在第二十八届北京科博会上，神州信息AI创新中心高级业务总监叶超分享了把AI智能体“养”出来的落地实践。

　　过去一年，我们和共创伙伴一起，把AI智能体放进了银行的真实业务里。不是只能在PPT里“跑”的概念演示，而是理财经理、信贷审批岗每天真正点开来用的工具。

　　业务、合规、科技三个部门坐在一张桌子上，一版一版往前打磨。

　　智能体能不能用起来，也许不是模型的问题。

　　真正难的是另外三件事：让AI摸到业务的门道、让智能体在流程里站对位置、让人和机器在合规的边界里各做各的强项。这三件事，都不是单纯的技术问题。

为了把这三件事做扎实，我们也做了三件事：

1

把四类角色拉到同一张桌子上

　　我们成立了AI创新中心。资深业务专家、AI产品经理、智能体架构师、AI工程师，四类人同坐一室。每做一个智能体，这四个角色都在场。

2

选对一起做事的人

　　我们只和真正想看见东西落地的金融机构合作。业务骨干、合规专家、老风控人，愿意搭上自己最值钱的时间，跟着我们一版一版试、一句一句改、一条一条核——这是事情能往深里走的前提。

3

把“快速迭代”变成机制

　　每出一版，我们和银行的同事一起用、一起挑毛病。挑出来的问题，变成下一版的起点。这样一轮一轮转下去。

　　真正能落地的智能体，都是“养”出来的。

　　在创新中心里，工程师教业务专家怎么搭智能体，业务专家给工程师讲场景里的判断逻辑。两边互相学，智能体才能真正长进业务流程里——有时候，流程本身，也跟着重组了。

　　AI的本事确实大，但不熟门道，就抓不准方向、拿不准尺度、用不对语气。业务和技术坐在一起，其实是在帮AI摸门道——让它不用瞎猜，就能进入状态。

财富营销的两条路线：选错方向比不做更糟

　　用AI做财富营销，市面上有两条路。

　　一条叫“产品驱动”：银行定好本月主推哪几只，让AI为不同客户写不一样的话术。表面千人千面，实际上是用大模型的说服力，把信息差再放大一层。

　　另一条叫“客户驱动”：先弄清楚客户真想要什么、能承受多大风险，再从全量产品池里去匹配。一样是千人千面，方向是反的——用大模型的洞察力，把信息差填上。

为什么这个选择正变得紧迫？

　　OpenAI 过去半年里连着收了两家个人理财公司：2025年10月是Roi，2026年4月是定位“AI personal CFO”的Hiro Finance。大模型厂商已经在直接给C端消费者提供AI财务顾问了。

　　等到客户手里也有了AI顾问，银行精心写出来的话术，几秒钟就会被看穿。

产品驱动，资产会变成负担；

　　客户驱动，透明本身就是资产。

共创两个月：那些只有蹲下来才看得见的问题

　　我们和某城商行共创了两个月，现在还在迭代。

　　方向选对只是第一步。真到了银行里面，你才知道“让AI摸到门道”，具体难在哪。

　　大模型写出来的文案，常常冒出“严格符合收益预期”这种话。在金融语境里，这就是刚性兑付的暗示。类似的合规雷区，我们一条一条梳理，挑出50多条——每一条，都要坐在合规部门对面，一句一句对清楚。

　　我们一开始做了套多轮问答——“客户的风险偏好?”“投资期限多久?”——上线一测，不少理财经理在第二轮就把窗口关掉了。

　　这些问题，技术上都不难修。难的是，不蹲在银行里，根本看不见问题在哪。这就是为什么“让 AI 懂业务”会成为瓶颈——你必须既懂 AI，又懂业务，才能发现这些细缝。

　　但最让我们觉得这两个月没白做的，是Agent真有了一点判断力。

　　需求：消费主题基金，最大回撤小于20%，夏普比率大于1。

　　系统检索完全量产品库，完全符合条件的只有一只。规则引擎会给你“符合条件产品 1 支”。

　　我们的Agent不是这么做。它发现条件太严了，主动放宽了夏普，又找了两只回撤控得好的替代品，告诉客户每一只的差异在哪里。

　　这是只有干了多年的理财经理，才会有的反应。

对公信贷：把“老风控人”的判断力蒸馏下来

　　对公信贷这件事，无论是科技金融、绿色金融，还是普惠小微，判断好不好，看的是有没有“老风控人”压在那里。

　　AI在风控这边，大家最常拿来做尽调和审批报告的初稿，帮信贷岗省下了不少敲字的时间。但我们关心的是另外一层。

　　我们做的事叫“案例蒸馏”：从过去的授信审批报告里,把“老风控人”当年的判断逻辑反向提炼出来——这笔为什么批、那笔为什么拒、放出去以后的还款情况,有没有验证最初的判断。把这些，变成一个个可以被AI调用的判断Skill。

　　蒸馏出来的经验，直接进了审批建议环节。它给出的是一条带着证据链的判断——每一句建议，都能追溯到具体的某一笔历史案例，某一条经验。

　　每一笔新做的审批，会反过来流回蒸馏池，蒸出新的Skill。但Skill库不是越大越好——光多没用，运营成本还高。

　　蒸馏出来的每一条Skill，都要拿到真实场景里验证：用得好的留下来反复用，过时的下架，误判的复盘后回炉。优胜劣汰，这才是Skill库真正能长出真功夫的关键。

市面上大多数 AI 产品，调用一次就是消耗一次;

　　这套闭环，让银行的每一次调用，都在沉淀自己的资产。

　　在财富营销，我们是帮AI摸到银行自己的推荐手感；在对公授信,我们是帮AI拿到银行自己的判断分寸。场景不同，法子是一样的。

　　这套法子从一个场景跑到多个场景，底下的能力栈就慢慢长出来：客户画像引擎、产品知识库、专家经验库、合规规则库、Skill 蒸馏方法论——再加上一层 Agent OS。

　　这层Agent OS，我们叫它Skillbase：独立于任何外部智能体平台，部署灵活，使用简单。它既是Skills的沉淀场，也是智能体的编排台——一次搭好，跨场景共用，越用越厚。

　　我们有时候会想——“养智能体”这件事，有点像看武侠小说。

　　一位幸运的主角，一路遇到各路高人，人人愿意倾囊相授，集天地之精华，熬出一身真功夫。只是这样的际遇，在小说里也是屈指可数——大半时候，这份福气只属于主角一人。

　　我们养出来的智能体，享受的恰恰是这种“殊荣”：资深业务专家、合规高手、老风控人、AI 工程师轮番上阵，一遍遍讲、一遍遍纠、一遍遍调。

　　但它和小说主角不一样的地方在于——主角只有一个，智能体可以复制成很多份；主角也要吃饭睡觉，智能体 7×24 小时不停歇。

　　更重要的是：每一份复制品,跟着不同的人工作，会按各自"主人"的手感继续生长。一身功夫，十种样子——每一份，都和它服务的那个人，越用越合。

养一个“用得值”的智能体不容易——

　　但它会复制，不会停歇，还会跟着每一个使用它的人继续生长。

　　这份用心，值得。

　　本届科博会上，基于上述方法论打造的「财富营销智能助手」荣获 2026数智金融创新应用引领奖。

　　到现在，神州信息AI创新中心已经做出了近50个智能体，覆盖前中后台、从业务到运营到科技——每一个都可以亲手体验、亲自试用。

　　AI创新中心还在牵头承担金标委人工智能应用专题组2026年度重点项目——《金融领域基于可信架构的 Agent OS 智能体业务承载与治理》。

　　AI在金融行业,最后真正比的是一件事——让AI在金融机构里，站对位置，走对方向。

　　这件事，急不来，但等不起。

6 月初 · 金融智能体工厂发布

同期举办两场专题会

业务场景创新智能体

软件工艺创新智能体

　　想听听这些智能体是怎么“养”出来的，或者想自己上手试一试——欢迎关注「神州信息」公众号，时间和地点将届时公布。

易游网页版，xingkong.com，

米乐易游相关资讯：xingkong.com，