北京農商銀行：基于大模型技術的智能化應用體系構建與實踐探索

來源：2025年度農村金融機構科技創新優秀案例評選

獲獎單位：北京農商銀行

榮獲獎項：數智應用創新優秀案例

一、項目背景及目標

隨著人工智能技術快速發展，北京農商銀行緊跟技術趨勢，積極探索大模型在業務中的落地。構建了統一AI能力底座，并以此為基礎，構建了智能問答、知識庫、智能客服相關等多個智能應用。基于全棧信創軟硬件和開源框架，自主研發并在北京農商銀行私域部署，具有完全的知識產權。目前系統運行穩定，用戶反饋良好。本項目旨在構建基于大模型的銀行智能化應用體系，打造統一AI平臺，支撐多業務場景的智能應用，解決傳統流程中效率低、響應慢、依賴人工等問題，提升服務智能化水平與客戶體驗。

二、創新點

（一）數字化轉型成效顯著

通過構建企業級AI能力底座，實現了大模型技術與銀行業務場景的探索和融合，助力提升業務流程效率，推動數字化轉型。項目的落地應用，為“普惠金融、科技金融、數字金融”戰略目標的實現提供了技術支撐，在提升業務效率和客戶體驗方面展現出顯著的創新價值。

（二）重塑業務模式，實現降本增效

本項目通過大模型技術重塑業務模式，解決了傳統業務模式中存在的效率低、響應慢、知識更新滯后等問題，具備良好的業務適配性與實際應用價值。在員工成長方面，通過智能問答、多領域知識庫及智能出題系統，賦能員工能力提升。在開發效能方面，部署代碼助手與案例生成系統，有效輔助開發人員完成代碼編寫及測試，顯著提升了開發效率。在自動化辦公場景中，應用文稿自動排版與文檔智能潤色工具，優化了日常辦公流程；引入語音識別技術，縮短會議紀要整理時間、釋放人力資源。在營運營銷領域，通過QA生成擴寫與清洗系統，賦能遠程銀行業務的高質量發展。

（三）實現系統自研可控

本項目為自主研發項目，采用國產浪潮服務器，搭載國產CPU與GPU，操作系統、數據庫、中間件等底層軟件均選用國產產品，構建了安全、高效的國產化技術底座。系統全面采用開源模型與框架，選用國產開源大模型DeepSeek和Qwen。團隊完成了大模型的本地化部署與優化，并基于此自主研發了多個創新性應用，確保了安全可控。

三、項目技術方案

本項目采用國產浪潮服務器，搭載國產CPU與GPU，操作系統、數據庫、中間件等底層軟件均選用國產產品，構建起安全、高效的國產化技術底座。基于DeepSeek和Qwen開發了智能問答系統，實現對用戶請求的自動化處理與個性化建議。系統已與北京農商銀行內部OCR和ASR系統對接，支持圖像轉文本、語音轉文本及語義理解，廣泛用于員工咨詢、系統運維等場景。系統全面采用開源模型與框架，選用國產開源大模型DeepSeek和Qwen。基于Langchain-Chatchat構建企業級知識庫系統，采用Bge-M3作為向量模型，Xinference作為推理引擎，實現高效知識檢索與智能問答。在開發輔助方面，引入CodeGeeX4與Qwen2.5-Coder代碼大模型工具，支持代碼補全、語法檢查與優化建議，提升開發效率與代碼質量。基于離線語音識別引擎，結合降噪和靜音檢測技術對會議錄音文件進行預處理，構建結構化會議紀要生成應用，支撐多種金融類會議紀要模板，提升行內會議紀要準確度和規范度。

四、項目過程管理

需求分析階段：2024.07.24-2024.08.14

設計階段：2024.08.15-2024.09.04

開發階段：2024.09.05-2024.11.30

測試階段：2024.12.01-2025.01.30

系統上線：2025.02.22至今持續迭代

五、運營情況

系統自2025年2月上線以來，累計訪問量超15萬次，有效輔助員工日常工作。系統從開始運行至今，整體運行穩定，無重大風險漏洞事件和重大業務風險，并且整體性能滿足3-5年內的業務發展要求。

六、項目成效

（一）成本效益

本項目為廣大員工提供了智能化支持,提升了知識查詢的效率和代碼開發效率與質量，降低了運營、開發和人力成本。在提升辦公和服務質量的同時，實現了成本優化與資源節約。

（二）成果轉化性

實際應用效果如下所示：

1.基于大模型的AI智能平臺（圖1）已在多個業務場景中落地應用，涵蓋智能問答、知識庫、案例生成、智能出題、QA對生成、語料擴寫、清洗、文稿格式化、WPS插件、權限管理等功能。

圖1. AI 智能平臺

2.智能問答系統（圖2）：智能問答系統可實現對用戶請求的自動化處理與個性化建議，可作為本地工具使用，大幅提升了員工辦公效率，同時嚴格保障銀行數據安全。

圖2. 智能問答系統

3.知識庫系統（圖3）：整合業務、合規、IT等多領域知識資源，實現智能檢索與問答。系統具備完善的權限管理機制，支持按部門、處室、員工等維度進行權限控制，確保了知識的安全性和合規性，通過知識庫搭建，顯著提升制度文件、操作手冊等使用便攜性和頻率。目前已建設多個面向全行員工及各專業條線的知識庫，顯著提升了知識獲取效率。尤其在營運方面，通過知識庫系統輔助辦理業務，顯著提高了我行柜員的工作效率和質量。

圖3. 知識庫系統

4.案例生成系統（圖4）：根據業務功能描述生成測試案例，應用于軟件測試、流程驗證等場景，提升測試覆蓋率與流程規范性，降低了測試成本，加強了風險控制和合規性管理，為北京農商銀行的業務系統開發與運營提供了強有力的支持。

圖4. 案例生成系統

5.智能出題系統（圖5）：根據參考資料自動生成題目與答案，適用于員工培訓、合規考試等場景，提升出題效率與質量。

圖5. 智能出題系統

6.QA對生成系統（圖6）：支持智能客服QA對的自動生成與人工審核，降低大模型幻覺影響，提高回答精準度與客戶滿意度。

圖6. QA對生成系統

7.QA語料擴寫系統（圖7）：輸入參考內容，系統將基于該內容結合多種提問習慣與表達方式，自動生成多樣化的客戶問題，提升語料庫的豐富性，并增加人機交互的親切度。

圖7. QA語料擴寫

8.QA語料清洗系統（圖8）：自動識別并剔除無關問題，提升語料準確性與規范性，有助于在智慧客服、智能語音導航等場景中提高準確度和用戶交互的流暢性，進而提升客戶滿意度。

圖8. QA語料清洗

9.文稿格式化系統（圖9）：支持按標準格式對文稿進行自動排版，提升北京農商銀行員工文檔處理效率與專業性。

圖9. 文稿格式化系統

10.WPS插件（圖10）：集成大模型能力至WPS辦公環境，實現文檔智能潤色、內容生成等功能，提升北京農商銀行員工辦公效率。

圖10. WPS插件

11.代碼助手（圖11）：引入CodeGeeX4與Qwen2.5-Coder代碼大模型，開發代碼智能助手，支持代碼補全、糾錯、注釋等功能，提升北京農商銀行開發效率與質量。

圖11. 代碼助手

12.會議紀要生成（圖12）：頁面提供了多種金融類會議紀要模板，支持用戶手動上傳語音文件和切換模板，提高了員工辦公效率。

圖12. 會議紀要生成

上述項目成果可以在行內多種業務場景推廣應用，具備成果轉化能力，能夠為其他金融機構提供可參考的實施路徑與技術方案。

（三）可復制性

項目所構建的平臺具備模塊化設計與接口開放性，未來能夠根據不同業務場景快速適配與擴展。同時，項目采用了標準化的開發流程與技術架構，便于在其他系統中復用與推廣。

七、經驗總結

通過近半年的探索與實踐，北京農商銀行在人工智能新技術應用方面取得了階段性成果，初步構建了大模型平臺和智能應用體系，為業務發展提供了堅實的技術支撐和創新動力。

更多金融科技案例和金融數據智能優秀解決方案，請在數字金融創新知識服務平臺-金科創新社案例庫、選型庫查看。