【金猿案例展】浦銀理財——員工數字助理“智浦小鹿”項目

達觀數據案例

該Agent案例由達觀數據投遞并參與金猿組委會×數據猿×上海大數據聯盟共同推出的《2025中國大數據產業年度Data Agent創新應用》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）、光學字符識別（OCR）為核心的Data Agent技術，正成為金融行業數字化轉型的關鍵引擎。作為浦發銀行旗下專注資產管理的核心機構，浦銀理財緊跟行業趨勢，以“全面建設國際競爭力一流資產管理機構”為戰略目標，在數字化建設中已完成“線上化”夯實與“數智化”開啟的階段性突破，亟需向“生態化”升級邁進。然而，金融資管行業的復雜性導致浦銀理財面臨核心痛點：內部沉淀了海量合規文件、投研報告、產品資料、系統手冊等非結構化與結構化數據，但分散存儲于不同系統，形成“數據孤島”，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、重復性高，依賴人工多節點操作，效率低下；跨部門協作時，信息傳遞存在延遲與偏差，業務流程銜接不暢。

在此背景下，傳統工具已無法滿足“高效協同、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、規劃與行動能力的Data Agent解決方案。達觀數據基于自身在Agent、大模型應用領域的深厚積累，與浦銀理財聯合打造“智浦小鹿”員工數字助理項目，以Data Agent技術為核心，整合大模型、RPA、OCR、知識圖譜等能力，構建覆蓋知識服務、流程自動化、數據分析的全場景智能體，實現從“被動工具調用”到“主動智能服務”的轉型，為金融行業Data Agent落地樹立標桿。

時間周期：

開始時間：2024年11月底

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

完結時間：2025年下半年完成，然后進行二期能力建設：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 應用需求

1.客戶核心Data Agent應用需求

浦銀理財基于業務痛點與戰略升級目標，提出明確的Data Agent類核心需求：

·知識服務智能化需求：需構建企業級智能知識庫，讓Data Agent能自主抓取、解析、存儲內部制度、外部法規、產品文檔等多源數據，員工通過自然語言交互即可快速獲取精準答案，并追溯答案來源，解決“知識查找難、核驗難”問題。

·員工服務自動化需求：要求Data Agent具備流程調度能力，能自主識別員工意圖，調用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性工作，折疊任務處理時間。

·數據交互一體化需求：需打破原有多系統獨立運行的“業務孤島”現狀，讓Data Agent成為統一交互入口，實現跨系統數據串聯與共享，支持員工通過對話式交互完成跨平臺業務辦理，降低系統學習與操作成本。

·模型服務安全化需求：作為金融機構，數據安全與合規是底線，要求Data Agent采用本地化部署模式，實現模型訓練、推理、數據應用全流程安全可控，同時具備靈活擴展能力，支撐未來新業務場景的快速接入。

·分析決策智能化需求：需Data Agent具備數據分析與生成能力，能自主處理同業信披文件、市場數據等海量信息，提取核心指標、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

達觀數據基于對Data Agent“感知-記憶-規劃-行動”核心屬性的深刻理解，將浦銀理財的需求拆解為三大核心維度，并針對性構建解決方案：

·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“數字員工”——通過“感知”模塊理解自然語言指令與業務場景；“記憶”模塊依托向量數據庫與知識庫存儲短期會話上下文和長期業務知識；“規劃”模塊通過大模型拆解復雜任務為可執行子目標；“行動”模塊調用RPA、API、OCR等工具完成任務執行與結果反饋，形成閉環。

·需求拆解與解決方案落地：

針對“知識服務智能化”需求：構建多維度知識庫體系，支持按部門、業務場景創建專屬知識庫，Data Agent通過RAG（檢索增強生成）技術，實現知識精準召回與答案生成，同時提供知識溯源功能，確保信息權威性。

針對“流程自動化”需求：設計Data Agent流程調度中心，內置員工證券申報、文件打印、交易要素審核等標準化RPA流程，員工通過自然語言觸發后，Agent自主完成跨系統操作，無需人工干預。

針對“數據交互一體化”需求：打造全端統一入口（桌面端、Web端、移動端），Data Agent通過MCP（Model Context Protocol）協議對接浦銀理財資金清算系統、資管系統、估值系統等核心業務平臺，實現“一次對話、多系統協同”。

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，實現模型訓練、部署、監控全生命周期管控；同時提供開放API接口，支持新業務場景與工具的快速接入，滿足“生態化”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SQL）、智能摘要、報告生成能力，能自主對接數據中臺，完成業務數據查詢、同業信息分析，并生成結構化報告，輔助管理層決策。

面臨挑戰

1.系統架構層面的Data Agent適配挑戰

浦銀理財內部現有核心業務系統達10余種，包括資金清算系統、資管系統、估值系統、TA系統等，各系統開發語言、數據格式、接口標準不統一，形成“技術孤島”。Data Agent作為跨系統協同的核心樞紐，需同時兼容 Python、Java、C#等多語言開發的系統，實現數據無縫對接與流程調度，這對Agent的接口適配能力提出極高要求。此外，部分老舊系統無開放API，需通過非侵入式方式實現集成，避免影響原有系統穩定運行，增加了Data Agent的技術實現難度。

2.數據治理層面的Data Agent賦能挑戰

浦銀理財的數據類型復雜多樣，涵蓋PDF、Word、Excel等非結構化文檔，以及數據庫中的結構化業務數據，且存在數據格式不統一、部分文檔掃描件清晰度不足、數據重復或缺失等問題。Data Agent需先完成海量數據的清洗、標準化處理與向量化存儲，才能實現高效檢索與分析。同時，金融數據具備高敏感性，Data Agent在數據提取、傳輸、使用過程中，需嚴格遵循金融行業合規要求，實現精細化權限管控，確保不同崗位員工僅能訪問權限范圍內的數據，這對Agent的安全管控能力構成嚴峻考驗。

3.組織協作層面的Data Agent落地挑戰

浦銀理財業務部門涵蓋投研、財務、資金、產品、運營等多個條線，各部門業務場景差異化顯著：投研部門需Data Agent處理海量同業信披文件并生成分析報告，運營部門側重流程自動化，合規部門關注制度問答與風險審核。不同部門對Data Agent的功能需求、使用習慣存在差異，需協調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，確保Agent能真正融入日常工作流程，避免“技術落地但業務閑置”的情況。

4.Data Agent核心能力的適配挑戰

金融業務場景的復雜性對Data Agent的核心能力提出多重考驗：一是意圖識別的精準性，員工提問可能存在模糊性（如“查詢最近的銷售數據”），Agent需通過反問澄清時間范圍、數據維度等關鍵信息，避免理解偏差；二是專業術語的適配性，不同部門存在專屬“黑話”（如“R12M”“首單人數”），Agent 需構建企業內部專有名詞庫，確保能準確理解跨部門業務指令；三是復雜任務的規劃能力，部分業務場景（如信托貸款評估報告生成）需多步驟協同（材料提取-數據分析-報告撰寫），Agent需能自主拆解子任務，調度OCR、智能寫作等工具完成閉環；四是系統穩定性的高要求，金融業務的連續性至關重要，Data Agent需支持分布式部署，在節點故障時自動切換，確保7×24小時穩定運行。

戰略目標

本次“智浦小鹿”Data Agent項目的核心戰略目標，是助力浦銀理財實現“數據驅動決策、智能賦能業務”的數字化轉型，構建金融行業領先的Data Agent生態體系，具體分為三大維度：

1.頂層戰略轉型，打造企業“數字大腦”

以Data Agent技術為核心，打破數據與系統壁壘，構建覆蓋全業務、全流程的智能中樞，實現從“人工驅動”到“數據與智能雙驅動”的轉型。通過整合內外部數據資源，讓Data Agent成為企業知識的“沉淀者”、業務流程的“優化者”、決策支持的“賦能者”，為浦銀理財“生態化”數字化建設奠定核心基礎，強化其在資產管理領域的核心競爭力。

2.業務效能提升，實現“降本增效”與“風險可控”

短期目標是通過Data Agent自動化處理重復性、基礎性工作，將員工從繁瑣的信息檢索、流程操作中解放出來，預計員工工作效率提升3倍以上，每年創造百萬元級經濟效益；中期目標是通過知識服務智能化，降低業務學習成本，加速新員工融入，提升跨部門協作效率；長期目標是借助Data Agent的數據分析與風險識別能力，提前預警業務合規風險、交易風險，實現“風險前置管控”，保障資產管理業務的穩健發展。

3.行業標桿構建，引領金融Data Agent應用范式

依托浦銀理財的行業影響力與達觀數據的技術實力，將“智浦小鹿”打造為金融資管領域Data Agent落地的標桿案例，形成可復制、可推廣的解決方案。通過場景拓展與能力升級，逐步將Data Agent從內部員工服務延伸至客戶服務、投研決策、風險管控等更多金融場景，不僅助力浦銀理財成為“新時代金融業高質量發展的排頭兵”，更推動Data Agent技術在金融行業的標準化應用，為行業數字化轉型提供實踐樣本。

實施與部署過程

1.項目總體實施方法論

本項目采用“頂層設計、分步實施、敏捷迭代、持續運營”的總體實施策略。項目實施遵循“平臺先行、場景驅動、價值驗證、規模推廣”的路徑，具體分為四個階段：

·基礎平臺建設階段（2024年11月底）：搭建大模型基礎平臺，構建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）：業務深度集成，覆蓋20+系統，100+業務流程，對接資金清算系統、上線5個部門專屬知識庫，證券投資申報自動化流程落地。

·持續運營優化階段（2025年下半年）：建立運營機制，持續優化迭代，并且開啟二期能力建設，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”并非傳統意義上的單一功能系統，而是被定位為企業級的智能數字員工，具備以下多維度職能角色：

·知識小管家：整合企業級知識庫，實現合規制度、業務手冊、產品信息等知識的智能檢索與精準問答，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，折疊重復性工作時長；

·運營小秘書：自動化處理賬單整理、郵件答復、交易要素審核、報表生成等運營任務，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數據查詢、多維度數據分析、智能報告生成能力，支持員工通過自然語言獲取業務數據洞察，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服務中臺”。這個中臺是整個數智化平臺的“發動機”，它提供了可復用、可調用的AI能力，支撐著“智浦小鹿”的各項功能。

·知識服務智能化：中臺提供了文本識別和提取、問答庫構建、外掛知識庫等能力，這是“知識小管家”功能的基礎。它使得“智浦小鹿”能夠理解和利用浦銀理財內部的專業知識，確保回答的專業性和準確性。

·員工服務自動化：通過對接和調用各類API（應用程序編程接口），中臺實現了對業務系統的自動化控制，這正是“辦公小助理”和“運營小秘書”能夠執行復雜操作的關鍵。

·模型服務本地化：中臺將核心模型服務部署在本地，確保了數據安全和隱私保護，同時降低了對外部網絡的依賴，提高了系統穩定性。

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

3.系統架構設計與實現

智浦小鹿采用“分層解耦、中臺化設計、全端覆蓋”的架構體系，整體分為數據層、模型層、Agent層、應用層四大核心層級，同時構建智能模型中臺與管理中臺，形成“兩層四階”的完整技術架構，確保Data Agent的高可用性、擴展性與安全性。

·數據層：統一數據湖構建

數據層作為Data Agent的“燃料供給中心”，整合浦銀理財內部核心系統數據與外部合規數據，形成統一數據湖。具體包括：

結構化數據：來自資金清算系統、資管系統、估值核算系統、TA系統等業務系統的交易數據、產品數據、客戶數據等，通過JDBC/API接口實時同步至關系型數據庫（MySQL）與分布式緩存（Redis）；

非結構化數據：涵蓋公司制度庫、外部法規庫、產品文檔庫、系統手冊庫、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技術提取圖像類文檔文本信息，經清洗、切塊、向量化后存入向量數據庫（Milvus）；

半結構化數據：包括郵件、賬單、交易單等，通過結構化抽取模塊提取關鍵字段，形成標準化數據結構。

數據層采用“實時同步+批量更新”的混合同步策略：高頻變動數據（如產品凈值、交易狀態）通過API接口實時同步，低頻次數據（如制度文件、歷史報告）按日批量更新，確保數據時效性與一致性。同時，建立數據質量校驗機制，通過字段校驗、格式校驗、邏輯校驗三重保障，數據準確率達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+混合調用”的模式，構建多模型協同的大模型服務平臺：

核心模型選型：優先采用私有化部署的Deepseek 32B、QWen3 32B大模型作為基礎基座，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：

RAG（檢索增強生成）：構建“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，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，問答準確率提升至92%；

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

RLHF訓練：基于員工真實交互數據與業務專家反饋，開展人類反饋強化學習，持續優化模型輸出質量，迭代3輪后模型響應滿意度達89%。

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

·Agent層：智能調度與任務執行核心

Agent層是Data Agent的“決策與執行中樞”，負責解析用戶意圖、分解任務、調度工具、執行流程，核心由三大模塊構成：

意圖理解模塊：基于BERT模型與行業詞典，實現用戶自然語言的意圖識別（準確率95%）、實體提取（如產品代碼、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“最近資產情況”，自動反問時間范圍、指標類型）；

任務規劃模塊：采用“子目標分解+思維鏈引導”策略，將復雜任務拆解為可執行的原子任務，例如“生成2023年股票000001開盤價報告”拆解為“確定時間范圍→調用行情數據庫→提取開盤價數據→生成圖表→撰寫報告”；

工具調度模塊：構建工具庫，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）協議實現工具的靈活調用與流程編排，支持同步/異步執行與結果反饋。

Agent層的核心創新在于實現了“感知-記憶-決策-行動”的閉環：通過短期記憶存儲會話上下文，長期記憶沉淀歷史交互數據與分析思路，結合反思（Reflection）機制優化任務執行路徑，確保復雜業務場景的高效落地。

·應用層：全端接入與場景化呈現

應用層是Data Agent的“用戶交互入口”，采用“統一入口+多端適配”的設計，應用層采用對話式交互設計，無需員工學習復雜操作，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），支持自然語言對話、流程觸發、文檔上傳、報告下載等核心功能，集成統一單點登錄，與浦銀理財內部權限系統同步；

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

系統集成：通過API接口嵌入智浦魔方（統一工作臺）及投研、風控、運營等業務系統，實現“無感知集成”，員工無需切換平臺即可使用Agent服務。

4.核心技術

·NL2API/NL2SQL融合技術，解決“自然語言→業務數據”的高效轉化問題

技術原理：通過關鍵詞/句定義與意圖理解關聯，將員工自然語言查詢轉化為標準化API調用或SQL語句，無需員工掌握技術語法；

關鍵創新：預設業務關鍵詞詞典（包含500+金融專有術語、200+指標定義），避免業務理解偏差；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“某產品銷售費欠費情況”，自動識別產品代碼、時間范圍等缺失參數并反問；

應用效果：支持資金清算系統、資管系統、估值系統等8大核心業務系統的高頻查詢，覆蓋銷售費欠費查詢、產品兌付狀態檢查、凈值查詢等30+場景，查詢響應時間≤2秒，準確率達96%。

·RPA與大模型的深度協同技術，實現辦公流程的“自然語言觸發+自動化執行”

技術實現：大模型負責意圖識別與流程調度，RPA機器人負責具體操作執行，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→機器人執行→結果反饋”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算賬號與短信驗證碼，大模型自動調度RPA機器人完成外網登錄、PDF附件下載、內網系統填報、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建簡易流程（如文檔合并、批量打印、郵件群發），已累計上線RPA流程50+，覆蓋運營、行政、財務等多個部門。

·多模態知識管理與檢索技術，構建企業級智能知識庫

數據處理：支持文本、圖像、音視頻等多模態數據接入，通過OCR提取掃描件文本，語音轉寫技術轉換音頻內容，統一轉化為結構化知識；

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

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

·安全合規管控技術，滿足金融行業數據安全要求

私有化部署：核心模型、知識庫、業務數據均部署于浦銀理財本地機房，未授權數據不出境，降低數據泄露風險；

精細化權限管控：基于RBAC模型，實現“用戶-角色-權限-數據”的四級管控，不同部門、崗位員工僅能訪問權限范圍內的知識庫與業務數據，例如投研人員無法查看財務敏感數據；

操作審計：記錄所有用戶交互日志、工具調用日志、數據查詢日志，支持日志追溯與審計分析，滿足監管合規要求。

5.重要產品

·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、文檔上傳、報告生成、數據查詢，支持會話歷史同步、快捷流程收藏、個性化設置；

交互設計：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“幫我預訂明天10點的會議室”，自動觸發會議安排流程；支持多輪對話，可上下文關聯，例如后續補充“參會人員增加3人”，自動更新會議信息；

性能優化：客戶端啟動時間≤3秒，對話響應時間≤1.5秒，支持離線緩存常用知識庫，無網絡環境下可查詢歷史知識。

·智能模型中臺：技術能力支撐核心

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，處理準確率達98%，日均處理文檔1000+份；

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

大模型服務平臺：支持多模型接入與管理，提供模型微調、推理優化、性能監控功能，可根據業務場景靈活選擇模型，例如復雜推理場景使用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、敏感詞設置、回答優化，管理員可查看問答命中率與用戶反饋，持續優化知識庫；

模型管理：實時監控模型響應時間、準確率、并發量，支持模型版本管理與回滾，當新版本模型性能不達標時可快速切換至穩定版本；

效能分析：提供多維度數據報表，包括用戶活躍度、流程自動化率、時間節省統計、部門使用情況等，幫助管理者掌握Agent服務成效。

6.創新思維

·“四化”建設目標引領

提出“知識服務智能化、員工服務自動化、模型服務本地化、智能服務中臺化”的核心目標，既解決當前業務痛點，又為未來擴展奠定基礎。其中，模型服務本地化滿足金融行業數據安全要求，智能服務中臺化實現AI能力的復用與快速迭代，體現了“短期見效、長期賦能”的戰略思維。

·“以員工為中心”的交互設計

突破傳統GUI交互模式，采用對話式交互，降低員工使用門檻；針對模糊查詢設計反問澄清機制，針對專業術語設計自適應理解機制，體現了“人性化、場景化”的產品思維。

·“可插拔、可擴展”的架構設計

智能模型中臺采用模塊化設計，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；應用層支持多端接入與系統集成，體現了“彈性適配、快速迭代”的技術思維。

·“安全合規優先”的底線思維

全程貫徹金融行業安全合規要求，從私有化部署、數據加密、權限管控、操作審計等多維度構建安全體系，確保項目符合監管要求與數據安全標準。

7.團隊配合與項目管理

本項目由達觀數據與浦銀理財聯合組建“智浦小鹿”專項組，下設：

·業務組（浦銀理財各部門代表）：負責需求提出、場景驗證、業務培訓。

·技術組（達觀數據架構、算法、開發團隊）：負責系統設計、開發、集成與運維。

·項目管理組：負責進度控制、資源協調、風險管控。

雙方采用敏捷開發模式，每兩周進行一次迭代評審，確保項目始終貼合業務實際需求。浦銀理財提供業務環境與數據支持，達觀數據提供技術產品與實施服務，形成“業務驅動、技術賦能”的良好合作機制。

生態伙伴合作

“智浦小鹿”項目作為金融行業標桿性Data Agent應用，其成功落地離不開多領域生態伙伴的深度協同。項目聚焦金融行業高安全、高可用、高合規的核心需求，聯合國產化操作系統、分布式數據庫、企業級存儲、開源中間件等領域頭部伙伴，構建了“技術互補、能力協同、安全可控”的合作生態，為項目提供從底層基礎設施到上層技術組件的全棧支撐，確保Data Agent在復雜業務場景下穩定高效運行。

1.國產化操作系統伙伴：麒麟軟件

項目選用麒麟V10 x86架構操作系統作為底層運行環境，麒麟軟件作為核心合作伙伴，提供了全方位的技術支持與適配服務。針對金融行業數據隱私性強、合規要求高的特點，麒麟軟件為項目定制了安全加固方案，通過內核級安全防護、細粒度權限管控、全生命周期審計日志等功能，滿足浦銀理財對數據安全與合規的嚴苛要求。

2.分布式數據庫伙伴：華為（GoldenDB）

作為項目核心數據存儲支撐，華為憑借GoldenDB分布式數據庫為智浦小鹿提供了高可用、高并發的數據存儲與處理能力。針對浦銀理財業務數據體量大、查詢頻率高的痛點，GoldenDB采用分布式架構設計，支持數據分片存儲與并行計算，能夠輕松應對日均百萬級別的數據讀寫請求，確保NL2API數據查詢、知識庫檢索等核心功能的秒級響應，實現與浦銀理財資金清算系統、資管系統、估值系統等多源業務系統的數據實時同步，保障數據一致性與時效性。此外，GoldenDB具備完善的容災備份機制，支持跨區域數據冗余存儲，滿足金融行業“零數據丟失”的核心要求，為Data Agent的數據分析與業務流程自動化提供了可靠的數據底座。

3.企業級對象存儲伙伴：華為（OBS）

針對項目中大量非結構化數據的存儲需求，華為OBS（對象存儲服務）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+份企業制度、投研報告、產品文檔等非結構化數據，均通過華為OBS進行集中存儲與管理。華為OBS支持PB級數據存儲容量擴展，能夠隨項目數據量增長靈活擴容，無需擔心存儲瓶頸；同時采用多副本冗余存儲技術，數據可靠性達99.999999999%，確保文檔、報告等核心知識資產不丟失。此外，華為OBS提供安全的訪問控制機制，與浦銀理財的權限系統深度集成，實現數據訪問的精細化管控，僅授權用戶可查看對應權限的文檔資源，保障數據隱私安全。

4.開源中間件技術伙伴：Elastic、Redis生態

在中間件層面，項目聯合Elastic生態伙伴與Redis技術支持團隊，構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生態伙伴提供了專業的技術優化服務，包括索引結構設計、查詢語句調優、集群性能監控等，通過分詞算法優化、檢索結果排序策略調整，將知識庫查詢的召回率提升至93%以上，響應時間控制在1秒內，滿足員工快速獲取知識信息的需求。針對高并發場景下的性能優化需求，項目選用Redis 6.2.6版本作為分布式緩存組件，通過主從復制、哨兵模式部署，確保緩存服務的高可用性；同時協助優化緩存策略，將高頻查詢數據、會話上下文、熱點配置等存入Redis，減少數據庫訪問壓力，使Data Agent的整體響應速度提升40%，有效支撐了日均千級用戶的并發訪問。

各生態伙伴圍繞智浦小鹿項目的核心需求，形成了“底層安全可控、中層高效協同、上層靈活擴展”的合作格局。麒麟操作系統與華為GoldenDB、OBS的國產化適配，滿足了金融行業國產化替代與合規要求；Elasticsearch與Redis 的技術優化，提升了Data Agent的檢索與響應性能；多方伙伴的聯合調試與應急響應機制，確保了項目從開發、測試到上線全流程的順暢推進，使“智浦小鹿”在數據安全、處理性能、業務適配等方面均達到金融行業領先水平。

合作服務效果

“智浦小鹿”項目通過達觀數據核心技術與生態伙伴全棧支撐的深度協同，實現了從“技術落地”到“價值創造”的跨越。項目以量化數據為核心，從效率提升、成本節約、業務創新、合規安全四大維度構建“成效與價值度量體系”，全面展現Data Agent應用為浦銀理財帶來的顛覆性改變，其商業價值與行業示范效應顯著。

1.成效與價值度量：量化指標見證轉型成果

·效率提升：從“流程繁瑣”到“秒級響應”

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

業務流程效率提升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+大模型協同實現自動化執行。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；費用類業務問答從“人工核對+郵件反饋”的2小時/次，變為NL2API秒級查詢響應，流程效率提升3倍以上。

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

·成本節約：從“人力密集”到“智能替代”

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

系統運維成本降低40%：項目前，浦銀理財多系統獨立運維，需投入專門團隊處理跨系統對接、故障排查等工作；Data Agent通過統一工作臺與智能中臺整合多系統能力，實現運維流程自動化，運維人員工作量減少40%，年節約運維成本約80萬元。

·知識管理成本降低60%：傳統知識管理需專人負責文檔分類、更新、維護，年投入成本約60萬元；Data Agent支持文檔自動解析、智能標簽化、批量更新，知識管理人工投入減少60%，年節約成本約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。

·業務創新：從“被動響應”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、基礎流程自動化2大場景，目前已擴展至智能投研、智能風控、智能寫作、合規審核等10+核心業務場景，覆蓋投研、運營、財務、風控、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“材料上傳→自動生成→審核優化”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。

服務模式從“工具使用”到“智能交互”：突破傳統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%，成為浦銀理財內部使用率最高的智能工具。

數據價值從“沉淀”到“激活”：浦銀理財累計沉淀的10萬+份非結構化文檔、海量業務數據，通過Data Agent的RAG技術、數據分析能力實現價值激活，全年通過知識庫問答、數據查詢、報告生成等功能，挖掘數據價值點500+個，為產品創新、投資決策提供數據支撐，間接帶動投資收益提升約2%。

·合規安全：從“被動合規”到“主動防控”

合規風險降低90%：Data Agent內置敏感詞庫與合規校驗規則，對涉及客戶隱私、監管要求的信息自動過濾與審核，全年攔截違規查詢、不合規文檔生成等風險行為1000+次。同時，所有操作日志實時審計，支持追溯與溯源，滿足金融行業監管合規要求，合規檢查通過率從92%提升至100%。

數據安全保障升級：通過國產化操作系統、分布式數據庫、私有化大模型部署的協同，實現數據“存儲-傳輸-使用”全鏈路安全可控。數據加密傳輸率達100%，權限管控顆粒度細化至“用戶-部門-數據項”，未發生一起數據泄露或安全事件，數據安全評級從行業中等水平提升至優秀。

2.Data Agent應用的核心價值體現

·從“工具型應用”到“智能體伙伴”的跨越

傳統AI工具僅能響應單一指令，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、分解復雜任務、調度多工具協同執行。例如，員工提出“分析近3個月同業理財產品收益情況并生成報告”，Data Agent自動拆解為“數據爬取→數據清洗→數據分析→圖表生成→報告撰寫”5個子任務，調度RPA爬取同業數據、NL2SQL分析數據、智能寫作生成報告，全程無需人工干預，實現從“被動工具”到“主動伙伴”的本質轉變。

·從“系統孤島”到“數據協同”的打通

浦銀理財此前存在多系統獨立運行、數據割裂的痛點，Data Agent通過智能中臺整合OCR、RPA、大模型、數據庫等多源能力，實現跨系統數據無縫流轉與業務流程串聯。例如，投資交易劃款審核場景，Data Agent自動從交易系統提取劃款信息、通過 OCR識別交易單要素、與資金清算系統核對數據、向審批系統推送審核結果，打通4個核心系統的數據流與業務流，跨系統協作效率提升3倍，徹底解決“員工在多系統間頻繁切換”的痛點。

·從“標準化服務”到“個性化適配”的升級

Data Agent支持部門級知識庫定制、角色權限個性化配置、業務場景靈活擴展，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研報、宏觀數據，運營部門可配置專屬RPA流程，管理層可獲取定制化經營分析報告，實現“千人千面”的智能服務。同時，通過Prompt管理與專有名詞映射，支持員工使用行業黑話、內部術語進行交互，意圖識別準確率達95%，大幅降低使用門檻。

3.長期價值與行業影響

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價值，更推動其數字化轉型從“線上化”邁入“數智化”新階段，成為資管行業Data Agent應用的標桿案例。項目驗證了Data Agent在金融行業的可行性與規模化應用潛力，其“國產化適配+私有化部署+場景化創新”的模式，為其他金融機構提供了可復制、可推廣的實踐經驗。該項目已入選2024年人工智能大模型金融領域示范場景及創新應用案例、《上海全球資產管理中心建設資產管理大模型應用實踐與指南》（收錄案例）、AIDD2025AI+研發數字峰會AI+領域線金融業典型案例、信通院《2025年“人工智能+”行業標桿案例薈萃》，具有很好的代表性和可復制性。

關于企業

·達觀數據

達觀數據2015年底成立，專注于智能知識管理軟件系統的開發，廣泛應用于各類知識管理業務的智能化、人性化，大幅度提高企業人效與智能化水平。其自主研發的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，打造智能任務處理閉環。集成企業知識庫，深度激活企業知識價值，賦能政務、金融、制造等多領域端到端智能轉型。是行業首家國家級專精特新“小巨人”企業，也曾榮獲中國人工智能領域最高獎“吳文俊人工智能獎”。

·浦銀理財

浦銀理財緊緊圍繞浦發銀行“全面建設具有國際競爭力的一流股份制商業銀行，推動全行成為新時代金融業高質量發展的排頭兵和先行者”的戰略目標，堅持以高質量發展為主線，以服務為根本，以市場為導向，以國際一流的資產管理機構為標桿，以專業驅動投資、以業績回報信任為戰略發展定位，努力打造銷售渠道多元化、產品研發特色化、投資研究一體化、服務支撐數字化的領先資產管理機構。

★以上由達觀數據投遞申報的Agent案例，最終將會角逐由金猿組委會×數據猿×上海大數據聯盟聯合推出的《2025中國大數據產業年度Data Agent創新應用》榜單/獎項。

該榜單最終將于1月上旬上海舉辦的“2025第八屆金猿大數據產業發展論壇——暨AI Infra & Data Agent趨勢論壇”現場首次揭曉榜單，并舉行頒獎儀式，歡迎報名蒞臨現場。