諸葛io文革：讓Agent成為懂銀行的“數據分析專家”

近日，在行業頂級技術盛會QCon大會上，諸葛智能CTO文革發表了主題演講《一本通（Datainsight Agent）在城商行業務分析的探索與實踐》。

他在演講中聚焦于一個核心問題：如何在“最后一公里”幫助客戶，尤其是城商行，真正用起大模型的能力，解決業務分析中的實際痛點。

痛點：

城商行數據分析的“深度與效率”挑戰

文革首先指出，城商行在數字化經營分析中普遍存在三大痛點，主要集中在人員、知識和效率：

• 人員經驗不足，缺乏深度洞察：多數城商行對復雜業務的深度分析能力有限，超六成機構存在客群未盤活、風控能力不足等問題。
• 行業專業知識積累有限：城商行深度綁定地方經濟，缺乏行業營銷經驗與風向預測能力。
• 分析標準不統一，效率低下：內部缺乏統一分析標準，數據口徑差異導致分析效率低下。

解法：

讓數據分析擁有自我進化能力

針對這一現狀，諸葛智能推出的「一本通（Datainsight Agent）」并非傳統意義上的BI或數據工具，而是一款具備自主學習與業務理解能力的智能體。

它可通過自然語言與用戶交互，實現“自助分析、自主學習、自主解讀”，幫助業務人員在分鐘級時間內完成復雜分析，從數據到結論的轉化不再依賴人工經驗。

“培養一個985畢業生”

行業專精的成長邏輯

在談到模型構建理念時，文革用一個生動的比喻形容了Datainsight Agent的成長機制——“我們希望把智能體培養成一個行業里的985畢業生。”

所謂“985畢業生”，意味著智能體具備扎實的專業知識與較強的自我學習能力。諸葛智能通過行業知識預訓練+使用中自學習進化兩條路徑，讓AI在銀行領域具備“越用越懂你”的特征。

它不僅能理解銀行業務的復雜指標邏輯，還能隨著使用者反饋持續微調模型，動態優化分析策略。

技術創新

多智能體協作與記憶體系構建

技術層面上，「一本通」采用了多智能體架構（Multi-Agent System）。

不同的智能體承擔“指標理解”“任務規劃”“數據獲取”“報告解讀”等分工，通過智能協作完成復雜分析請求。

在具體實現中，系統應用了LoRA參數微調、強化學習獎勵機制與上下文優化策略，使模型能夠在多輪分析任務中形成可持續進化的智能反饋閉環。

引人注目的是，「一本通」構建了業內領先的長、中、短期記憶體系。

這一機制讓智能體不僅能記住用戶的即時問題（短期記憶），還能理解歷史分析邏輯與業務偏好（中期記憶），最終形成“懂用戶、懂業務”的個性化知識體系（長期記憶）。

業務成效

報告生成從3天縮短至30分鐘

在實際落地中，「一本通」已在多家城商行部署應用，顯著提升了分析決策效率：

報告生成周期：由原來的3-5天縮短至30分鐘以內；

合規達標率：由85%提升至100%；

人力成本：報告編制工作量下降70%；

模型精度：準確率超90%，并隨使用持續提升。

通過與城商行現有的數據中臺、風控模型、行為分析系統對接，「一本通」實現了“整合利用，而非從零建設”，在補全報告生成能力的同時，放大了已有AI資產的價值。

展望

打造銀行業首個“全棧式智能體”

演講最后，文革提出了諸葛智能的未來愿景——打造銀行業首個“全棧式智能體”，覆蓋從“感知—認知—決策—執行”的完整鏈條。

這一智能體不僅能進行智能分析、智能打標、智能營銷與智能風控，更將成為銀行業務增長與客戶體驗提升的核心引擎。

文革強調：大模型的價值，不在于算法本身，而在于它如何真正融入業務流程、提升生產力。

關于諸葛智能

諸葛智能是容聯云旗下敏捷開放的場景化數據智能服務商，為企業提供實時的全渠道數據采集整合、全維度數據分析、全場景用戶標簽畫像，輔以個性化自動化的營銷平臺+策略配置，助力企業快速洞察市場趨勢，迭代經營決策，實現營收增長。