01

AI是什么：价值、形态与边界

价值不是“接模型”，而是业务结果。

• 价值四维：客户体验、风险管理、业务创新、运营成本降低；接口联调、素材生成只是过程或局部能力。
• 产品逻辑从“以功能为核心”走向“以角色为核心”，强调对话入口与“一句话直达服务”。
• 商业思维链：动作 → 工作流 → 成果 → Agent；AI项目不要停在单点动作提效。
• Chatbot重问答，Copilot重模块辅助，Agent能面向指令或环境变化自主执行，AIGC重内容生成。

排雷：AI不是高精度数值引擎，也不能凭空生产真实测试数据；资金清算、核心交易宜辅助分析而非自动决策。

02

生成式AI：原理、幻觉与人工复核

概率生成，不等于事实保证。

• 传统搜索在既有内容中匹配；生成式AI按概率逐Token生成新内容。规模跨过临界点后可能出现推理、多步计算等能力涌现。
• 训练三阶段：预训练学通用语言 → 微调学会听指令 → RLHF对齐人类价值与安全。
• 推理主要利用既有训练知识；一次普通对话不会自动把新知识永久写入模型。上下文窗口决定一次可见文本容量，知识边界受训练截止点限制。
• 减幻觉三件套：RAG检索可靠知识、要求引用来源、人工审核；Temperature低更稳定，Temperature高更有创意也更不确定。

排雷：增加对话轮数不等于减少幻觉；涉及资金、合规、客户时，AI可做初稿，人必须核事实、留痕并做最终判断。

03

个人能力升级：人机分工与工作流

AI替代任务，不替代岗位责任。

• 判断AI介入边界看两个维度：任务结构化程度与人际互动复杂度；结构化高、互动低最适合交给AI。
• 优先选择高频、重复、耗时、步骤固定、结果格式明确的事务；AI做处理、整理、初稿和标准回复，人做审核、例外、关系、协同、创新与责任承担。
• 能力阶梯：基础层会用工具；核心层会设计指令、审核判断；高阶层会设计流程、管理关系和沟通。
• 工作流从单点使用 → 模板沉淀 → 多工具串联 → 自动化流程；落地时写步骤、存模板、固定触发时间、记录迭代。

答题线索：工具选型不能替代流程设计；效果评价要同时看效率、质量和可扩展空间。

04

知识库与RAG：让AI有据可查

资料要加工，答案要溯源。

• 显性知识写在纸面或系统；隐性知识藏在专家脑中，可沉淀为案例、课件、实践方法和FAQ。
• 加工链路：OCR → 文档切片 → 向量化 → 双路召回/语义检索 → 问题改写 → 生成并溯源。
• 切片要保持语义完整，过大或过小都影响召回；长文、长URL可自定义切片，表格检索字段需建索引。
• RAG能补企业内部知识、缓解知识截止与幻觉、附带原文引用并同步更新；知识创建可来自在线文档、在线FAQ、FAQ上传、文件上传。

权限：文档 > 目录 > 空间。知识空间相互独立，但可在授权范围内跨空间访问；运营还要维护、收反馈、分析、推广和淘汰过期内容。

05

AI安全：攻击面、对齐与防护

从输入、工具、输出到身份的全链路防护。

• 提示词注入以特制输入绕过限制或操纵输出；间接注入可来自恶意网页、文档或工具返回；越狱攻击试图突破安全对齐。
• 模型投毒在训练数据、模型或权重供应链植入恶意能力；使用pickle的.pth权重也可能执行任意代码。第三方插件扩大供应链与系统指令风险。
• 推理侧可做输入分类监测、输出PII掩码/替换、约束解码；重训底层权重属于训练侧。水印用于识别AI生成内容，不是防注入技术。
• 高安全行业优先本地私有化部署与严格访问控制；MCP提供标准交互协议，便于权限管控和审计。

三道护栏：人在回路、最小权限、身份隔离/沙箱。参数更多、上下文更长都不等于更安全。

06

Prompt基本功：结构、追问与合规

让模型知道“谁做、基于什么、做什么、做到什么样”。

• RBTR：Role角色、Background背景、Task任务、Requirement要求；可扩展为目标、限制、注意点、工作流程、输出格式。
• 核心需求前置，复杂长Prompt可在结尾再次强调；用标题、层级和分隔符组织模块，避免模糊、否定句、冲突参数和复杂语法。
• 结果缺逻辑追问“为什么”；缺动作追问“如何做”，可按岗位、流程、时间、责任拆解。
• CO-STAR中Style控制写作风格；CRISPE中Capacity/Role定能力角色、Insight给背景；TCREI包含任务、背景、参考、评估、迭代。

合规：Few-shot须覆盖easy case与hard case；银行理财宣传不得承诺或暗示收益，“收益稳健”等正面定性也可能造成误导。

07

AI办公提效

从碎片知识到可用的办公产物。

• 知识管理常见痛点：信息滞后、标准化低、知识碎片化。
• 征信智能审核：OCR + 大模型 + 代码，审核从10分钟降到30秒，覆盖十六大审核点，但不能完全替代人工。
• pdf2markdown六能力：文字、公式、印章、表格识别，加逻辑版面与物理版面分析；复杂文档还要区分多图切分、文件分类、文档拆套、版面分析。
• AI法律审核从被动执行规则走向主动识别风险条款并给复核建议；知识生产包括API导入、本地批量导入和个人创作投递，敏感词与多道审核属于加工流程。

办公产出：WPS AI可按主题/文档生成PPT大纲并结合模板产出；生成后仍要核验指标口径、层级和配图。

08

AI优化客户沟通

按场景给话术，按边界守合规。

• 产品咨询：准确参数 + 简洁比较；业务办理：清晰流程引导；风险提示：严谨规范 + 通俗易懂。
• 投诉处理路径：共情表达 → 问题确认 → 方案提供 → 跟进承诺；关系维护：问候关怀 → 价值提供 → 需求探测 → 预约沟通。
• 营销推荐：痛点切入 → 方案匹配 → 利益量化 → 促成行动；异议话术按开场白、核心论述、行动建议组织，先识别真正不满。
• 客户分层可看资产、年龄、业务偏好、关系阶段、渠道偏好和专业背景；实时智能教练由全局合规约束、动态客户上下文、实时触发建议构成。

排雷：自然不打扰不等于弱化合规；案例库要同时沉淀成功共性和失败踩坑，模板替换数据时要保持结构与口径一致。

09

AI优化托管业务

围绕审核、分拣、监督和精准问答。

• 重点场景：AI问答、合同审核、邮件资料分拣、交易单据处理、划款指令审核、监督指标设置。
• 垂直知识库目标：随身可用、问答精准、场景适配、条线复用；素材可包括外规、内规、营销资料、示范文本、操作手册。
• 托管监督的是合同约定的投资范围、比例、期限等，不是监督投资决策收益率；指标设置助手：数据识别 → AI分析 → 智能比对 → 可视化呈现。
• 合同审核应解决效率低、风险识别不全、执行标准不一，模式是“用户可见、规则可配、模型可训”；指令审核比对指令信息、合同规定、指令附件三位一体。

数字：300万份材料/年；外规库38部门、1万+资料；20种指令；20万笔/年、约1000笔/日，15:00–17:00为高峰。存疑指令要精准推送人工复核。

10

AI优化风险管理

将非结构化材料转成可检索、可比对的风控情报。

• 技术四路：CoT多步推理、知识图谱关联穿透、微调模型专业分析、多模态识别材料与访谈。
• 可把历史审查、贷后报告、行业研究、制度文件等转为可检索情报；授信材料可做OCR、分类、自动命名、归档，并提示缺失、过期、重复。
• 放款条件核查：解析审批通知书，按支付、担保、合规等分类，再与提交材料逐条比对已满足/部分满足/未满足。
• 多期财务分析需交叉验证营收、利润、现金流，识别异常波动和潜在关联交易；组合预警可整合交易流水、行为、关联关系，以特征组合降低误报。

抗幻觉路径：OCR+大模型提取 → RAG对接征信/风险名单 → 多重采样选一致结论；尽调报告由AI出初稿，人工审核修改后定稿。

11

AI驱动办公全流程优化

从单文档生成走向端到端办公闭环。

• 常见场景：信息提炼、文本生成、数据处理、智能办公、辅助投资。文本生成框架：角色、背景、目标、工作流程、注意点、输出格式。
• 会议闭环：实时记录 → 转文字 → 提炼议题/结论/待办，重点不是单纯录音归档；理财分析报告：数据整理 → 初稿 → 润色 → 定稿。
• PPT智能设计三重点：大纲设计、细节完善、图片处理；生成后复核指标口径、层级与配图。
• 数据分析覆盖预处理、分析、Excel批量处理；客户价值评分可用线性回归，客户分群可按年龄、薪酬等聚类。

辨析：Excel中的函数、数据透视表、可视化、批处理各有职责；重复字段整理与格式调整属于批处理。

12

CoT思维链与决策逻辑

把复杂判断显式拆开，才有机会纠错与审计。

• CoT将复杂问题分步展开，暴露依据、风险点和推导过程，方便发现、定位、纠正错误。
• 零样本CoT用“请逐步分析”触发；少样本CoT提供带推理过程的示例；原生推理模型在训练阶段内化相关能力。
• 纠偏三件套：分步暴露、置信度/待核实标记、自检回路。四类常见错误：事实虚构、错误归因、逻辑跳跃、过度自信。
• 多因子决策：先列维度和缺失项，再逐项独立评价，随后识别矛盾与叠加风险，最后输出评级、风险、置信度、建议。

可解释性：需要审计可追溯、客户告知义务、责任可划分；模板固定角色、步骤、格式、合规约束，企业名/金额/行业/指标用变量替换。

13

Workflow流程编排

让执行按节点、条件、状态和兜底机制稳定运转。

• 四要素：触发器决定何时开始；处理节点执行动作；条件判断选择路径；输出节点反馈结果。处理节点可包括LLM、知识检索、代码、HTTP请求。
• 条件必须明确可计算，多条件有优先级，所有情况都有路径和默认兜底；多个分支结果用变量聚合器汇总。
• 大批量循环要分批、记录进度、错误隔离；失败项进入错误队列，其他任务继续。断点恢复保存当前节点ID、已完成列表和变量快照。
• 写入型节点要保证幂等，避免重复扣款/写入；格式错时重试并强化格式约束，接口超时重试，业务异常转人工，数据异常拦截并通知源方。

运营：监控可用性、性能、稳定性、质量、成本、业务六维；记录execution_id、节点耗时、Token、结果。上线从低风险验证到灰度，再到规模期监控退化。

14

Tool调用与系统集成

模型会规划，系统才执行。

• Function Calling：理解意图 → 选择工具 → 生成函数名/参数 → 系统执行API → 结果回传 → 模型继续推理。
• 可连接客户信息、知识库、通知触达、核心业务、风控合规；系统敏感度越高，权限越收紧。
• 权限四级：查询检索；记录/通知/报告并留痕；标签/额度/审批等变更走AI建议—人工确认—系统执行；资金/配置由人工操作。
• 合规检查是用规则库比事实库得结论，再由归档服务保存报告与整改工单；个人信息处理要最小必要、全程可追溯、敏感信息脱敏。

失败处置：系统不可用、超时、权限不足、数据异常、业务限制都可能失败；处理顺序是重试、降级、转人工。

15

智能体工程化：AI通关案例

评估一个智能体，不能只看它能不能说话。

• AI通关是理财产品介绍话术陪练，服务理财经理；语音经ASR转文字，再存储和评估。
• 评分维度：关键词、流畅性、完整性、合规性、语速、情感；完整性与标准答案比相似度，合规检测保本/承诺收益等风险表述。
• 平台可接Qwen、DeepSeek等模型，工作流常用开始节点、大模型节点、代码节点；代码节点负责解析和格式化输入，外部API应由API节点调用。
• 工程需求以目标为导向，测试覆盖准确率、泛化、鲁棒性、边界场景、业务适配和主观效果。

定位：平台优势是提效、降门槛、能力协同；它是补充和变革，不是彻底替代专家或传统工程。柔性调优靠Prompt、Few-shot、微调和持续反馈。

16

智能体从能用到好用

稳定性来自约束、分步、校验和可见反馈。

• 工作流智能体适合严谨固定流程，以拖拽节点生成DAG，通常比自主规划智能体更可靠。
• 应用阶段RAG仍是：用户提问 → 检索召回 → 注入提示词 → LLM生成；指令过多时中间要求容易被忽略，重要需求放前并在末尾重复。
• 结构调优是把复杂规则分步拆解；强格式、强规则校验配合代码节点可以抑制幻觉。
• 体验优化可用消息节点展示中间结果，并让用户在过程中补充输入；缓存主要解决效率，不是正确性问题。

辨析：Markdown转Word组件可按模板保存下载；文档解析通常先OCR再转Markdown。模型参数更大不自动等于更安全。

17

AI资产复用与治理

把个人技巧变成组织可回滚、可审计的资产。

• Prompt库依赖分类、参数化、版本控制、团队共享和实测记录；好Prompt看清晰、可复用、有实测，不看字数长短。
• 参数化用【客户类型】【产品名称】等变量；质量元数据可记录适用模型、场景、输入示例、效果评分、核心指标，版本必须可回滚。
• 智能体通过工具调用、条件判断、多步骤执行承接跨系统流程；模板市场可复用，但生产前必须适配。
• 知识库优先收录权威、标准、高频、能指导操作的内容；切片按语义完整性和文档类型选择粒度，保留上下文。

生命周期：治理核心是全生命周期、质量标准、权限管理；场景消失、性能持续下降、更优替代、监管变化都可触发退役。质量管理宜自动测试+抽样审核，不能用一律双人审批卡住迭代。

18

OpenClaw与WorkBuddy

前者偏设备级执行，后者偏办公易用与企业安全。

• OpenClaw用自然语言指挥设备，可跨应用、文件、界面执行真实操作；传统对话AI主要给文本和建议。
• 特征：代码开放、社区驱动、可定制扩展、支持本地部署和主流模型切换；ClawHub提供社区Skill，把网页采集、行情、邮件等外部能力封装成组件。
• WorkBuddy定位全场景AI办公助手，强调图形引导、免部署、简单易用、企业级安全。
• 案例：Excel+Word批量合同、PDF财报汇总到Excel、多源黄金数据/舆情可视化、股吧评论情绪打分。

试点规则：优先目标明确、重复高频、可由工具执行的事务任务，如汇总、邮件、日程、文件、报告。批量文件生成必须做字段映射校验、行级记录、异常清单人工复核。

19

2026年全行工作会议

战略框架、产业金融与数字运营基础。

• 五化：数智化、绿色化、国际化、综合化、生态化；其中数智化是战略转型根本引擎。四张名片：科技金融、绿色金融、财富银行、投资银行。
• 价值银行是在为客户创造价值过程中，也为银行和股东创造价值，实现经济、社会、环境效益统一。
• 未来五年三趋势：现代产业体系全面提速、智能化浪潮席卷千行百业、国际化经营成为普遍选择。
• 产业金融从企业到生态，覆盖创新链、供应链、股权链、资金链、人才链；主体信用走向交易信用，“进”在产业金融、重点区域、国际业务、表外业务。

数字化基础：客户信息治理、标签重检、埋点建设；渠道抓手机银行、企业微信、远程经营。IT四架构是应用、数据、技术、安全；战略“1”偏中长期结果，“N”偏执行过程。

20

2026年数字化转型委员会会议

用时间轴和 1+7、3+3+1 记住全局设计。

• 里程碑：2026局部领域建标杆；2027搭建“一岗一助手”；2030让AI由辅助工具变为核心能力。
• 业务“1+7”：1种集约化服务模式，7大核心能力域；建设对内管理、对客服务两个超级智能体。
• 技术“3+3+1”：高质量数据集、知识、模型三大工程；数据、模型、算力三大底座；一个智能平台。最大比较优势是应用场景。
• 推进：业务主导、技术支撑、螺旋上升、适度超前；业务、数据、技术、算力多轮驱动。人本视角分简单重复、智能更专业、管理标准化三类工作。

责任边界：知识生产从采集、清洗、提炼、打标、质检、使用到沉淀；外部数据严准入、清有毒数据、评质量；所有对客场景设必要人工审核和即时切断机制，AI不能弱化人和单位责任。

21

高质量数据集构建

场景、加工、标注、运营和安全缺一不可。

• 定义：经采集、加工等处理，可直接用于训练AI并有效提升模型性能的数据集合。五特征：有场景、有组织、有说明、有样性、有提升。
• 四部分：目标、特征、元数据、样本；特征是模型学习的清洗后输入变量。五环节：场景设计 → 数据采集 → 数据预处理 → 数据标注 → 数据运营。
• 预处理通过入湖、聚合、特征衍生把原始数据变成结构化燃料，非结构化数据采用逻辑入湖；业务人员定场景目标，建模人员评质量/量并做冠军—挑战者，标注人员内检后交付。
• 问题回流：缺某类数据回场景设计；质量问题回采集治理；特征有效性差回数据加工。六原则：合法正当、标准先行、应控尽控、应入尽入、共享性、以用促治。

安全阈值：来源或采后核验违法不良信息超过5%不采；标注安全不通过超过5%整批作废；每条标注至少一人审核。重要数据三级等保，核心数据四级等保或关保，个人身份鉴别数据不得用于建设。

22

用户体验行为分析与埋点模型

先辨行为、属性、指标，再选对分析方法。

• SPM四位：A业务、B页面、C区块、D展位；分发页和承接页覆盖要求不同，分发页按钮点击要全覆盖。
• 事件是用户主动行为，如查看余额、点击贷款计算器；存款金额是属性，日启动次数是统计指标。
• 漏斗有行为先后与时间窗口，用于定位转化流失；路径可从起点看后续，也可从终点回溯来源；间隔看两事件的转化时长分布；留存看再次使用比例，归因看各触点贡献。
• 均值分母是次数，人均值分母是去重用户数，UV是独立访客数。“没值”=属性未上报，“为空”=已上报但为空字符串。

计算与策略：入口点击率=入口点击次数/总页面浏览量；退出率=退出次数/页面浏览量；转化率分母是曝光触达总用户数。触发型策略是事件驱动，“完成A未完成B”需配A、B、关系、时间窗口和策略起止时间，窗口≤30天。