RiskMate 灵枢 风控规则智能配置
风控数智化的核心“数字员工”：从法规与合同原文自动生成结构化 IA 规则配置草案，溯源锚定原文——接续受托来函解析与条目抽取的终态形态。
- 全链路 8 阶段流水线：文档识别 → 分场景条目抽取 → 要素提取 → 判类填参 → 法规穿透/受托维度确认
- 设计原则“LLM 为主、代码确定性兜底”：逐字回校验防臆造、枚举强校验、失败确定性回退
- 坐标级溯源（page/bbox）、LLM 调用全量落盘、跑完自动评估真实配置真值
调优终版准确率 96.5% · 召回率 95.1% · 达成“一般规则正确率≥90%”的数字员工目标
搜索工具 2.0 AI帮 · 专家访谈 Agentic 检索
基于开源 DeerFlow 二次开发的内部深度研究平台「AI帮」：本工具集以 CLI 形态接入 DeerFlow，面向专家访谈语料支撑泛读/精读两种模式。
- 分层架构：7 个高层工具 → 9 个底层工具 → backends → UDS / MinIO / ES / Qwen3-Reranker 全套后端
- 四大渠道（久谦/进门财经/帕米尔/Third Bridge）Skills + 统一数据契约，中英双语 ES 双路召回 + simhash 去重
- 元字段治理：LLM 补全行业/主题/股票等字段，Python → Go 移植上线 15+ 个 parse API
4 渠道 × 7 action 统一契约 · 召回准确率持续调优闭环
RADAR 智能运维助手
从 0 到 1 的数据库智能运维系统：告警自动根因诊断 + 飞书对话式运维。
- 告警自动下钻根因：多告警融合收敛、联合排序、因果图可视化可追溯（2 项发明专利在申）
- 飞书 Bot 自然语言运维：多轮工具编排、流式卡片，无需登录堡垒机
- 8 类诊断工具 + 7 个专家技能，新增场景只需加技能包不动核心引擎
7×24 无人值守 · 后端 + 前端 + 飞书 Bot 完整产品形态
BizRAG 投研 RAG 问答
面向投研场景的 RAG 问答系统：主体归因、数值冲突等硬问题的系统性治理。
- 张冠李戴治理：定义主体错误归因等 4 类错误模式，构建自动化评测与检索→生成全链路治理方案
- 交叉评测：7 个回答模型 × 7 个评判模型共 490 条评判，量化各模型 Judge 严格度差异
- Function Call 一致性：参数调优 + Prompt 约束解决多次运行结果不一致，上线渠道选择与参数生成模块
覆盖 Claude / Qwen3.5 / Kimi-K2.5 / GLM-5.1 等主流模型的评测体系
受托人来函解析 风控数智化
从受托人邮件中自动解析违规规则：MSG/EML 双格式 + 附件全解析，LLM 一次完成正文与附件理解，输出结构化违规字段。
- 解析与提取：HTML2Markdown、PDF/DOCX/XLSX 附件解析；“逐字提取、禁止推测”三步法 Prompt，exceed_days 字段 F1 由 38.89% 提升至 100%
- IA 组合名称标准化：受托名称→IA 标准名→关键词多优先级匹配，匹配率 95.65% → 100%
- 工程化：API 服务 + MinIO 外挂映射表、规则校验 + LLM 二次校验、54 封邮件 / 87 条违规记录自动评估体系
记录级 P/R/F1 均 100% · 上线以来已解析 75+ 篇受托邮件
JoyAgent DeepResearch 深度研究
投研场景的深度研究系统：多跳检索、子任务规划与报告生成的 Agentic 链路。
- 框架技术拆解：Reasoning-Act-Summarize 架构、Memory 管理、Subtask 规划与自反思机制
- 模型选型：Qwen3-235B / DeepSeek-V3 / MiroThinker 报告质量、耗时与工具调用对比
- 时间敏感治理：Plan 先搜后定时间 + Query Prompt 优化 + 后置 LLM 时间校验，15 例测试集准确率 26.7% → 93.3%
时间敏感准确率 93.3% · 支撑时间敏感方案评估及上线验证
MoSC 智能 SQL 迁移
为香港医管局数百套数据库迁移招标打造的 demo 引擎。
- 语法树转换知识库覆盖 Table / SP / View / Trigger 多对象类型
- 动态解析嵌套引用链 + Schema 元数据 + 规则驱动语法验证纠错
- 30+ 条 300 行级 case 实测转换成功率 90% 以上
转换成功率 90%+ · 较资深专家效率提升 88% · 支撑百万级竞标
ChatGraph 图谱诊断助手
让初级 DBA 也能对话式完成根因诊断的图谱问答系统。
- 380+ 篇 PostgreSQL 运维文档 → 实体识别 / 消歧 / 关系抽取 → Neo4j 知识图谱
- Leiden 社区发现 + LLM 驱动的 Community Summary 语义摘要
- 43k tokens 语料上较 MS GraphRAG 检索速度提升 60%
第一发明人发明专利：基于 GraphRAG 的智能问答方法（已授权 · CN119988572B）
MoDA 智能运维助手 MCP × Agent 知识库
MCP 协议 + Agent 深度遍历，自动化构建运维故障诊断知识库。
- LLM 预筛选 pipeline：82,833 篇文档精准过滤至 384 篇高质量语料
- Tree Summary 层级结构 + 语义去重，实现内容无重复抽取
- MCP Agent 从 root 逐层下探 children，递归挖掘诊断知识块
GPT-4 自动化评估通过率 93.5% · 下游诊断准确率提升 58.4%
MoTA RAG 智能问答
40 万篇异构文档，270 万条知识，一条可私有化部署的问答流水线。
- 混合检索 + Rerank：BM25s 构建时间较 ES 减少 95%，BCE 系列选型得分 0.89
- vLLM 推理调优：H20×1 上 Qwen2.5-72B-int4 多轮对话 TTFT 4–5s、TPOT 110ms
- Agent 化检索：LLM 自主决策 Query Rewrite / Retrieval Judge / Web Search
服务数万人 · 准确率 81%（+12.3%）· 工单减少 25% · 签约 5 家客户约 200 万