案例名称

烟台银行大模型应用建设项目

案例简介

面向城商行AI转型资源有限的现实痛点，烟台银行联合中关村科金，打造“1 个平台 + 2 大核心场景”大模型应用体系，基于得助大模型平台，落地知识问答、智能问数两大高频业务场景。采用私有化部署，完成流程知识库、文档知识库、银行指标体系建设，实现行员自然语言知识检索、业务人员自助取数分析，解决知识分散、取数依赖技术、AI 能力碎片化等难题。

项目兼顾金融合规与性能，实现知识口径统一、业务自主取数，为城商行大模型落地提供可复制实践样本，支撑银行智能化从单点工具走向平台化复用。

创新技术/模式应用

本项目依托中关村科金自研得助大模型平台作为统一 AI底座，采用全私有化部署，对接行内统一身份认证，实现单点登录与精细化权限管控，适配 MiniMax M2、Qwen2.5‑72B、Qwen3‑80B、MinerU 等多类大小模型，兼顾性能与成本；集成 AgentFlow、应用发布、权限管控工具链，提升 AI 场景开发效率。

在模式创新上，采用“统一底座 +业务场景”建设模式，摒弃各部门分散建设 AI 工具的模式，一套底座支撑多业务应用，并以高频场景切入，形成“平台底座—场景闭环—规模扩展”的路径。

• 在知识问答场景，实现知识资产组织与可信问答。搭建业务流程FAQ知识库与内外规文档知识库，对接 OA 自动同步制度文件，建立“有效/废止”分库管理；支持自然语言、语音问答与文档上传问答，内置意图识别与敏感词检测，知识库外问题触发合规兜底回复，回答结果可溯源；已集成至行内 App 与企业门户。

• 智能问数场景，可通过自然语言取数与数据分析。对接 GBase8A、OceanBase 等信创数据库，构建千级指标、标签体系，业务人员用自然语言提问，即可自动生成表格、图表、分析报告，可展示、编辑底层SQL；与行内人员机构表联动，实现部门级数据权限隔离，支持Excel导出与系统 API/iframe 嵌入。

• 安全合规与信创适配。整套体系叠加敏感信息过滤、操作日志审计、数据加密，满足金融业强合规要求；同时预留扩展接口，支撑后续更多 AI 场景接入。

项目效果评估

1、痛点与需求满足：

项目聚焦城商行发展中面对的三重挑战：一是业务知识资产分散，产品文档与合规制度检索繁琐、跨部门确认成本高、多渠道口径不一致；二是数据查询依赖技术团队编写 SQL，业务响应周期长；三是各部门 AI零散建设，架构不统一、数据难互通、能力难复用。

项目以统一AI底座覆盖知识问答与智能问数，实现银行知识资产可管可用，可信合规问答，业务人员自助取数，AI 能力统一管控复用，满足部门级权限隔离与员工合规查询，业务数据分析决策的核心需求。

2、效果数据：

• 统一AI底座与平台化：实现能力集中管控与复用，避免重复建设；敏感信息过滤、操作日志审计与数据加密满足金融强合规要求。

• 知识问答场景：问答准确率稳定在90% 以上，首字响应在7秒以内，支持 20 路并发请求，满足多业务线同时使用；知识库包含外规1000 + 文档、内规700 + 文档；知识库上线后，客服无需跨系统反复检索，合规口径统一、知识溯源清晰。

• 智能问数场景：图表生成时间在10秒以内，数据库查询耗时不超过3 秒，查询理解准确率 85% 以上，支持100人同时在线使用；实现业务人员自主取数，数据驱动决策门槛大幅降低。

3、版本与优化对比：

区别于银行过去各部门独立采购单点 AI 工具的模式，本项目构建统一 AI 技术底座，实现模型、知识库、数据能力集中管控，能力可跨业务线复用；新增知识管理、数据权限隔离、回答溯源、合规兜底机制；无需重复搭建底层 AI 环境，新 AI 应用可基于底座快速开发上线。

责任编辑：佟桃梨