补考与重修均报告 100%、Repeat type Internal & External）、AI 使用记录与核查规则、先修预期与配套模块建议的事实，均来自上述学校官网模块页；核对时间为 2026-10-30。文中「与国内课程差异、先修判断、难点、适合谁、怎么准备、学完能力」等属于基于课程内容的分析与学习建议，不代表学校官方要求。

← 学业指南首页课程库