广发证券×火山引擎智能营销Agent:天玑智融平台驱动券商智能体协同新实践
当前以大模型为代表的 AI 技术正深刻重塑证券行业决策范式。“人AI”协同已成为行业共识如何突破传统展业中信息分散、响应低效、专业判断参差不齐等瓶颈构建覆盖投资展业全链条智能决策支持体系已成为券商数智化转型的核心命题。广发证券股份有限公司以下简称“广发证券”与火山引擎围绕这一目标展开合作通过引入火山引擎智能营销 Agent在让用户能低门槛在专业场景适用 AI 能力的基础上持续以“两个准”路由准、回答准为目标不断提升服务能力。搭建统一智能服务底座 设定“两个准”目标广发证券是国内较早布局 AI 应用的证券机构之一已在网上开户、业务咨询、投资分析、理财服务、融资融券、机构服务等场景落地多个智能体。随着应用逐步增多新的挑战也随之出现不同智能体入口分散客户经理需要在多个系统间切换投资者面对多入口时难以判断应该向哪个系统提问底层金融数据分布在不同平台中也增加了 AI 统一调用和生成专业回答的难度。因此广发证券引入火山引擎智能营销 Agent 系列能力并非新增一个独立智能体而是建设面向 C 端客户服务和 B 端员工赋能的统一智能服务体系——通过“总控大脑”将分散能力整合起来。双方在合作初期即确定了项目的核心目标——“两个准”首先是“路由准”。用户提出问题后系统需要快速判断问题所属场景并分发至合适的智能体或服务链路。金融业务中用户表达往往较为口语化、模糊化同一句提问可能涉及产品查询、业务规则、投研分析等不同意图。为此广发证券基于火山引擎智能营销Agent-营销互动助手构建意图识别与路由引擎对简单需求实现快速分发对复杂问题调用深度推理对边界不清的问题触发澄清与兜底机制并支持业务侧持续配置新意图与分发策略。其次是“回答准”。问题被正确分发后还需确保回答建立在可靠知识和准确数据之上。利用火山引擎智能营销Agent长期积累的术语库沉淀金融口语与标准表达之间的映射关系、通过问答库沉淀基础概念、业务流程等高频问题的标准答案为后续生成与检索提供稳定支撑。有了“路由准 回答准”这套底座接下来的问题是它在真实业务场景中到底能做什么广发证券将这套能力同时落地到了两个方向面向外部投资者的客户服务场景以及面向内部员工的智能展业助手。这套统一能力的核心载体正是广发证券自主研发的“天玑智融”财经全场景智能决策中枢。客户员工双场景落地 意图识别准确率可达 90%在面向客户的场景中广发证券希望提供的不只是简单问答而是能够覆盖多类投资诉求的专业服务。系统能够识别投资者在产品筛选、收益风险比较、主题机会判断等不同层次的需求自动进入对应的分析链路。天玑智融平台通过 MCP 协议接入内部金融数据服务打通数据底座层、中间件层、智能体平台层与展现层。结合主体识别能力将用户自然语言表述准确映射到具体产品系统即可自动拆解条件、调用数据接口输出结构化分析结果与可视化报告大幅降低普通投资者获取专业分析的门槛。在面向内部员工的场景中同一套能力被用于支持客户经理和业务人员的日常服务。行情咨询、开户办理、融资融券、产品推荐等各类问题均可从统一入口进入并自动分发至对应业务能力员工无需在多个系统之间切换。天玑智融平台创新构建了以总控智能体为核心的“1N”智能体协同矩阵总控引擎覆盖 9 大类业务场景统一接管 40 余个垂类智能体的调度与协同。员工不仅能快速获取基金资料、费率、评级等基础信息还可进一步完成经营分析、客户账户诊断、合规审查等复杂操作显著提升服务营销效率。经评测该场景意图识别准确率达到90%意图路由秒级响应。这一实践的深层价值在于验证了一条更具普适性的路径——当企业已具备多个垂类 AI 能力下一步并非增加入口而是通过统一的意图规划、知识支撑与数据连接机制将分散能力组织成面向业务的协同体系。未来广发证券与火山引擎还将继续深化智能营销等场景合作共同推动金融服务实现“人找工具”到“服务理解人、主动响应人”的跨越。

相关新闻

别再只盯着MCU了!手把手教你用ESC芯片搞定EtherCAT从站通信(附SPI配置避坑指南)

别再只盯着MCU了!手把手教你用ESC芯片搞定EtherCAT从站通信(附SPI配置避坑指南)

嵌入式工程师实战指南:用ESC芯片构建高可靠EtherCAT从站系统在工业自动化领域,实时通信网络的选择往往决定了整个控制系统的性能上限。当大多数开发者还在MCU内置以太网接口上反复调试时,专业级设备早已转向更高效的解决方案。EtherCAT作为工…

2026/7/1 6:12:26阅读更多 →
思路及解答递归

思路及解答递归

如果pattern ⻓度为0 且str ⻓度为0 ,说明刚刚好匹配完,返回turestr ⻓度不为0 ,说明没有匹配完,返回false 如果pattern 的⻓度⼤于0 如果pattern 的⻓度⼤于1 ,且第2 个字符是* ,说明前⾯的字符可以匹配0 &#xff0c…

2026/7/1 6:12:26阅读更多 →
WRF一个月模拟不跑偏?试试用ERA5数据开启Grid Nudging(附namelist.input避坑配置)

WRF一个月模拟不跑偏?试试用ERA5数据开启Grid Nudging(附namelist.input避坑配置)

WRF中短期模拟稳定性实战:ERA5数据与Grid Nudging的精准调控策略当你在进行为期数周的WRF模拟时,是否遇到过模拟结果逐渐偏离再分析场的困扰?这种"跑偏"现象在中短期模拟中尤为常见,而Grid Nudging技术正是解决这一问题…

2026/7/1 6:12:26阅读更多 →
别再乱设torch.backends.cudnn了!PyTorch炼丹师必懂的benchmark与deterministic实战避坑指南

别再乱设torch.backends.cudnn了!PyTorch炼丹师必懂的benchmark与deterministic实战避坑指南

PyTorch性能优化与结果复现:深入解析cudnn.benchmark与deterministic的黄金法则在深度学习项目的实际开发中,我们常常面临两个看似矛盾的核心需求:训练速度的最大化和实验结果的完全可复现。这两个需求背后,隐藏着PyTorch框架中两…

2026/7/1 7:13:15阅读更多 →
PromptSRC论文精读:我们是如何让提示学习不再‘过拟合’的?

PromptSRC论文精读:我们是如何让提示学习不再‘过拟合’的?

PromptSRC:如何通过自调节机制突破提示学习的泛化瓶颈当CLIP等视觉语言模型展现出惊人的zero-shot能力时,研究者们很快发现了一个悖论:传统的提示学习方法在提升下游任务表现的同时,往往会以牺牲模型原有的泛化能力为代价。这种现…

2026/7/1 7:13:15阅读更多 →
信创 数据库软件转型

信创 数据库软件转型

数据库软件很多要替换成信创的,所以dba也要跟着转型

2026/7/1 7:13:15阅读更多 →
JMeter分布式压测环境搭建与性能调优实战指南

JMeter分布式压测环境搭建与性能调优实战指南

1. 项目概述:为什么需要分布式压测?做性能测试的朋友,尤其是用过JMeter的,肯定都遇到过单机瓶颈。你兴致勃勃地写好了脚本,模拟了复杂的业务场景,准备大干一场,结果一跑起来,自己的电…

2026/7/1 7:13:15阅读更多 →
告别灾难性遗忘:用PromptSRC让CLIP模型学会新技能,不忘老本行

告别灾难性遗忘:用PromptSRC让CLIP模型学会新技能,不忘老本行

突破灾难性遗忘:PromptSRC如何让CLIP模型实现技能叠加在人工智能领域,视觉语言模型(如CLIP)已经展现出令人惊叹的跨模态理解能力。然而,当工程师们尝试将这些基础模型适配到具体下游任务时,往往会遭遇一个棘…

2026/7/1 7:13:14阅读更多 →
Qt的技巧笔记(一):Qt的QComboBox与自定义的枚举类型的遍历绑定

Qt的技巧笔记(一):Qt的QComboBox与自定义的枚举类型的遍历绑定

步骤1:定义枚举首先,定义你的枚举,通常这会在一个类中完成例如:class MyClass : public QObject {Q_OBJECTpublic:enum MyEnum {Value1,Value2,Value3};Q_ENUM(MyEnum) // 告诉Qt的元对象系统这是一个枚举 };其中,Q_EN…

2026/7/1 7:08:14阅读更多 →
AI Coding 六个月真实ROI账本:产品经理的血泪教训,研发的冷静忠告

AI Coding 六个月真实ROI账本:产品经理的血泪教训,研发的冷静忠告

6个月前的2025年12月,Boris Cherny 公开宣布自己卸载了 IDE。一时间,Vibe Coding 成了全行业最热的话题。6个月后,当我们回过头来拉一份真实账本,发现事情远没有"一句话生成一个App"那么浪漫。本文从产品经理和研发两个…

2026/7/1 4:42:14阅读更多 →
审计来了,数据权限全开——审计走了,怎么确保权限全部关掉?

审计来了,数据权限全开——审计走了,怎么确保权限全部关掉?

引言:审计结束三个月了,审计员的权限还没关某城商行每年按照监管要求开展至少一次数据安全审计。审计期间,内审部门需要抽样检查各类业务数据——交易流水、客户信息、员工操作日志、权限配置记录。这些数据分布在不同系统中,审计…

2026/7/1 5:19:01阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/1 0:01:44阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/1 0:01:44阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/1 0:01:44阅读更多 →
YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

YOLOv8推理性能优化:从1.2FPS到35FPS的全链路加速实践

如果你在部署 YOLOv8 时,发现推理速度只有可怜的 1-2 FPS,而别人的演示视频却能跑到 30 FPS 以上,那么问题很可能不在模型本身,而在于你的整个处理链路。很多开发者拿到一个训练好的 YOLOv8 模型后,会直接使用官方示例…

2026/7/1 0:01:44阅读更多 →
Coze与Dify对比指南:低代码AI应用开发从入门到实战

Coze与Dify对比指南:低代码AI应用开发从入门到实战

1. 从零到一:为什么你需要了解 Coze 和 Dify?如果你对 AI 应用开发感兴趣,但一看到“大模型”、“智能体”、“工作流”这些词就头疼,觉得门槛太高,那这篇文章就是为你准备的。很多开发者,包括我自己&#…

2026/7/1 0:01:44阅读更多 →
AI生图工具怎么选?2026年6月版实测对比

AI生图工具怎么选?2026年6月版实测对比

做自媒体的朋友应该都有体会:配图一直是个让人头疼的问题。2026年,AI生图工具已经非常成熟了,但工具太多反而不知道怎么选。以下是截至2026年6月我对主流AI生图工具的实测对比。Midjourney V8.1:速度之王2026年6月11日&#xff0c…

2026/7/1 0:01:44阅读更多 →