一、解决方案简介

1.1产品应用部署架构

智能财报助手应用部署架构涉及多个数据库、服务组件和流程之间的交互，支持高效的异构数据处理、数据分析、实时数据查询和多样化的数据存储，适合复杂的金融应用场景。具体架构如下：

（1）数据接入层

全量数据模块负责接入所有的原始数据，并将其传递给后续处理组件。数据接入服务负责接收并处理各种外部数据源，包括数据的初步清洗和结构化处理。

（2）网关层

Gateway作为系统的前端网关，负责接收来自外部的请求，并将请求路由到适当的服务。Nginx作为反向代理服务器，负责请求的转发和负载均衡。

（3）服务处理层

协同引擎与多个后端服务模块进行数据交互和协调工作，提供服务的整合和任务分发。通过文生图、大模型服务、小模型服务、文本分类服务、检索服务等实现实体抽取、语义对齐、意图识别、文档处理、数据分析、情感分析等任务。

（4）存储层

Redis：用于高速缓存，存储一些需要快速访问的热点数据；Mongo：用于存储非关系型的数据，涉及日志、文档、JSON格式的数据等；OB和Neo4j分别用于关系型和图数据库的数据存储；ES用于文本数据和日志的高效搜索和查询；PG用于存储结构化数据；Minio文件存储服务用于管理和存储大文件，如视频、图片等。

1.2 业务流程图

用户发起查询请求后，后端系统接收查询内容并进行转发，同时将问答记录存储于系统中。协同引擎对查询内容进行改写及意图补全。随后，Agent模块根据查询的类型判断执行的Agent类型，并通过Agent执行器调用知识图谱、检索引擎或直接由大模型生成答案。在此过程中，Agent执行器还可调用计算器、可视化图表等工具以辅助生成更精准、多样的答复。Agent执行器将执行结果反馈给协同引擎，协同引擎对结果进行整合处理后传递至后端。后端对答案进行更新、格式转换及异常处理等操作，最终生成符合用户需求的答案并返回给用户。此外，后端还会定期执行定时任务，并通过评分模型对整个查询处理流程进行评估，以优化系统性能和提升用户体验。

二、应用场景痛点简介

在引入人工智能技术之前，银行等金融机构在处理财报分析、信贷审批、风险控制等关键业务时，主要依赖人工操作，并且需要到各个系统中通过页面进行查看，并且进行人工的分析总结。这一过程不仅耗时耗力，而且容易出现人为错误，导致效率低下和风险管理不足。具体表现在以下几个方面：

数据处理效率低：传统的财报分析和业务报告需要手动收集和处理大量数据，耗时且容易出错。

客户服务个性化不足：客户经理在提供服务时，难以快速响应客户需求，缺乏个性化和差异化的服务方案。

办公自动化程度低：日常办公流程繁琐，文档处理和信息流转效率低下，影响了整体工作效率。

因此，探索运用前沿科技手段革新现有流程显得尤为紧迫。

自2022年末以来，基于大型语言模型的人工智能技术迅速崛起，在全球范围内引发了广泛关注。大模型具有强大的自然语言处理能力和跨领域学习能力，通过训练和优化能够学习并掌握财务分析的规则和逻辑，从而实现对财务数据的自动化处理和深度分析。此外，大模型技术还具备强大的知识推理和预测能力，通过对历史数据和当前市场环境的综合分析，可以预测未来的财务趋势和风险点，这不仅为财务分析领域带来了革命性的视角和工具，而且极大地提升了财务分析的智能化、效率和精准度，为财务分析的发展开辟了全新的维度。

本产品通过引入AI大模型技术，旨在实现以下目标：

数据处理自动化：智能体能够快速查询和分析大量财报数据，提高了数据处理的效率和准确性。

风险评估智能化：通过智能体的深度学习和数据分析能力，风险评估变得更加精准，有助于提前识别和规避潜在风险。

客户服务个性化：智能体能够根据客户的具体需求，提供个性化的业务报告，提升客户满意度。

办公流程自动化：智能体的应用简化了日常办公流程，实现了文档自动化处理和信息快速流转，极大提升了工作效率。

决策支持科学化：智能体提供的数据分析和趋势预测为管理层提供了科学的决策支持，提高了决策的质量和速度。

三、解决方案亮点介绍

智能财报助手构建了高质量知识库，通过RAG检索+知识图谱融合方案增强系统准确性和时效性，不断迭代和优化提示工程，提升大模型行为可控性，提供精准可靠、高时效性的多模态内容生成能力。目前，财报助手已完成了DeepSeek-R1模型671B满血版的本地化部署工作，实现了模型推理能力的提升。

1.1技术支撑

智能财报助手的技术支撑包括：

协同引擎：支持任务拆解和工具调用，提高智能体的协作能力。

问答引擎：通过指标查询和信息检索等功能，提升智能体的问答能力。

知识库：包括指标库、企业知识库和行业知识库，为智能体提供丰富的知识资源。

后端：提供对话管理和配置管理等功能，确保智能体的稳定运行。

数据源：提供结构化数据、半结构化数据和流批数据，作为智能体处理请求的基础。

其中，智能体协同是关键技术，包括以下5个方面：

(1）认知能力开发

认知能力是指智能体理解外部信息和内部状态的能力。对于智能财报助手而言，这包括理解财报数据、识别关键指标和趋势分析等。财报助手系统意图交互协议，确定从用户输入中提取的意图信息，基于大模型技术的意图识别服务，根据当前的应用场景构建业务提示词，自动解析用户意图，理解和解析复杂的财报查询请求。涉及语义理解和上下文分析，确保智能体准确把握用户需求。

使用多模态技术，使得智能体不仅能处理文本数据，还能理解和分析图表、图像等多模态财报数据，从而提供更全面的理解。

(2）规划能力开发

智能财报助手基于微调的京科大模型实现将复杂任务分解为可管理的子任务，并制定执行策略的能力。将用户的意图转换为可执行的思维链。例如将年度财报分析分解为指标数据获取、指标分析、公司新闻获取等多步操作执行。

通过自定义的工具标准协议（涉及工具名称、描述、输入输出格式等信息）实现工具列表的灵活动态注册，并且制定数据参数规范，确保各个工具之间数据交换的格式一致性。

（3）记忆能力开发

记忆能力是智能体存储和回忆信息的能力，对于提供连续和个性化服务至关重要。财报助手采用长短期记忆来构建记忆模块，短期记忆用来处理用户的多轮对话，可以在用户问答时结合上下文信息，对于用户的意图和操作进行关联性的推理。

同时财报助手也会长期存储问答记录用于构建用户的标签、历史记录查询等场景，使得财报助手回答的内容、风格更加贴合用户的喜好和定位。

（4）执行能力开发

财报助手的复杂问题解析需要多个工具来协同处理，协同引擎模块实现根据任务类型和工具可用性动态选择合适的工具执行任务，并且确定任务的调度执行顺序。在执行过程中监控任务的执行状态，设计任务的执行反馈机制，会根据任务执行状态来动态调整执行计划，并且在执行过程中会记录任务执行信息（状态、执行时间、参数）增加任务执行的可分析性。

自动化报告生成：能够根据规划阶段制定的策略，自动收集数据、执行分析并生成报告。

工具使用：可以调用外部工具和API，如数据库查询、联网检索和可视化工具，以支持数据获取、分析。

（5）个性化和定制化

智能财报助手中的智能体还支持个性化和定制化，以适应不同用户的需求。

个性化服务：通过分析用户的行为和偏好，智能体能够提供定制化的财报分析和建议。

定制化智能体搭建：用户可以根据自己的特定需求，定制智能体的功能和界面，如添加特定的分析工具或数据源。

1.2 解决方案亮点

智能财报助手在产品研发进程中，采取了多维度的优化策略，以提升产品的质量和用户满意度，其产品亮点主要聚焦于以下三个方面：

第一，为大模型注入高质量的财务数据和领域经验，让大模型更懂财务是提升大模型能力的关键。因此，团队构建了高质量的专业训练集对模型进行训练，基于高时效、专业、可信和丰富的财务专业数据，采用LORA、P-Truning、BitFit、Prompt Tuning、Adapter Tuning等方式不断尝试和迭代进行大模型的微调，以提升大模型在财报分析领域任务的效果。

第二，构建专门针对财务领域的知识库体系，为模型提供丰富的数据源和准确的知识支持，是提升模型性能和应用效果的重要一环。目前，财报助手已搭建体系化的财报知识库架构，分为11个一级分类、43个二级分类，知识总量超过3.56亿篇/条，在保证知识库丰富度的基础上，定期更新知识库，比如新的政策法规颁布后，及时剔除已废止的政策，从而减少依赖过时数据而产生误导性回答的风险。

第三，RAG检索增强，并实现联网检索。大模型虽然拥有庞大的参数和广泛的知识，但对于实时更新的知识或特定领域的细粒度信息可能掌握不足。RAG检索可以动态地从内外部知识库中获取信息，增强模型的知识覆盖范围。当用户提问时，根据请求的Query，经过意图识别、时效识别、关键词识别等预处理后，检索召回到最新的相关知识条目，并进行融合处理后返回给大模型，帮助大模型降低产生错误或虚构信息的概率。另外，财报助手通过联网检索功能，可以访问公开的信息资源，提供高时效的信息和数据。同时，通过优化reranker模型，提升文档和查询之间的语义相关度，更精细地对结果重排，大大提高了搜索质量。

1.3产品功能亮点

亮点1：交互式财务指标问答，支持用户以对话形式查询近10年的上市企业的财报数据，多维度指标查询时，输出的答案可以excel表格形式下载，便于用户开展图表制作与分析。

亮点2：一键生成多种分析报告，用户只需要提供尽调企业或分析对象的名称，本产品可以通过模板调用的方式自动生成报告，简化用户的报告撰写过程，提升报告内容标准化水平。

亮点3：个性化智能体定制，在财报助手系统中用户可基于个人业务场景创建智能体，支持用户自定义角色、提示词、工具选取等相关关键参数，创建属于个人的智能辅助工具。

四、金融行业客户名单

北京银行。

五、客户评价

智能财报助手作为我行科技子公司的首款AI大模型产品，是我行引入AI能力赋能业务的重要探索成果，目前产品在面向市场用户的同时也已在我行实现本地化部署。财报助手的财务指标问答、智能报告生成能力等同步赋能我行多个创新性应用，孵化出多个落地项目，比如策略复盘助手实现业务人员和管理人员在1分钟内全面掌握关键业务指标；智能尽调报告助手，基于报告模版结合业务和产品类型自动填补尽调信息，有效提升尽调报告撰写自动化水平的同时提升了报告标准化水平。未来，期待财报助手持续深化在AI领域的探索，全面助力我行业务、科技与运营的数字化与智能化转型，为我行的高质量发展注入强劲动力。