在第二十八届北京科博会上，
，尊龙时凯AI创新中心高级业务总监叶超分享了把AI智能体“养”出来的落地实践。。

过去一年，，我们和共创伙伴一起，
，
，，把AI智能体放进了银行的真实业务里。。不是只能在PPT里“跑”的概念演示
，，，而是理财经理、、
、信贷审批岗每天真正点开来用的工具。。
。

业务、
、合规、、、
、科技三个部门坐在一张桌子上，
，一版一版往前打磨。
。
。。

智能体能不能用起来，，，也许不是模型的问题。
。。

真正难的是另外三件事：让AI摸到业务的门道、、、让智能体在流程里站对位置
、、、让人和机器在合规的边界里各做各的强项。
。
。。这三件事，，，都不是单纯的技术问题。。
。。

为了把这三件事做扎实
，
，我们也做了三件事：

1
、、、、把四类角色拉到同一张桌子上

我们成立了AI创新中心
。。资深业务专家、、AI产品经理、、、智能体架构师、、、、AI工程师，，四类人同坐一室。。每做一个智能体，，这四个角色都在场。。。

2
、、
、选对一起做事的人

我们只和真正想看见东西落地的金融机构合作
。。。业务骨干、、、、合规专家、、、、老风控人，，，，愿意搭上自己最值钱的时间，，，，跟着我们一版一版试、、、、一句一句改、、、一条一条核——这是事情能往深里走的前提。。
。

3、、把“快速迭代”变成机制

每出一版，，，我们和银行的同事一起用、、一起挑毛病。
。。挑出来的问题，，变成下一版的起点。。。这样一轮一轮转下去。。。。

真正能落地的智能体，，，，都是“养”出来的。。

在创新中心里，
，，工程师教业务专家怎么搭智能体
，，，业务专家给工程师讲场景里的判断逻辑
。。两边互相学，，，，智能体才能真正长进业务流程里——有时候，，，流程本身，，也跟着重组了。。。。

AI的本事确实大，，
，，但不熟门道，，就抓不准方向
、
、拿不准尺度、、、
、用不对语气。。。业务和技术坐在一起，，，
，其实是在帮AI摸门道——让它不用瞎猜，
，，就能进入状态
。
。

财富营销的两条路线：选错方向比不做更糟

用AI做财富营销，，，市面上有两条路。。

一条叫“产品驱动”：银行定好本月主推哪几只，，，，让AI为不同客户写不一样的话术。。。表面千人千面，，，，实际上是用大模型的说服力，，，把信息差再放大一层。。。
。

另一条叫“客户驱动”：先弄清楚客户真想要什么、、能承受多大风险，，
，
，再从全量产品池里去匹配。。一样是千人千面，，，，方向是反的——用大模型的洞察力，，把信息差填上
。。。

为什么这个选择正变得紧迫？？
？

OpenAI 过去半年里连着收了两家个人理财公司：2025年10月是Roi，，2026年4月是定位“AI personal CFO”的Hiro Finance。。。大模型厂商已经在直接给C端消费者提供AI财务顾问了。
。

等到客户手里也有了AI顾问，
，
，银行精心写出来的话术
，，，，几秒钟就会被看穿
。。

产品驱动
，，，，资产会变成负担；
客户驱动，，，，透明本身就是资产。。。。

共创两个月：那些只有蹲下来才看得见的问题

我们和某城商行共创了两个月
，，，现在还在迭代。。

方向选对只是第一步。。。。真到了银行里面，，，你才知道“让AI摸到门道”，，
，，具体难在哪。
。。。

大模型写出来的文案，
，，，常常冒出“严格符合收益预期”这种话。。。。在金融语境里，，这就是刚性兑付的暗示。。类似的合规雷区
，，，，我们一条一条梳理，，，，挑出50多条——每一条
，，，
，都要坐在合规部门对面，
，一句一句对清楚
。。。

我们一开始做了套多轮问答——“客户的风险偏好?”“投资期限多久?”——上线一测，
，不少理财经理在第二轮就把窗口关掉了。
。

这些问题，，，技术上都不难修。。
。。难的是
，，，不蹲在银行里，，根本看不见问题在哪。。。这就是为什么“让 AI 懂业务”会成为瓶颈——你必须既懂 AI
，
，，又懂业务，，
，，才能发现这些细缝。。
。

但最让我们觉得这两个月没白做的，，
，，是Agent真有了一点判断力
。。。

需求
：消费主题基金
，，，，最大回撤小于20%，，，
，夏普比率大于1
。。。

系统检索完全量产品库，，，完全符合条件的只有一只。。。规则引擎会给你“符合条件产品 1 支”
。。。

我们的Agent不是这么做。。。它发现条件太严了，，，，主动放宽了夏普，，又找了两只回撤控得好的替代品，，告诉客户每一只的差异在哪里。。。。

这是只有干了多年的理财经理
，，才会有的反应
。。。

对公信贷：把“老风控人”的判断力蒸馏下来

对公信贷这件事，，，
，无论是科技金融
、、、、绿色金融，，还是普惠小微
，
，，，判断好不好，，看的是有没有“老风控人”压在那里。。。。

AI在风控这边，
，，，大家最常拿来做尽调和审批报告的初稿
，，帮信贷岗省下了不少敲字的时间。。但我们关心的是另外一层。。。
。

我们做的事叫“案例蒸馏”：从过去的授信审批报告里,把“老风控人”当年的判断逻辑反向提炼出来——这笔为什么批、、、那笔为什么拒、、、放出去以后的还款情况,有没有验证最初的判断
。
。把这些
，，，，变成一个个可以被AI调用的判断Skill。。

蒸馏出来的经验，，，，直接进了审批建议环节。。。
。它给出的是一条带着证据链的判断——每一句建议，，
，都能追溯到具体的某一笔历史案例
，，
，某一条经验。
。
。。

每一笔新做的审批，
，会反过来流回蒸馏池，，蒸出新的Skill。。但Skill库不是越大越好——光多没用，，，，运营成本还高
。。。。

蒸馏出来的每一条Skill，，都要拿到真实场景里验证
：用得好的留下来反复用，，过时的下架，，，，误判的复盘后回炉。。优胜劣汰，，这才是Skill库真正能长出真功夫的关键。。。

市面上大多数 AI 产品，
，调用一次就是消耗一次;
这套闭环，
，，
，让银行的每一次调用，，，都在沉淀自己的资产。。。。

在财富营销，
，
，，我们是帮AI摸到银行自己的推荐手感；在对公授信,我们是帮AI拿到银行自己的判断分寸。。
。场景不同，，，，法子是一样的
。
。

这套法子从一个场景跑到多个场景，，，，底下的能力栈就慢慢长出来：客户画像引擎、、、
、产品知识库、、、专家经验库、、合规规则库、
、、、Skill 蒸馏方法论——再加上一层 Agent OS。。
。

这层Agent OS，，，我们叫它Skillbase：独立于任何外部智能体平台
，
，，，部署灵活，
，，使用简单。。
。。它既是Skills的沉淀场，，也是智能体的编排台——一次搭好，，跨场景共用
，，越用越厚。
。。

我们有时候会想——“养智能体”这件事，
，有点像看武侠小说
。。。。

一位幸运的主角，，一路遇到各路高人，，，人人愿意倾囊相授，，，
，集天地之精华，，，，熬出一身真功夫
。。。只是这样的际遇，，，，在小说里也是屈指可数——大半时候
，，，这份福气只属于主角一人。。。

我们养出来的智能体
，
，，，享受的恰恰是这种“殊荣”
：资深业务专家、
、合规高手、、老风控人、、、、AI 工程师轮番上阵
，，，一遍遍讲、
、一遍遍纠
、
、、
、一遍遍调
。
。

但它和小说主角不一样的地方在于——主角只有一个，，，，智能体可以复制成很多份；主角也要吃饭睡觉，
，，智能体 7×24 小时不停歇
。。

更重要的是：每一份复制品,跟着不同的人工作，，，，会按各自"主人"的手感继续生长
。。一身功夫，
，，十种样子——每一份，，，都和它服务的那个人
，，，越用越合
。。。

养一个“用得值”的智能体不容易——
但它会复制，，
，
，不会停歇，，
，还会跟着每一个使用它的人继续生长。
。。
这份用心，，值得
。。。
。

本届科博会上，，，基于上述方法论打造的「财富营销智能助手」荣获 2026数智金融创新应用引领奖。。

到现在
，，尊龙时凯AI创新中心已经做出了近50个智能体，，覆盖前中后台、、从业务到运营到科技——每一个都可以亲手体验、、、亲自试用。
。

AI创新中心还在牵头承担金标委人工智能应用专题组2026年度重点项目——《金融领域基于可信架构的 Agent OS 智能体业务承载与治理》。。。

AI在金融行业,最后真正比的是一件事——让AI在金融机构里，，，，站对位置，，，，走对方向。。。。

这件事，，急不来，，，
，但等不起
。。