一、项目背景及目标

（1）项目背景

近年来，以大模型为代表的人工智能技术迅猛发展，智能体（AI Agent）成为技术应用落地的关键载体。证券行业作为连接实体经济与资本市场的核心枢纽，具有业务场景复杂、合规要求严格、专业知识密集等显著特征。传统业务中大量重复性、规则性工作耗费了员工大量精力，制约了其在核心价值创造环节的效率发挥。与此同时，行业内部各业务系统长期独立建设，数据割裂、功能重叠的"烟囱式"架构问题突出，智能化能力零散分布，难以形成系统性赋能。

在此背景下，中信建投证券以业务为牵引、以技术平台为支撑，立项建设全场景数智员工体系，旨在通过人工智能与金融业务深度融合，推动行业数智化转型。

（2）项目目标

项目总体目标是构建“人工智能+金融”驱动下的证券全场景数智员工智能体生态体系，通过大模型与智能体技术打造完整的数字员工基础设施与能力平台，实现降本增效与业务创新。具体目标包括：一是建设统一知识中台，实现证券领域专业知识的结构化管理和智能化检索；二是打造智能体开发管理平台，提供数字员工的全生命周期管理能力；三是构建意图识别与调度引擎，支持复杂场景下多智能体的精准协作；四是将智能体应用深入智能办公、智能投顾、智能合规风控、深度研究等核心业务线，形成从后台运营到前台展业的全方位赋能。

二、创新点

1.业务创新点

（1）构建全场景数智员工生态体系，实现企业运营全链条系统性赋能

本项目打破了传统证券行业信息化建设中各业务系统独立建设、数据割裂、功能重叠的"烟囱式"架构，构建了覆盖企业运营全场景的数智员工生态体系。从日常办公场景的文档生成、会议纪要整理、流程审批自动化，到核心业务场景的智能投顾、合规风控、深度研究，数智员工能够根据不同岗位和业务需求提供定制化的智能服务。这种全场景覆盖的生态化建设思路，使智能化能力不再是零散的功能点，而是贯穿企业运营全链条的系统性能力，实现了业务效率和组织效能的整体提升。项目已覆盖8个业务条线、25个具体业务场景，服务公司80%以上的业务部门。

（2）"认知+执行"深度协同的智能体人机协作新模式

针对传统自动化手段仅能处理规则明确的标准流程、缺乏认知理解能力、难以应对复杂多变业务需求的局限，本项目创新性地构建了具备自主工具调用能力的智能体架构，打造"认知+执行"的人机协同新模式。在该模式下，上层大模型智能体负责认知层面工作，通过语义理解、意图识别与逻辑推理，将复杂需求分解为多个子任务并制定行动方案；下层通过标准化工具接口与业务系统直连，精准完成数据查询、系统操作与跨平台数据协同。通过智能体调度引擎的统一编排，实现了"智能体思考、工具执行"的无缝协作与闭环联动，有效发挥了认知决策与精确执行各自优势，产生了"1+1>2"的协同效应。截至目前，该模式已上线业务智能体147个，封装标准化业务工具技能387项，支撑32个复杂业务场景的智能化落地。

（3）知识驱动的数智员工持续进化机制

本项目通过建设智能知识中台，建立了知识驱动的数智员工持续进化机制。知识中台整合了公司内部的规章制度、业务流程、研究文档、市场数据等多源异构知识资产，通过自动化的知识采集、清洗、标注和索引流程，持续丰富和更新知识库内容。数智员工基于知识中台提供的RAG服务获取最新业务知识，能够随着知识库的丰富和迭代不断提升服务质量和专业水平。同时，系统建立了人机协同的知识反馈机制，业务人员在使用过程中可以对数智员工的回答进行评价和纠正，这些反馈数据经过审核后纳入知识库，驱动数智员工的持续优化进化。截至目前，知识库已积累文档15万篇，知识条目60万条，覆盖28个业务领域。

（4）多智能体协同的业务流程重塑

本项目在多智能体协同方面实现了关键技术突破，能够根据用户输入的复杂需求，自动分解任务、编排执行计划并调度多个专业智能体协同完成。这种多智能体协同机制不仅大幅提升了复杂业务场景的处理效率，更重要的是从根本上重塑了传统的业务流程设计理念，将"人驱动流程"转变为"智能体驱动流程"，推动业务运营模式向智能化、自动化方向演进。

2.技术创新点

（1）面向证券垂直领域的"RAG+向量检索+知识图谱"三层融合知识处理架构

项目针对证券行业知识密集型特征，自主研发了面向垂直领域的智能知识中台。该中台采用三层融合的知识处理架构：RAG层负责将大语言模型的生成能力与外部知识源相结合，确保生成内容的准确性和时效性；向量检索层基于高性能向量数据库，对海量非结构化文档进行语义化索引和相似度检索，支持自然语言形式的精准知识获取；知识图谱层构建了证券行业实体关系网络，涵盖上市公司、行业分类、金融产品、监管规则等核心实体及其关联关系，为智能体提供结构化的领域知识支撑。三层架构相互配合，使知识中台在知识的广度、深度和精度三个维度均达到行业领先水平。

（2）基于意图识别的智能体统一调度引擎

项目自主研发了基于自然语言理解的智能体统一调度引擎，作为连接用户与智能体生态的核心枢纽。该引擎采用多级意图识别架构：首先通过轻量级分类模型快速判断用户意图所属的业务领域，然后将意图解析为结构化的任务描述，最后基于预设的智能体能力图谱匹配最优的智能体组合并编排执行计划。引擎内置了上下文记忆管理模块，能够在多轮对话中维护完整的用户意图上下文，支持任务的动态调整和渐进式完成。同时，引擎集成了多级权限控制机制，根据用户角色和敏感操作级别实施细粒度的访问控制，确保智能体调度过程的安全合规。

（3）智能体工具调用与任务编排引擎

项目设计了统一的任务编排引擎，实现大模型智能体与业务系统的深度集成。引擎采用标准化接口设计，将公司现有业务系统操作封装为统一的"工具"或"技能"接口，每个工具接口定义了标准化的输入参数、输出格式和执行状态码。智能体在执行任务过程中，根据任务需要自主决策是否调用具体工具执行操作，通过工具调用协议与业务系统进行交互。这种架构的核心创新在于实现了"理解→规划→执行→反馈"的完整闭环：智能体将规则性操作委派给标准化工具执行，保留需要判断决策的步骤自行处理；工具执行结果回传后由智能体汇总分析并反馈给用户。编排引擎支持异常处理和回退机制，确保任务可靠性，兼具系统稳定高效与智能体灵活处理的优势。

三、项目技术方案

（1）总体架构

图1 总体架构图

本项目采用"三层协同"的总体技术架构，将系统划分为技术基础设施层、智能体生态层和业务场景层三个层级，各层级之间通过标准化的接口协议进行信息交互和能力调用，形成自底向上的技术支撑体系和自顶向下的需求反馈闭环。

技术基础设施层：由知识中台、智能体开发管理平台及意图识别调度引擎组成，提供统一知识服务、智能体全生命周期管理及任务理解调度能力。

智能体生态层：汇聚面向多类业务的专用智能体，各智能体独立完成领域任务，并通过标准协议协同应对复杂跨领域需求。

业务场景层：已覆盖智能办公、智能投顾、智能合规风控及深度研究四大场景。用户以自然语言交互，系统自动识别意图、调度智能体并输出结构化结果。

同时，项目采用微服务架构，组件间API通信，支持独立部署、弹性伸缩与按需扩展，保障高可用性与可维护性。

（2）应用架构

应用架构采用"前端-中端-后端"三层分离的设计模式。

图2 应用架构图

前端（员工交互层）：提供多渠道的用户接入能力，包括企业即时通讯工具集成、Web端对话界面、移动端应用以及OA系统嵌入式组件等，确保员工能够在熟悉的工作环境中便捷地使用数智员工服务。

中端（智能服务层）：是整个应用架构的核心，包含智能体编排引擎、知识处理引擎、业务集成引擎和对话管理引擎四个核心引擎。智能体编排引擎负责任务分解和智能体调度；知识处理引擎负责知识检索、内容生成和质量控制；业务集成引擎负责与后端业务系统的数据对接和功能调用；对话管理引擎负责多轮对话的上下文维护和会话状态管理。

后端（基础设施层）：包括模型推理服务、数据存储服务（向量数据库、关系数据库、对象存储）、消息队列服务和系统监控服务等。

（3）系统技术架构

系统技术架构整体采用微服务架构风格，各核心模块以独立服务部署，通过容器编排平台实现弹性伸缩与高可用。

图3 技术架构图

知识管理引擎采用RAG技术架构，以向量数据库集群为核心存储，支持文档的高效检索。检索端集成文档解析、文本分块与向量化服务，采用语义向量与传统关键词相结合的混合检索策略及重排序机制。同时，系统构建了专属的金融语义模型与同义词扩展词典，有效提升了证券领域专业术语的理解与匹配精准度。

智能体框架基于ReAct设计理念构建，同时支持plan and execute、deepsearch模式，为每个数智员工提供标准化运行环境，具备工具调用、多步推理与上下文记忆等核心能力。任务编排引擎实现多智能体协同与业务落地，具备自动分解调度、实时监控与降级重试等异常恢复策略，通过标准化接口将业务系统操作抽象为统一工具，实现"认知决策+精确执行"的无缝衔接与结果回传分析。

安全框架贯穿全架构，涵盖统一身份认证网关、RBAC权限管理服务、数据加密组件、审计日志采集与分析平台，以及AI输出安全护栏服务，保障系统运行的绝对合规与安全。

（4）系统数据架构

系统数据架构采用"采集→处理→存储→服务"四层流水线设计，保障全链路高效流转。

图4 数据架构图

采集层：支持多业务系统与知识库的定时批量及实时增量同步，自动解析转换PDF等多种文档格式。

处理层：作为核心转化环节，集成文档解析引擎提取文本与图表要素，基于NER等技术构建业务实体与关联关系，并通过Embedding模型生成高维向量，辅以数据清洗保障质量。

存储层：采用多模态架构，关系型数据库管理业务与权限配置，向量数据库支撑语义近邻搜索，分布式文件系统存储原始文档与多媒体资源，图数据库承载实体关系网络与知识图谱查询。该多引擎组合既保障异构数据存储效率，又为上层应用提供灵活的数据访问支撑。

（5）系统安全架构

系统安全架构采用纵深防御设计理念，从数据安全、访问控制、审计追溯和合规管理四个维度构建全方位保障体系。

图5 安全架构图

数据安全：采用TLS协议保障传输机密性与完整性；内置敏感数据识别引擎，可智能识别身份、财务等敏感信息，并在智能体输出时自动脱敏。

访问控制：基于RBAC模型实现细粒度管控，为每个数智员工配置独立的功能与数据权限策略，并依托多租户架构实现不同部门间的数据严格隔离，杜绝越权访问。

审计追溯：全链路记录用户请求、任务调度、工具调用等关键事件日志，采用防篡改存储并支持多维度检索分析，为安全排查与合规审计提供完整支撑。

合规管理：内置自动化内容安全审核机制，对智能体生成的文本进行实时合规检查，有效防范违规或不当内容输出。

四、运营情况

（1）组织与实施

本项目由信息技术部门牵头，汇聚人工智能、自然语言处理、知识工程和软件架构等领域的专业技术人才，负责平台的整体技术方案设计、核心系统研发、基础设施建设和运维保障。项目对接小组由各业务条线的业务骨干组成，负责梳理业务场景需求、提供业务数据和知识资源、参与智能体的功能验证和效果评估。

项目实施分为五个阶段有序推进：第一阶段为需求调研与分析阶段，深入各业务部门进行实地调研，形成详细的需求规格说明书和系统设计规格说明书；第二阶段为系统设计阶段，完成系统的总体架构设计、数据库设计、接口设计和安全方案设计，并通过专家评审；第三阶段为系统开发阶段，按照敏捷开发方法论，以两周为一个迭代周期，逐步完成各核心模块的开发和单元测试；第四阶段为试点部署阶段，选取部分业务部门作为试点单位，部署系统并进行为期3个月的试运行，根据试点反馈持续优化系统功能和用户体验；第五阶段为全面推广阶段，在试点验证成功的基础上，将系统推广至全公司各业务部门，并提供持续的技术支持和运营保障。

（2）系统运行数据

经过近三年的开发和持续建设运营，本项目已顺利完成全部建设目标。知识中台系统成功整合了公司内部28个业务系统的数据资源，知识库累计收录文档15万篇，覆盖28个业务领域。智能体开发管理平台已支持147个业务智能体的开发和部署，平台注册开发者232人。意图识别和调度引擎的意图识别准确率达到93%，任务调度成功率达到98%。四大核心业务场景均已上线运营，累计服务员工3000人，日均智能体调用量达2万次。

（3）场景应用情况

智能办公场景：数智员工已深度融入员工的日常工作流程，提供文档智能生成、会议纪要自动整理、工作流程自动化、内部知识问答等一系列智能化服务。文档智能生成功能支持根据用户输入的简要提纲自动生成完整的工作报告、会议材料等业务文档；会议纪要自动整理功能能够实时录制会议内容并自动提取关键议题、讨论要点和决议事项，形成结构化的会议纪要文档；智能办公功能通过与企业OA系统深度集成，能够根据员工指令自动发起审批流程、查询流程状态等。截至目前，智能办公场景累计服务1000名员工，日均处理任务2万次，文档生成效率提升70%，员工平均每天节省办公时间10小时。

证券投研场景：数智员工为投研团队提供证券产品分析、资产配置建议、市场动态跟踪及投研报告辅助生成等服务。证券产品分析功能自动整合产品基本信息、净值走势、持仓结构与风险收益指标，生成全方位产品画像报告，辅助证券经理快速识别产品特征；市场动态跟踪实时监控宏观经济数据、行业政策及资金流向，自动生成投研简报并推送至相关团队。截至目前，该场景已覆盖40名投研人员，累计服务证券产品20只，资产配置建议采纳率达90%。

智能合规风控场景：数智员工主要应用于合规文档审查、业务风险监测和异常行为预警三个方面。合规文档审查功能能够自动对照最新的监管法规和内部合规制度，对业务文档、合同文本和宣传材料进行合规性审查，精准标识潜在的合规风险点并生成审查报告。业务风险监测功能基于知识中台提供的法规知识库，实时监控各项业务的合规状态，及时发现并预警可能存在的合规风险。异常行为预警功能通过对员工操作行为和业务数据的智能分析，识别异常交易模式和潜在的操作风险。截至目前，智能合规风控场景累计完成合规审查任务2000次，发现并预警合规风险事件40起，合规审查效率提升60%，风险识别准确率达到96%。

五、项目成效

（1）经济效益

人力成本节约：数智员工通过自动化处理大量重复性业务操作，有效减少了对人工的依赖。以智能办公场景为例，文档自动生成功能使业务部门在报告撰写方面的人力投入减少了约30%，会议纪要自动整理功能节约了行政人员每周约200小时的工作时间。项目推广以来，年均节约人力成本约500万元，累计节约人力成本约3500万元。

运营效率提升：各业务场景的工作效率均实现了显著提升，日常办公文档处理效率提升约80%，会议纪要整理耗时缩短100%，业务报告初稿生成效率提升70%，合规审查效率提升60%，研究信息整合效率提升40%，客户服务响应速度提升60%。

业务增量创造：智能投顾场景中，数智员工辅助生成的投资方案为客户创造了增量投资收益，直接带动管理资产规模增长200亿元。综合测算，项目全面推广运营后预计年化直接经济效益可达3000万元。同时，通过流程自动化减少人工操作失误所带来的潜在损失，综合经济效益显著。

（2）社会效益

推动"人工智能+金融"深度融合，引领行业智能化转型：本项目的成功实施，为证券行业探索"人工智能+金融"深度融合路径提供了宝贵的实践经验。项目构建的全场景数智员工生态体系，为行业同仁在智能化转型过程中面临的技术选型、架构设计、组织协同和场景落地等核心问题提供了可借鉴的解决方案。项目已获得行业内外广泛关注，累计接待行业参观交流10批次，在7场行业论坛和技术峰会上进行经验分享，相关技术方案和实践成果被5家行业媒体专题报道，对推动整个证券行业的智能化转型进程发挥了积极的引领和示范作用。

提升金融服务效率和质量，增强投资者获得感：通过数智员工的规模化应用，项目显著提升了公司的金融服务效率和服务质量。在客户端，智能投顾数智员工为投资者提供了更加及时、专业、个性化的投资顾问服务，使更多中小投资者能够享受到以往仅限于高净值客户的专业化服务体验。同时，智能合规风控数智员工的应用有效降低了业务操作风险和合规风险，从源头上保障了投资者的合法权益。项目运营以来，客户服务满意度提升20个百分点，客户投诉率下降30%，有力践行了"以客户为中心"的服务理念。

沉淀行业知识资产，树立数字化转型标杆：项目在建设和运营过程中，形成了丰富的知识积累和知识产权成果。知识中台收录的15万篇业务文档和60万条知识条目，构成了公司宝贵的数字化知识资产。项目团队在智能体技术、知识图谱、RAG等前沿技术方向上取得的8项发明专利和9项软件著作权，不仅巩固了公司在证券行业智能化领域的技术领先地位，也为行业技术标准的制定提供了重要参考。项目的成功实践已入选金融科技创新示范案例，成为证券行业数字化转型的标杆项目之一。

六、经验总结

（1）坚持战略引领与顶层设计，构建系统性赋能体系

数智员工体系建设并非简单的工具叠加，而是一项涉及技术架构、业务流程、组织管理的系统性工程。项目从启动之初即站在企业级战略高度进行顶层设计，明确"平台+智能体+场景"的三位一体建设思路，以平台能力沉淀为基础、以智能体能力封装为核心、以业务场景落地为牵引，确保智能化能力从单点突破走向全链条覆盖，避免了传统信息化建设中"烟囱式"架构导致的数据割裂与能力分散问题。

（2）以知识为核心资产，构建持续进化能力

证券行业是典型的知识密集型行业，数智员工的专业能力高度依赖知识库的质量与广度。项目建设中始终将知识中台作为核心基础设施，通过自动化的知识采集、清洗、索引流程持续扩充知识资产，并建立人机协同的反馈机制，将业务人员的评价与纠正转化为系统进化动力。这一机制使数智员工能够伴随业务发展不断成长，避免了传统系统"上线即落后"的困境。

（3）坚守安全合规底线，构建纵深防御体系

金融行业对安全合规有着极高要求。项目从设计之初即将安全架构贯穿全链路，在数据安全、访问控制、审计追溯、内容合规等维度构建纵深防御体系，通过等保三级认证，为智能体的大规模应用筑牢安全底座。特别是在智能体输出环节设置安全护栏，对生成内容进行实时合规审核，有效防范了AI技术应用可能带来的合规风险。

（4）坚持生态化建设思路，打造平台化赋能能力

项目没有将数智员工局限于少数固定场景，而是通过建设可视化智能体开发管理平台，将智能体开发能力平台化、普惠化。业务人员无需编程即可通过拖拽式编排与自然语言配置快速创建智能体，使智能化创新从"技术团队专属"转变为"全员参与"。这一平台化策略极大激发了业务端的创新活力，为后续持续拓展应用场景奠定了坚实基础。