達觀數(shù)據(jù)案例

該Agent案例由達觀數(shù)據(jù)投遞并參與金猿組委會×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟共同推出的《2025中國大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎項評選。

在人工智能邁入2.0時代的浪潮下，以大語言模型（LLM）、機器人流程自動化（RPA）、光學(xué)字符識別（OCR）為核心的Data Agent技術(shù)，正成為金融行業(yè)數(shù)字化轉(zhuǎn)型的關(guān)鍵引擎。作為浦發(fā)銀行旗下專注資產(chǎn)管理的核心機構(gòu)，浦銀理財緊跟行業(yè)趨勢，以“全面建設(shè)國際競爭力一流資產(chǎn)管理機構(gòu)”為戰(zhàn)略目標(biāo)，在數(shù)字化建設(shè)中已完成“線上化”夯實與“數(shù)智化”開啟的階段性突破，亟需向“生態(tài)化”升級邁進。然而，金融資管行業(yè)的復(fù)雜性導(dǎo)致浦銀理財面臨核心痛點：內(nèi)部沉淀了海量合規(guī)文件、投研報告、產(chǎn)品資料、系統(tǒng)手冊等非結(jié)構(gòu)化與結(jié)構(gòu)化數(shù)據(jù)，但分散存儲于不同系統(tǒng)，形成“數(shù)據(jù)孤島”，員工需耗費大量時間跨平臺檢索信息；日常辦公中，個人證券投資申報、費用支付檢查、交易劃款要素審核等流程步驟繁瑣、重復(fù)性高，依賴人工多節(jié)點操作，效率低下；跨部門協(xié)作時，信息傳遞存在延遲與偏差，業(yè)務(wù)流程銜接不暢。

在此背景下，傳統(tǒng)工具已無法滿足“高效協(xié)同、智能決策”的需求，浦銀理財迫切需要一款具備自主感知、記憶、規(guī)劃與行動能力的Data Agent解決方案。達觀數(shù)據(jù)基于自身在Agent、大模型應(yīng)用領(lǐng)域的深厚積累，與浦銀理財聯(lián)合打造“智浦小鹿”員工數(shù)字助理項目，以Data Agent技術(shù)為核心，整合大模型、RPA、OCR、知識圖譜等能力，構(gòu)建覆蓋知識服務(wù)、流程自動化、數(shù)據(jù)分析的全場景智能體，實現(xiàn)從“被動工具調(diào)用”到“主動智能服務(wù)”的轉(zhuǎn)型，為金融行業(yè)Data Agent落地樹立標(biāo)桿。

時間周期：

開始時間：2024年11月底

中間重要時間節(jié)點：2025年4月底（業(yè)務(wù)深度集成）：Agent對接資金清算系統(tǒng)、上線5個部門專屬知識庫，證券投資申報自動化流程落地

完結(jié)時間：2025年下半年完成，然后進行二期能力建設(shè)：重點落地AI審核（如交易要素校驗）、智能寫作（如信托貸款評估報告）功能。

Data Agent 應(yīng)用需求

1.客戶核心Data Agent應(yīng)用需求

浦銀理財基于業(yè)務(wù)痛點與戰(zhàn)略升級目標(biāo)，提出明確的Data Agent類核心需求：

·知識服務(wù)智能化需求：需構(gòu)建企業(yè)級智能知識庫，讓Data Agent能自主抓取、解析、存儲內(nèi)部制度、外部法規(guī)、產(chǎn)品文檔等多源數(shù)據(jù)，員工通過自然語言交互即可快速獲取精準(zhǔn)答案，并追溯答案來源，解決“知識查找難、核驗難”問題。

·員工服務(wù)自動化需求：要求Data Agent具備流程調(diào)度能力，能自主識別員工意圖，調(diào)用RPA、API接口等工具，自動化完成個人證券投資申報、賬單整理、會議安排、交易劃款要素審核等重復(fù)性工作，折疊任務(wù)處理時間。

·數(shù)據(jù)交互一體化需求：需打破原有多系統(tǒng)獨立運行的“業(yè)務(wù)孤島”現(xiàn)狀，讓Data Agent成為統(tǒng)一交互入口，實現(xiàn)跨系統(tǒng)數(shù)據(jù)串聯(lián)與共享，支持員工通過對話式交互完成跨平臺業(yè)務(wù)辦理，降低系統(tǒng)學(xué)習(xí)與操作成本。

·模型服務(wù)安全化需求：作為金融機構(gòu)，數(shù)據(jù)安全與合規(guī)是底線，要求Data Agent采用本地化部署模式，實現(xiàn)模型訓(xùn)練、推理、數(shù)據(jù)應(yīng)用全流程安全可控，同時具備靈活擴展能力，支撐未來新業(yè)務(wù)場景的快速接入。

·分析決策智能化需求：需Data Agent具備數(shù)據(jù)分析與生成能力，能自主處理同業(yè)信披文件、市場數(shù)據(jù)等海量信息，提取核心指標(biāo)、生成分析報告，為投研、運營等部門提供決策支持。

2.需求拆解與Data Agent概念理解

達觀數(shù)據(jù)基于對Data Agent“感知-記憶-規(guī)劃-行動”核心屬性的深刻理解，將浦銀理財?shù)男枨蟛鸾鉃槿蠛诵木S度，并針對性構(gòu)建解決方案：

·對Data Agent的核心認知：Data Agent并非簡單的工具疊加，而是具備自主決策能力的“數(shù)字員工”——通過“感知”模塊理解自然語言指令與業(yè)務(wù)場景；“記憶”模塊依托向量數(shù)據(jù)庫與知識庫存儲短期會話上下文和長期業(yè)務(wù)知識；“規(guī)劃”模塊通過大模型拆解復(fù)雜任務(wù)為可執(zhí)行子目標(biāo)；“行動”模塊調(diào)用RPA、API、OCR等工具完成任務(wù)執(zhí)行與結(jié)果反饋，形成閉環(huán)。

·需求拆解與解決方案落地：

針對“知識服務(wù)智能化”需求：構(gòu)建多維度知識庫體系，支持按部門、業(yè)務(wù)場景創(chuàng)建專屬知識庫，Data Agent通過RAG（檢索增強生成）技術(shù)，實現(xiàn)知識精準(zhǔn)召回與答案生成，同時提供知識溯源功能，確保信息權(quán)威性。

針對“流程自動化”需求：設(shè)計Data Agent流程調(diào)度中心，內(nèi)置員工證券申報、文件打印、交易要素審核等標(biāo)準(zhǔn)化RPA流程，員工通過自然語言觸發(fā)后，Agent自主完成跨系統(tǒng)操作，無需人工干預(yù)。

針對“數(shù)據(jù)交互一體化”需求：打造全端統(tǒng)一入口（桌面端、Web端、移動端），Data Agent通過MCP（Model Context Protocol）協(xié)議對接浦銀理財資金清算系統(tǒng)、資管系統(tǒng)、估值系統(tǒng)等核心業(yè)務(wù)平臺，實現(xiàn)“一次對話、多系統(tǒng)協(xié)同”。

針對“安全化與擴展性”需求：采用私有化部署模式，搭建大模型管理中臺，實現(xiàn)模型訓(xùn)練、部署、監(jiān)控全生命周期管控；同時提供開放API接口，支持新業(yè)務(wù)場景與工具的快速接入，滿足“生態(tài)化”升級需求。

針對“分析決策智能化”需求：賦予Data Agent NL2SQL（自然語言轉(zhuǎn)SQL）、智能摘要、報告生成能力，能自主對接數(shù)據(jù)中臺，完成業(yè)務(wù)數(shù)據(jù)查詢、同業(yè)信息分析，并生成結(jié)構(gòu)化報告，輔助管理層決策。

面臨挑戰(zhàn)

1.系統(tǒng)架構(gòu)層面的Data Agent適配挑戰(zhàn)

浦銀理財內(nèi)部現(xiàn)有核心業(yè)務(wù)系統(tǒng)達10余種，包括資金清算系統(tǒng)、資管系統(tǒng)、估值系統(tǒng)、TA系統(tǒng)等，各系統(tǒng)開發(fā)語言、數(shù)據(jù)格式、接口標(biāo)準(zhǔn)不統(tǒng)一，形成“技術(shù)孤島”。Data Agent作為跨系統(tǒng)協(xié)同的核心樞紐，需同時兼容 Python、Java、C#等多語言開發(fā)的系統(tǒng)，實現(xiàn)數(shù)據(jù)無縫對接與流程調(diào)度，這對Agent的接口適配能力提出極高要求。此外，部分老舊系統(tǒng)無開放API，需通過非侵入式方式實現(xiàn)集成，避免影響原有系統(tǒng)穩(wěn)定運行，增加了Data Agent的技術(shù)實現(xiàn)難度。

2.數(shù)據(jù)治理層面的Data Agent賦能挑戰(zhàn)

浦銀理財?shù)臄?shù)據(jù)類型復(fù)雜多樣，涵蓋PDF、Word、Excel等非結(jié)構(gòu)化文檔，以及數(shù)據(jù)庫中的結(jié)構(gòu)化業(yè)務(wù)數(shù)據(jù)，且存在數(shù)據(jù)格式不統(tǒng)一、部分文檔掃描件清晰度不足、數(shù)據(jù)重復(fù)或缺失等問題。Data Agent需先完成海量數(shù)據(jù)的清洗、標(biāo)準(zhǔn)化處理與向量化存儲，才能實現(xiàn)高效檢索與分析。同時，金融數(shù)據(jù)具備高敏感性，Data Agent在數(shù)據(jù)提取、傳輸、使用過程中，需嚴(yán)格遵循金融行業(yè)合規(guī)要求，實現(xiàn)精細化權(quán)限管控，確保不同崗位員工僅能訪問權(quán)限范圍內(nèi)的數(shù)據(jù)，這對Agent的安全管控能力構(gòu)成嚴(yán)峻考驗。

3.組織協(xié)作層面的Data Agent落地挑戰(zhàn)

浦銀理財業(yè)務(wù)部門涵蓋投研、財務(wù)、資金、產(chǎn)品、運營等多個條線，各部門業(yè)務(wù)場景差異化顯著：投研部門需Data Agent處理海量同業(yè)信披文件并生成分析報告，運營部門側(cè)重流程自動化，合規(guī)部門關(guān)注制度問答與風(fēng)險審核。不同部門對Data Agent的功能需求、使用習(xí)慣存在差異，需協(xié)調(diào)跨部門資源進行需求梳理與場景適配。此外，部分員工對Data Agent的接受度與操作熟練度不足，需在推廣過程中進行針對性培訓(xùn)，確保Agent能真正融入日常工作流程，避免“技術(shù)落地但業(yè)務(wù)閑置”的情況。

4.Data Agent核心能力的適配挑戰(zhàn)

金融業(yè)務(wù)場景的復(fù)雜性對Data Agent的核心能力提出多重考驗：一是意圖識別的精準(zhǔn)性，員工提問可能存在模糊性（如“查詢最近的銷售數(shù)據(jù)”），Agent需通過反問澄清時間范圍、數(shù)據(jù)維度等關(guān)鍵信息，避免理解偏差；二是專業(yè)術(shù)語的適配性，不同部門存在專屬“黑話”（如“R12M”“首單人數(shù)”），Agent 需構(gòu)建企業(yè)內(nèi)部專有名詞庫，確保能準(zhǔn)確理解跨部門業(yè)務(wù)指令；三是復(fù)雜任務(wù)的規(guī)劃能力，部分業(yè)務(wù)場景（如信托貸款評估報告生成）需多步驟協(xié)同（材料提取-數(shù)據(jù)分析-報告撰寫），Agent需能自主拆解子任務(wù)，調(diào)度OCR、智能寫作等工具完成閉環(huán)；四是系統(tǒng)穩(wěn)定性的高要求，金融業(yè)務(wù)的連續(xù)性至關(guān)重要，Data Agent需支持分布式部署，在節(jié)點故障時自動切換，確保7×24小時穩(wěn)定運行。

戰(zhàn)略目標(biāo)

本次“智浦小鹿”Data Agent項目的核心戰(zhàn)略目標(biāo)，是助力浦銀理財實現(xiàn)“數(shù)據(jù)驅(qū)動決策、智能賦能業(yè)務(wù)”的數(shù)字化轉(zhuǎn)型，構(gòu)建金融行業(yè)領(lǐng)先的Data Agent生態(tài)體系，具體分為三大維度：

1.頂層戰(zhàn)略轉(zhuǎn)型，打造企業(yè)“數(shù)字大腦”

以Data Agent技術(shù)為核心，打破數(shù)據(jù)與系統(tǒng)壁壘，構(gòu)建覆蓋全業(yè)務(wù)、全流程的智能中樞，實現(xiàn)從“人工驅(qū)動”到“數(shù)據(jù)與智能雙驅(qū)動”的轉(zhuǎn)型。通過整合內(nèi)外部數(shù)據(jù)資源，讓Data Agent成為企業(yè)知識的“沉淀者”、業(yè)務(wù)流程的“優(yōu)化者”、決策支持的“賦能者”，為浦銀理財“生態(tài)化”數(shù)字化建設(shè)奠定核心基礎(chǔ)，強化其在資產(chǎn)管理領(lǐng)域的核心競爭力。

2.業(yè)務(wù)效能提升，實現(xiàn)“降本增效”與“風(fēng)險可控”

短期目標(biāo)是通過Data Agent自動化處理重復(fù)性、基礎(chǔ)性工作，將員工從繁瑣的信息檢索、流程操作中解放出來，預(yù)計員工工作效率提升3倍以上，每年創(chuàng)造百萬元級經(jīng)濟效益；中期目標(biāo)是通過知識服務(wù)智能化，降低業(yè)務(wù)學(xué)習(xí)成本，加速新員工融入，提升跨部門協(xié)作效率；長期目標(biāo)是借助Data Agent的數(shù)據(jù)分析與風(fēng)險識別能力，提前預(yù)警業(yè)務(wù)合規(guī)風(fēng)險、交易風(fēng)險，實現(xiàn)“風(fēng)險前置管控”，保障資產(chǎn)管理業(yè)務(wù)的穩(wěn)健發(fā)展。

3.行業(yè)標(biāo)桿構(gòu)建，引領(lǐng)金融Data Agent應(yīng)用范式

依托浦銀理財?shù)男袠I(yè)影響力與達觀數(shù)據(jù)的技術(shù)實力，將“智浦小鹿”打造為金融資管領(lǐng)域Data Agent落地的標(biāo)桿案例，形成可復(fù)制、可推廣的解決方案。通過場景拓展與能力升級，逐步將Data Agent從內(nèi)部員工服務(wù)延伸至客戶服務(wù)、投研決策、風(fēng)險管控等更多金融場景，不僅助力浦銀理財成為“新時代金融業(yè)高質(zhì)量發(fā)展的排頭兵”，更推動Data Agent技術(shù)在金融行業(yè)的標(biāo)準(zhǔn)化應(yīng)用，為行業(yè)數(shù)字化轉(zhuǎn)型提供實踐樣本。

實施與部署過程

1.項目總體實施方法論

本項目采用“頂層設(shè)計、分步實施、敏捷迭代、持續(xù)運營”的總體實施策略。項目實施遵循“平臺先行、場景驅(qū)動、價值驗證、規(guī)模推廣”的路徑，具體分為四個階段：

·基礎(chǔ)平臺建設(shè)階段（2024年11月底）：搭建大模型基礎(chǔ)平臺，構(gòu)建Data Agent核心框架，上線小鹿客戶端。

·核心場景驗證階段（2024年12月底）：選擇7大部門的高頻場景進行深度驗證。

·全面推廣階段（2025年2月-4月）：業(yè)務(wù)深度集成，覆蓋20+系統(tǒng)，100+業(yè)務(wù)流程，對接資金清算系統(tǒng)、上線5個部門專屬知識庫，證券投資申報自動化流程落地。

·持續(xù)運營優(yōu)化階段（2025年下半年）：建立運營機制，持續(xù)優(yōu)化迭代，并且開啟二期能力建設(shè)，重點落地AI審核（如交易要素校驗）、智能寫作（如信托貸款評估報告）功能。

2.Data Agent的職能角色定位

“智浦小鹿”并非傳統(tǒng)意義上的單一功能系統(tǒng)，而是被定位為企業(yè)級的智能數(shù)字員工，具備以下多維度職能角色：

·知識小管家：整合企業(yè)級知識庫，實現(xiàn)合規(guī)制度、業(yè)務(wù)手冊、產(chǎn)品信息等知識的智能檢索與精準(zhǔn)問答，支持答案溯源與原文定位，解決知識獲取低效問題；

·辦公小助理：通過自然語言交互觸發(fā)RPA自動化流程，覆蓋個人證券投資申報、會議安排、文檔打印、流程審批等高頻辦公場景，折疊重復(fù)性工作時長；

·運營小秘書：自動化處理賬單整理、郵件答復(fù)、交易要素審核、報表生成等運營任務(wù)，降低人工操作失誤率，提升流程處理效率；

·分析小顧問：具備NL2SQL/NL2API數(shù)據(jù)查詢、多維度數(shù)據(jù)分析、智能報告生成能力，支持員工通過自然語言獲取業(yè)務(wù)數(shù)據(jù)洞察，為決策提供支撐。

“智浦小鹿”之所以能夠具備如此全面的能力，得益于其背后強大的“AI服務(wù)中臺”。這個中臺是整個數(shù)智化平臺的“發(fā)動機”，它提供了可復(fù)用、可調(diào)用的AI能力，支撐著“智浦小鹿”的各項功能。

·知識服務(wù)智能化：中臺提供了文本識別和提取、問答庫構(gòu)建、外掛知識庫等能力，這是“知識小管家”功能的基礎(chǔ)。它使得“智浦小鹿”能夠理解和利用浦銀理財內(nèi)部的專業(yè)知識，確?；卮鸬膶I(yè)性和準(zhǔn)確性。

·員工服務(wù)自動化：通過對接和調(diào)用各類API（應(yīng)用程序編程接口），中臺實現(xiàn)了對業(yè)務(wù)系統(tǒng)的自動化控制，這正是“辦公小助理”和“運營小秘書”能夠執(zhí)行復(fù)雜操作的關(guān)鍵。

·模型服務(wù)本地化：中臺將核心模型服務(wù)部署在本地，確保了數(shù)據(jù)安全和隱私保護，同時降低了對外部網(wǎng)絡(luò)的依賴，提高了系統(tǒng)穩(wěn)定性。

·輔助不決策：這是浦銀理財對AI應(yīng)用的一個重要原則。AI中臺的能力是“對內(nèi)不對外”，旨在輔助員工完成任務(wù)，提供決策支持，但最終的決策權(quán)仍然在人。這確保AI作為工具的定位，既能提升效率，又能避免潛在的風(fēng)險。

3.系統(tǒng)架構(gòu)設(shè)計與實現(xiàn)

智浦小鹿采用“分層解耦、中臺化設(shè)計、全端覆蓋”的架構(gòu)體系，整體分為數(shù)據(jù)層、模型層、Agent層、應(yīng)用層四大核心層級，同時構(gòu)建智能模型中臺與管理中臺，形成“兩層四階”的完整技術(shù)架構(gòu)，確保Data Agent的高可用性、擴展性與安全性。

·數(shù)據(jù)層：統(tǒng)一數(shù)據(jù)湖構(gòu)建

數(shù)據(jù)層作為Data Agent的“燃料供給中心”，整合浦銀理財內(nèi)部核心系統(tǒng)數(shù)據(jù)與外部合規(guī)數(shù)據(jù)，形成統(tǒng)一數(shù)據(jù)湖。具體包括：

結(jié)構(gòu)化數(shù)據(jù)：來自資金清算系統(tǒng)、資管系統(tǒng)、估值核算系統(tǒng)、TA系統(tǒng)等業(yè)務(wù)系統(tǒng)的交易數(shù)據(jù)、產(chǎn)品數(shù)據(jù)、客戶數(shù)據(jù)等，通過JDBC/API接口實時同步至關(guān)系型數(shù)據(jù)庫（MySQL）與分布式緩存（Redis）；

非結(jié)構(gòu)化數(shù)據(jù)：涵蓋公司制度庫、外部法規(guī)庫、產(chǎn)品文檔庫、系統(tǒng)手冊庫、投研報告等10萬+份文檔，支持PDF、Word、Excel、PPT等多格式解析，通過OCR技術(shù)提取圖像類文檔文本信息，經(jīng)清洗、切塊、向量化后存入向量數(shù)據(jù)庫（Milvus）；

半結(jié)構(gòu)化數(shù)據(jù)：包括郵件、賬單、交易單等，通過結(jié)構(gòu)化抽取模塊提取關(guān)鍵字段，形成標(biāo)準(zhǔn)化數(shù)據(jù)結(jié)構(gòu)。

數(shù)據(jù)層采用“實時同步+批量更新”的混合同步策略：高頻變動數(shù)據(jù)（如產(chǎn)品凈值、交易狀態(tài)）通過API接口實時同步，低頻次數(shù)據(jù)（如制度文件、歷史報告）按日批量更新，確保數(shù)據(jù)時效性與一致性。同時，建立數(shù)據(jù)質(zhì)量校驗機制，通過字段校驗、格式校驗、邏輯校驗三重保障，數(shù)據(jù)準(zhǔn)確率達99.8%以上。

·模型層：私有化大模型集群部署

模型層是Data Agent的“智能大腦”，采用“本地部署+混合調(diào)用”的模式，構(gòu)建多模型協(xié)同的大模型服務(wù)平臺：

核心模型選型：優(yōu)先采用私有化部署的Deepseek 32B、QWen3 32B大模型作為基礎(chǔ)基座，同時兼容llama2、Baichuan、ChatGLM2等主流開源模型，支持模型靈活切換與負載均衡；

模型增強技術(shù)：

RAG（檢索增強生成）：構(gòu)建“文檔解析-文本向量化-向量召回-上下文融合”的全鏈路RAG架構(gòu)，將知識庫與大模型深度融合，解決大模型“知識過時”與“幻覺”問題，問答準(zhǔn)確率提升至92%；

Prompt工程：建立企業(yè)級Prompt庫，包含通用Prompt、場景化Prompt（如投研分析、合規(guī)問答、流程觸發(fā)）、專有名詞映射Prompt，通過Prompt 模板優(yōu)化與思維鏈（CoT）引導(dǎo)，提升大模型意圖理解準(zhǔn)確率；

RLHF訓(xùn)練：基于員工真實交互數(shù)據(jù)與業(yè)務(wù)專家反饋，開展人類反饋強化學(xué)習(xí)，持續(xù)優(yōu)化模型輸出質(zhì)量，迭代3輪后模型響應(yīng)滿意度達89%。

模型層部署于浦銀理財本地機房，采用GPU集群（8卡A100服務(wù)器×10臺）提供算力支撐，通過TensorRT推理框架優(yōu)化推理速度，單輪問答響應(yīng)時間控制在1.5秒以內(nèi)，并發(fā)處理能力達500QPS。

·Agent層：智能調(diào)度與任務(wù)執(zhí)行核心

Agent層是Data Agent的“決策與執(zhí)行中樞”，負責(zé)解析用戶意圖、分解任務(wù)、調(diào)度工具、執(zhí)行流程，核心由三大模塊構(gòu)成：

意圖理解模塊：基于BERT模型與行業(yè)詞典，實現(xiàn)用戶自然語言的意圖識別（準(zhǔn)確率95%）、實體提取（如產(chǎn)品代碼、日期、流程名稱）與歧義消解，支持模糊查詢的反問澄清（如用戶問“最近資產(chǎn)情況”，自動反問時間范圍、指標(biāo)類型）；

任務(wù)規(guī)劃模塊：采用“子目標(biāo)分解+思維鏈引導(dǎo)”策略，將復(fù)雜任務(wù)拆解為可執(zhí)行的原子任務(wù)，例如“生成2023年股票000001開盤價報告”拆解為“確定時間范圍→調(diào)用行情數(shù)據(jù)庫→提取開盤價數(shù)據(jù)→生成圖表→撰寫報告”；

工具調(diào)度模塊：構(gòu)建工具庫，整合RPA機器人、OCR平臺、API接口、SQL查詢引擎等工具，通過MCP（Model Context Protocol）協(xié)議實現(xiàn)工具的靈活調(diào)用與流程編排，支持同步/異步執(zhí)行與結(jié)果反饋。

Agent層的核心創(chuàng)新在于實現(xiàn)了“感知-記憶-決策-行動”的閉環(huán)：通過短期記憶存儲會話上下文，長期記憶沉淀歷史交互數(shù)據(jù)與分析思路，結(jié)合反思（Reflection）機制優(yōu)化任務(wù)執(zhí)行路徑，確保復(fù)雜業(yè)務(wù)場景的高效落地。

·應(yīng)用層：全端接入與場景化呈現(xiàn)

應(yīng)用層是Data Agent的“用戶交互入口”，采用“統(tǒng)一入口+多端適配”的設(shè)計，應(yīng)用層采用對話式交互設(shè)計，無需員工學(xué)習(xí)復(fù)雜操作，覆蓋員工全場景使用需求：

核心客戶端：智浦小鹿桌面端（C#開發(fā)），支持自然語言對話、流程觸發(fā)、文檔上傳、報告下載等核心功能，集成統(tǒng)一單點登錄，與浦銀理財內(nèi)部權(quán)限系統(tǒng)同步；

擴展入口：Web端（JavaScript+React開發(fā)），提供更全面的知識庫管理、長文檔分析功能；移動端（嵌入浦銀服務(wù)號），支持輕量化問答與流程審批提醒；

系統(tǒng)集成：通過API接口嵌入智浦魔方（統(tǒng)一工作臺）及投研、風(fēng)控、運營等業(yè)務(wù)系統(tǒng)，實現(xiàn)“無感知集成”，員工無需切換平臺即可使用Agent服務(wù)。

4.核心技術(shù)

·NL2API/NL2SQL融合技術(shù)，解決“自然語言→業(yè)務(wù)數(shù)據(jù)”的高效轉(zhuǎn)化問題

技術(shù)原理：通過關(guān)鍵詞/句定義與意圖理解關(guān)聯(lián)，將員工自然語言查詢轉(zhuǎn)化為標(biāo)準(zhǔn)化API調(diào)用或SQL語句，無需員工掌握技術(shù)語法；

關(guān)鍵創(chuàng)新：預(yù)設(shè)業(yè)務(wù)關(guān)鍵詞詞典（包含500+金融專有術(shù)語、200+指標(biāo)定義），避免業(yè)務(wù)理解偏差；引入思維鏈分析與歧義反問機制，提升泛化能力，例如用戶問“某產(chǎn)品銷售費欠費情況”，自動識別產(chǎn)品代碼、時間范圍等缺失參數(shù)并反問；

應(yīng)用效果：支持資金清算系統(tǒng)、資管系統(tǒng)、估值系統(tǒng)等8大核心業(yè)務(wù)系統(tǒng)的高頻查詢，覆蓋銷售費欠費查詢、產(chǎn)品兌付狀態(tài)檢查、凈值查詢等30+場景，查詢響應(yīng)時間≤2秒，準(zhǔn)確率達96%。

·RPA與大模型的深度協(xié)同技術(shù)，實現(xiàn)辦公流程的“自然語言觸發(fā)+自動化執(zhí)行”

技術(shù)實現(xiàn)：大模型負責(zé)意圖識別與流程調(diào)度，RPA機器人負責(zé)具體操作執(zhí)行，OCR提供文檔信息提取支撐，形成“語言交互→意圖解析→流程編排→機器人執(zhí)行→結(jié)果反饋”的全鏈路自動化；

典型場景：員工個人證券投資申報流程，員工僅需在智浦小鹿客戶端輸入中國結(jié)算賬號與短信驗證碼，大模型自動調(diào)度RPA機器人完成外網(wǎng)登錄、PDF附件下載、內(nèi)網(wǎng)系統(tǒng)填報、附件上傳等多步操作，流程耗時從40分鐘縮短至5分鐘，操作步驟從12步減少至3步；

擴展能力：支持自定義RPA流程編排，員工通過可視化界面拖拽組件即可創(chuàng)建簡易流程（如文檔合并、批量打印、郵件群發(fā)），已累計上線RPA流程50+，覆蓋運營、行政、財務(wù)等多個部門。

·多模態(tài)知識管理與檢索技術(shù)，構(gòu)建企業(yè)級智能知識庫

數(shù)據(jù)處理：支持文本、圖像、音視頻等多模態(tài)數(shù)據(jù)接入，通過OCR提取掃描件文本，語音轉(zhuǎn)寫技術(shù)轉(zhuǎn)換音頻內(nèi)容，統(tǒng)一轉(zhuǎn)化為結(jié)構(gòu)化知識；

檢索機制：采用“向量檢索+關(guān)鍵詞檢索”混合策略，向量檢索負責(zé)語義相似性匹配，關(guān)鍵詞檢索確保核心信息精準(zhǔn)命中，檢索召回率達93%；

知識呈現(xiàn)：支持答案溯源與原文高亮定位，員工可查看回答對應(yīng)的參考文檔片段，點擊跳轉(zhuǎn)至完整文檔；長文檔自動生成大綱與腦圖，幫助員工快速掌握核心內(nèi)容，節(jié)省60%的文檔閱讀時間。

·安全合規(guī)管控技術(shù)，滿足金融行業(yè)數(shù)據(jù)安全要求

私有化部署：核心模型、知識庫、業(yè)務(wù)數(shù)據(jù)均部署于浦銀理財本地機房，未授權(quán)數(shù)據(jù)不出境，降低數(shù)據(jù)泄露風(fēng)險；

精細化權(quán)限管控：基于RBAC模型，實現(xiàn)“用戶-角色-權(quán)限-數(shù)據(jù)”的四級管控，不同部門、崗位員工僅能訪問權(quán)限范圍內(nèi)的知識庫與業(yè)務(wù)數(shù)據(jù)，例如投研人員無法查看財務(wù)敏感數(shù)據(jù)；

操作審計：記錄所有用戶交互日志、工具調(diào)用日志、數(shù)據(jù)查詢?nèi)罩荆С秩罩咀匪菖c審計分析，滿足監(jiān)管合規(guī)要求。

5.重要產(chǎn)品

·智浦小鹿客戶端：Data Agent核心交互入口

核心功能：自然語言問答、流程觸發(fā)、文檔上傳、報告生成、數(shù)據(jù)查詢，支持會話歷史同步、快捷流程收藏、個性化設(shè)置；

交互設(shè)計：采用“零門檻對話式交互”，無需員工記憶功能入口，例如員工說“幫我預(yù)訂明天10點的會議室”，自動觸發(fā)會議安排流程；支持多輪對話，可上下文關(guān)聯(lián)，例如后續(xù)補充“參會人員增加3人”，自動更新會議信息；

性能優(yōu)化：客戶端啟動時間≤3秒，對話響應(yīng)時間≤1.5秒，支持離線緩存常用知識庫，無網(wǎng)絡(luò)環(huán)境下可查詢歷史知識。

·智能模型中臺：技術(shù)能力支撐核心

OCR+IDP智能文檔處理：支持多格式文檔解析、表格提取、印章識別、手寫體識別，處理準(zhǔn)確率達98%，日均處理文檔1000+份；

RPA機器人平臺：提供100+預(yù)置組件，支持Web端、桌面端、移動端應(yīng)用自動化，流程成功率達99%；

大模型服務(wù)平臺：支持多模型接入與管理，提供模型微調(diào)、推理優(yōu)化、性能監(jiān)控功能，可根據(jù)業(yè)務(wù)場景靈活選擇模型，例如復(fù)雜推理場景使用Deepseek 32B，快速問答場景使用輕量化模型。

·管理后臺：運營與管控核心

問答管理：支持知識庫維護、問答對編輯、敏感詞設(shè)置、回答優(yōu)化，管理員可查看問答命中率與用戶反饋，持續(xù)優(yōu)化知識庫；

模型管理：實時監(jiān)控模型響應(yīng)時間、準(zhǔn)確率、并發(fā)量，支持模型版本管理與回滾，當(dāng)新版本模型性能不達標(biāo)時可快速切換至穩(wěn)定版本；

效能分析：提供多維度數(shù)據(jù)報表，包括用戶活躍度、流程自動化率、時間節(jié)省統(tǒng)計、部門使用情況等，幫助管理者掌握Agent服務(wù)成效。

6.創(chuàng)新思維

·“四化”建設(shè)目標(biāo)引領(lǐng)

提出“知識服務(wù)智能化、員工服務(wù)自動化、模型服務(wù)本地化、智能服務(wù)中臺化”的核心目標(biāo)，既解決當(dāng)前業(yè)務(wù)痛點，又為未來擴展奠定基礎(chǔ)。其中，模型服務(wù)本地化滿足金融行業(yè)數(shù)據(jù)安全要求，智能服務(wù)中臺化實現(xiàn)AI能力的復(fù)用與快速迭代，體現(xiàn)了“短期見效、長期賦能”的戰(zhàn)略思維。

·“以員工為中心”的交互設(shè)計

突破傳統(tǒng)GUI交互模式，采用對話式交互，降低員工使用門檻；針對模糊查詢設(shè)計反問澄清機制，針對專業(yè)術(shù)語設(shè)計自適應(yīng)理解機制，體現(xiàn)了“人性化、場景化”的產(chǎn)品思維。

·“可插拔、可擴展”的架構(gòu)設(shè)計

智能模型中臺采用模塊化設(shè)計，支持大模型、工具、插件的靈活接入與替換；知識庫支持部門級擴展與自定義配置；應(yīng)用層支持多端接入與系統(tǒng)集成，體現(xiàn)了“彈性適配、快速迭代”的技術(shù)思維。

·“安全合規(guī)優(yōu)先”的底線思維

全程貫徹金融行業(yè)安全合規(guī)要求，從私有化部署、數(shù)據(jù)加密、權(quán)限管控、操作審計等多維度構(gòu)建安全體系，確保項目符合監(jiān)管要求與數(shù)據(jù)安全標(biāo)準(zhǔn)。

7.團隊配合與項目管理

本項目由達觀數(shù)據(jù)與浦銀理財聯(lián)合組建“智浦小鹿”專項組，下設(shè)：

·業(yè)務(wù)組（浦銀理財各部門代表）：負責(zé)需求提出、場景驗證、業(yè)務(wù)培訓(xùn)。

·技術(shù)組（達觀數(shù)據(jù)架構(gòu)、算法、開發(fā)團隊）：負責(zé)系統(tǒng)設(shè)計、開發(fā)、集成與運維。

·項目管理組：負責(zé)進度控制、資源協(xié)調(diào)、風(fēng)險管控。

雙方采用敏捷開發(fā)模式，每兩周進行一次迭代評審，確保項目始終貼合業(yè)務(wù)實際需求。浦銀理財提供業(yè)務(wù)環(huán)境與數(shù)據(jù)支持，達觀數(shù)據(jù)提供技術(shù)產(chǎn)品與實施服務(wù)，形成“業(yè)務(wù)驅(qū)動、技術(shù)賦能”的良好合作機制。

生態(tài)伙伴合作

“智浦小鹿”項目作為金融行業(yè)標(biāo)桿性Data Agent應(yīng)用，其成功落地離不開多領(lǐng)域生態(tài)伙伴的深度協(xié)同。項目聚焦金融行業(yè)高安全、高可用、高合規(guī)的核心需求，聯(lián)合國產(chǎn)化操作系統(tǒng)、分布式數(shù)據(jù)庫、企業(yè)級存儲、開源中間件等領(lǐng)域頭部伙伴，構(gòu)建了“技術(shù)互補、能力協(xié)同、安全可控”的合作生態(tài)，為項目提供從底層基礎(chǔ)設(shè)施到上層技術(shù)組件的全棧支撐，確保Data Agent在復(fù)雜業(yè)務(wù)場景下穩(wěn)定高效運行。

1.國產(chǎn)化操作系統(tǒng)伙伴：麒麟軟件

項目選用麒麟V10 x86架構(gòu)操作系統(tǒng)作為底層運行環(huán)境，麒麟軟件作為核心合作伙伴，提供了全方位的技術(shù)支持與適配服務(wù)。針對金融行業(yè)數(shù)據(jù)隱私性強、合規(guī)要求高的特點，麒麟軟件為項目定制了安全加固方案，通過內(nèi)核級安全防護、細粒度權(quán)限管控、全生命周期審計日志等功能，滿足浦銀理財對數(shù)據(jù)安全與合規(guī)的嚴(yán)苛要求。

2.分布式數(shù)據(jù)庫伙伴：華為（GoldenDB）

作為項目核心數(shù)據(jù)存儲支撐，華為憑借GoldenDB分布式數(shù)據(jù)庫為智浦小鹿提供了高可用、高并發(fā)的數(shù)據(jù)存儲與處理能力。針對浦銀理財業(yè)務(wù)數(shù)據(jù)體量大、查詢頻率高的痛點，GoldenDB采用分布式架構(gòu)設(shè)計，支持數(shù)據(jù)分片存儲與并行計算，能夠輕松應(yīng)對日均百萬級別的數(shù)據(jù)讀寫請求，確保NL2API數(shù)據(jù)查詢、知識庫檢索等核心功能的秒級響應(yīng)，實現(xiàn)與浦銀理財資金清算系統(tǒng)、資管系統(tǒng)、估值系統(tǒng)等多源業(yè)務(wù)系統(tǒng)的數(shù)據(jù)實時同步，保障數(shù)據(jù)一致性與時效性。此外，GoldenDB具備完善的容災(zāi)備份機制，支持跨區(qū)域數(shù)據(jù)冗余存儲，滿足金融行業(yè)“零數(shù)據(jù)丟失”的核心要求，為Data Agent的數(shù)據(jù)分析與業(yè)務(wù)流程自動化提供了可靠的數(shù)據(jù)底座。

3.企業(yè)級對象存儲伙伴：華為（OBS）

針對項目中大量非結(jié)構(gòu)化數(shù)據(jù)的存儲需求，華為OBS（對象存儲服務(wù)）作為核心存儲伙伴，提供了高可靠、高擴展的存儲解決方案。智浦小鹿項目涉及的10萬+份企業(yè)制度、投研報告、產(chǎn)品文檔等非結(jié)構(gòu)化數(shù)據(jù)，均通過華為OBS進行集中存儲與管理。華為OBS支持PB級數(shù)據(jù)存儲容量擴展，能夠隨項目數(shù)據(jù)量增長靈活擴容，無需擔(dān)心存儲瓶頸；同時采用多副本冗余存儲技術(shù)，數(shù)據(jù)可靠性達99.999999999%，確保文檔、報告等核心知識資產(chǎn)不丟失。此外，華為OBS提供安全的訪問控制機制，與浦銀理財?shù)臋?quán)限系統(tǒng)深度集成，實現(xiàn)數(shù)據(jù)訪問的精細化管控，僅授權(quán)用戶可查看對應(yīng)權(quán)限的文檔資源，保障數(shù)據(jù)隱私安全。

4.開源中間件技術(shù)伙伴：Elastic、Redis生態(tài)

在中間件層面，項目聯(lián)合Elastic生態(tài)伙伴與Redis技術(shù)支持團隊，構(gòu)建了高效的檢索與緩存體系。針對知識庫全文檢索、長文檔關(guān)鍵詞提取等需求，項目采用Elasticsearch 8.14.1版本作為核心檢索引擎，Elastic生態(tài)伙伴提供了專業(yè)的技術(shù)優(yōu)化服務(wù)，包括索引結(jié)構(gòu)設(shè)計、查詢語句調(diào)優(yōu)、集群性能監(jiān)控等，通過分詞算法優(yōu)化、檢索結(jié)果排序策略調(diào)整，將知識庫查詢的召回率提升至93%以上，響應(yīng)時間控制在1秒內(nèi)，滿足員工快速獲取知識信息的需求。針對高并發(fā)場景下的性能優(yōu)化需求，項目選用Redis 6.2.6版本作為分布式緩存組件，通過主從復(fù)制、哨兵模式部署，確保緩存服務(wù)的高可用性；同時協(xié)助優(yōu)化緩存策略，將高頻查詢數(shù)據(jù)、會話上下文、熱點配置等存入Redis，減少數(shù)據(jù)庫訪問壓力，使Data Agent的整體響應(yīng)速度提升40%，有效支撐了日均千級用戶的并發(fā)訪問。

各生態(tài)伙伴圍繞智浦小鹿項目的核心需求，形成了“底層安全可控、中層高效協(xié)同、上層靈活擴展”的合作格局。麒麟操作系統(tǒng)與華為GoldenDB、OBS的國產(chǎn)化適配，滿足了金融行業(yè)國產(chǎn)化替代與合規(guī)要求；Elasticsearch與Redis 的技術(shù)優(yōu)化，提升了Data Agent的檢索與響應(yīng)性能；多方伙伴的聯(lián)合調(diào)試與應(yīng)急響應(yīng)機制，確保了項目從開發(fā)、測試到上線全流程的順暢推進，使“智浦小鹿”在數(shù)據(jù)安全、處理性能、業(yè)務(wù)適配等方面均達到金融行業(yè)領(lǐng)先水平。

合作服務(wù)效果

“智浦小鹿”項目通過達觀數(shù)據(jù)核心技術(shù)與生態(tài)伙伴全棧支撐的深度協(xié)同，實現(xiàn)了從“技術(shù)落地”到“價值創(chuàng)造”的跨越。項目以量化數(shù)據(jù)為核心，從效率提升、成本節(jié)約、業(yè)務(wù)創(chuàng)新、合規(guī)安全四大維度構(gòu)建“成效與價值度量體系”，全面展現(xiàn)Data Agent應(yīng)用為浦銀理財帶來的顛覆性改變，其商業(yè)價值與行業(yè)示范效應(yīng)顯著。

1.成效與價值度量：量化指標(biāo)見證轉(zhuǎn)型成果

·效率提升：從“流程繁瑣”到“秒級響應(yīng)”

知識獲取效率提升95%：項目前，員工查詢制度文件、業(yè)務(wù)手冊等知識平均耗時30分鐘，且準(zhǔn)確率僅60%；Data Agent上線后，通過知識庫智能檢索與答案溯源功能，知識查詢響應(yīng)時間縮短至1.5秒內(nèi)，答案準(zhǔn)確率提升至92%。截至2025年4月，累計處理知識庫查詢10萬+次，節(jié)省人工檢索時間約5萬小時，相當(dāng)于25名全職員工一年的工作量。

業(yè)務(wù)流程效率提升80%：針對個人證券投資申報、費用查詢、文檔打印等高頻流程，Data Agent通過RPA+大模型協(xié)同實現(xiàn)自動化執(zhí)行。其中，個人證券投資申報流程從原來的40分鐘/次縮短至5分鐘/次，操作步驟從12步減少至3步；費用類業(yè)務(wù)問答從“人工核對+郵件反饋”的2小時/次，變?yōu)镹L2API秒級查詢響應(yīng)，流程效率提升3倍以上。

數(shù)據(jù)分析效率提升70%：傳統(tǒng)數(shù)據(jù)分析需員工掌握SQL語法或依賴技術(shù)團隊支持，平均響應(yīng)周期為1-2個工作日；Data Agent的NL2SQL/NL2API能力支持自然語言直接查詢業(yè)務(wù)數(shù)據(jù)，復(fù)雜數(shù)據(jù)分析需求響應(yīng)時間≤10秒，且支持自動生成可視化圖表，全年累計完成數(shù)據(jù)分析任務(wù)2萬+次，為投研決策、運營監(jiān)控等提供快速支撐。

·成本節(jié)約：從“人力密集”到“智能替代”

人工成本年節(jié)約百萬元+：通過Data Agent自動化替代重復(fù)性工作，浦銀理財在運營、行政、投研等部門減少人工投入約30人年，按金融行業(yè)平均人力成本核算，年節(jié)約人工成本超150萬元。同時，減少因人工操作失誤導(dǎo)致的返工成本，全年失誤率從原來的8%降至0.5%，挽回潛在損失約50萬元。

系統(tǒng)運維成本降低40%：項目前，浦銀理財多系統(tǒng)獨立運維，需投入專門團隊處理跨系統(tǒng)對接、故障排查等工作；Data Agent通過統(tǒng)一工作臺與智能中臺整合多系統(tǒng)能力，實現(xiàn)運維流程自動化，運維人員工作量減少40%，年節(jié)約運維成本約80萬元。

·知識管理成本降低60%：傳統(tǒng)知識管理需專人負責(zé)文檔分類、更新、維護，年投入成本約60萬元；Data Agent支持文檔自動解析、智能標(biāo)簽化、批量更新，知識管理人工投入減少60%，年節(jié)約成本約36萬元，同時知識庫更新頻率從月度提升至實時，知識時效性顯著增強。

·業(yè)務(wù)創(chuàng)新：從“被動響應(yīng)”到“主動賦能”

場景覆蓋從“單一”到“全鏈路”：項目初期聚焦知識庫問答、基礎(chǔ)流程自動化2大場景，目前已擴展至智能投研、智能風(fēng)控、智能寫作、合規(guī)審核等10+核心業(yè)務(wù)場景，覆蓋投研、運營、財務(wù)、風(fēng)控、人力等12個部門，成為員工全流程工作伙伴。其中，信托貸款評估報告寫作場景實現(xiàn)“材料上傳→自動生成→審核優(yōu)化”全流程自動化，報告生成時間從3個工作日縮短至4小時，累計生成報告1000+份。

服務(wù)模式從“工具使用”到“智能交互”：突破傳統(tǒng)GUI操作模式，Data Agent的對話式交互支持自然語言模糊查詢、多輪對話澄清需求，用戶滿意度達89%。上線以來，日均活躍用戶從312增長至1357，用戶滲透率從初期的30%提升至95%，成為浦銀理財內(nèi)部使用率最高的智能工具。

數(shù)據(jù)價值從“沉淀”到“激活”：浦銀理財累計沉淀的10萬+份非結(jié)構(gòu)化文檔、海量業(yè)務(wù)數(shù)據(jù)，通過Data Agent的RAG技術(shù)、數(shù)據(jù)分析能力實現(xiàn)價值激活，全年通過知識庫問答、數(shù)據(jù)查詢、報告生成等功能，挖掘數(shù)據(jù)價值點500+個，為產(chǎn)品創(chuàng)新、投資決策提供數(shù)據(jù)支撐，間接帶動投資收益提升約2%。

·合規(guī)安全：從“被動合規(guī)”到“主動防控”

合規(guī)風(fēng)險降低90%：Data Agent內(nèi)置敏感詞庫與合規(guī)校驗規(guī)則，對涉及客戶隱私、監(jiān)管要求的信息自動過濾與審核，全年攔截違規(guī)查詢、不合規(guī)文檔生成等風(fēng)險行為1000+次。同時，所有操作日志實時審計，支持追溯與溯源，滿足金融行業(yè)監(jiān)管合規(guī)要求，合規(guī)檢查通過率從92%提升至100%。

數(shù)據(jù)安全保障升級：通過國產(chǎn)化操作系統(tǒng)、分布式數(shù)據(jù)庫、私有化大模型部署的協(xié)同，實現(xiàn)數(shù)據(jù)“存儲-傳輸-使用”全鏈路安全可控。數(shù)據(jù)加密傳輸率達100%，權(quán)限管控顆粒度細化至“用戶-部門-數(shù)據(jù)項”，未發(fā)生一起數(shù)據(jù)泄露或安全事件，數(shù)據(jù)安全評級從行業(yè)中等水平提升至優(yōu)秀。

2.Data Agent應(yīng)用的核心價值體現(xiàn)

·從“工具型應(yīng)用”到“智能體伙伴”的跨越

傳統(tǒng)AI工具僅能響應(yīng)單一指令，而Data Agent具備“感知-記憶-決策-行動”全鏈路能力，能夠自主理解模糊需求、分解復(fù)雜任務(wù)、調(diào)度多工具協(xié)同執(zhí)行。例如，員工提出“分析近3個月同業(yè)理財產(chǎn)品收益情況并生成報告”，Data Agent自動拆解為“數(shù)據(jù)爬取→數(shù)據(jù)清洗→數(shù)據(jù)分析→圖表生成→報告撰寫”5個子任務(wù)，調(diào)度RPA爬取同業(yè)數(shù)據(jù)、NL2SQL分析數(shù)據(jù)、智能寫作生成報告，全程無需人工干預(yù)，實現(xiàn)從“被動工具”到“主動伙伴”的本質(zhì)轉(zhuǎn)變。

·從“系統(tǒng)孤島”到“數(shù)據(jù)協(xié)同”的打通

浦銀理財此前存在多系統(tǒng)獨立運行、數(shù)據(jù)割裂的痛點，Data Agent通過智能中臺整合OCR、RPA、大模型、數(shù)據(jù)庫等多源能力，實現(xiàn)跨系統(tǒng)數(shù)據(jù)無縫流轉(zhuǎn)與業(yè)務(wù)流程串聯(lián)。例如，投資交易劃款審核場景，Data Agent自動從交易系統(tǒng)提取劃款信息、通過 OCR識別交易單要素、與資金清算系統(tǒng)核對數(shù)據(jù)、向?qū)徟到y(tǒng)推送審核結(jié)果，打通4個核心系統(tǒng)的數(shù)據(jù)流與業(yè)務(wù)流，跨系統(tǒng)協(xié)作效率提升3倍，徹底解決“員工在多系統(tǒng)間頻繁切換”的痛點。

·從“標(biāo)準(zhǔn)化服務(wù)”到“個性化適配”的升級

Data Agent支持部門級知識庫定制、角色權(quán)限個性化配置、業(yè)務(wù)場景靈活擴展，能夠適配不同部門、不同崗位的差異化需求。例如，投研部門可通過自定義知識庫接入行業(yè)研報、宏觀數(shù)據(jù)，運營部門可配置專屬RPA流程，管理層可獲取定制化經(jīng)營分析報告，實現(xiàn)“千人千面”的智能服務(wù)。同時，通過Prompt管理與專有名詞映射，支持員工使用行業(yè)黑話、內(nèi)部術(shù)語進行交互，意圖識別準(zhǔn)確率達95%，大幅降低使用門檻。

3.長期價值與行業(yè)影響

智浦小鹿項目的成功落地，不僅為浦銀理財帶來直接的商業(yè)價值，更推動其數(shù)字化轉(zhuǎn)型從“線上化”邁入“數(shù)智化”新階段，成為資管行業(yè)Data Agent應(yīng)用的標(biāo)桿案例。項目驗證了Data Agent在金融行業(yè)的可行性與規(guī)?；瘧?yīng)用潛力，其“國產(chǎn)化適配+私有化部署+場景化創(chuàng)新”的模式，為其他金融機構(gòu)提供了可復(fù)制、可推廣的實踐經(jīng)驗。該項目已入選2024年人工智能大模型金融領(lǐng)域示范場景及創(chuàng)新應(yīng)用案例、《上海全球資產(chǎn)管理中心建設(shè)資產(chǎn)管理大模型應(yīng)用實踐與指南》（收錄案例）、AIDD2025AI+研發(fā)數(shù)字峰會AI+領(lǐng)域線金融業(yè)典型案例、信通院《2025年“人工智能+”行業(yè)標(biāo)桿案例薈萃》，具有很好的代表性和可復(fù)制性。

關(guān)于企業(yè)

·達觀數(shù)據(jù)

達觀數(shù)據(jù)2015年底成立，專注于智能知識管理軟件系統(tǒng)的開發(fā)，廣泛應(yīng)用于各類知識管理業(yè)務(wù)的智能化、人性化，大幅度提高企業(yè)人效與智能化水平。其自主研發(fā)的AI Agent智能體平臺以智能問答交互為窗，大模型認知決策為核，融合IDP、RPA等豐富的AI能力，打造智能任務(wù)處理閉環(huán)。集成企業(yè)知識庫，深度激活企業(yè)知識價值，賦能政務(wù)、金融、制造等多領(lǐng)域端到端智能轉(zhuǎn)型。是行業(yè)首家國家級專精特新“小巨人”企業(yè)，也曾榮獲中國人工智能領(lǐng)域最高獎“吳文俊人工智能獎”。

·浦銀理財

浦銀理財緊緊圍繞浦發(fā)銀行“全面建設(shè)具有國際競爭力的一流股份制商業(yè)銀行，推動全行成為新時代金融業(yè)高質(zhì)量發(fā)展的排頭兵和先行者”的戰(zhàn)略目標(biāo)，堅持以高質(zhì)量發(fā)展為主線，以服務(wù)為根本，以市場為導(dǎo)向，以國際一流的資產(chǎn)管理機構(gòu)為標(biāo)桿，以專業(yè)驅(qū)動投資、以業(yè)績回報信任為戰(zhàn)略發(fā)展定位，努力打造銷售渠道多元化、產(chǎn)品研發(fā)特色化、投資研究一體化、服務(wù)支撐數(shù)字化的領(lǐng)先資產(chǎn)管理機構(gòu)。

★以上由達觀數(shù)據(jù)投遞申報的Agent案例，最終將會角逐由金猿組委會×數(shù)據(jù)猿×上海大數(shù)據(jù)聯(lián)盟聯(lián)合推出的《2025中國大數(shù)據(jù)產(chǎn)業(yè)年度Data Agent創(chuàng)新應(yīng)用》榜單/獎項。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數(shù)據(jù)產(chǎn)業(yè)發(fā)展論壇——暨AI Infra & Data Agent趨勢論壇”現(xiàn)場首次揭曉榜單，并舉行頒獎儀式，歡迎報名蒞臨現(xiàn)場。