在第二十八届北京科博会上，，
，，尊龙时凯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，，，
，尊龙时凯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
。。