智能财报助手，一款由北银金科打造的会看、会算、会想的财务领域专精大模型产品，它具备多项功能，包括快速查询企业财报指标、增长趋势分析、横纵对比、可视化交互、文档解析、智能写作等。产品旨在提升信贷、风控、营销、经营和办公等业务领域的数字化转型效率，通过一键自动化报告生成，助力业务分析师和客户经理提高工作智能化和标准化水平。此外，智能财报助手还推出了涵盖业务、战略、管理、职场等多个领域的智能体，以辅助提升业务和管理能力，并支持用户定制搭建个性化知识智能体，全面推动银行业务、科技和运营的数字化转型。

方案背景

在引入人工智能技术之前，银行及金融机构在处理财报分析、信贷审批、风险控制等关键业务时，主要依赖人工操作，并且需要到各个系统中通过页面进行查看，并且进行人工的分析总结。这一过程不仅耗时耗力，而且容易出现人为错误，导致效率低下和风险管理不足。具体表现在以下几个方面：

数据处理效率低：传统的财报分析和业务报告需要手动收集和处理大量数据，耗时且容易出错。

客户服务个性化不足：客户经理在提供服务时，难以快速响应客户需求，缺乏个性化和差异化的服务方案。

办公自动化程度低：日常办公流程繁琐，文档处理和信息流转效率低下，影响了整体工作效率。

因此，探索运用前沿科技手段革新现有流程显得尤为紧迫。

自2022年末以来，基于大型语言模型的人工智能技术迅速崛起，在全球范围内引发了广泛关注。大模型具有强大的自然语言处理能力和跨领域学习能力，通过训练和优化能够学习并掌握财务分析的规则和逻辑，从而实现对财务数据的自动化处理和深度分析。此外，大模型技术还具备强大的知识推理和预测能力，通过对历史数据和当前市场环境的综合分析，可以预测未来的财务趋势和风险点，这不仅为财务分析领域带来了革命性的视角和工具，而且极大地提升了财务分析的智能化、效率和精准度，为财务分析的发展开辟了全新的维度。

本产品通过引入AI大模型技术，旨在实现以下目标：

1.数据处理自动化：智能体能够快速查询和分析大量财报数据，提高了数据处理的效率和准确性。

2.风险评估智能化：通过智能体的深度学习和数据分析能力，风险评估变得更加精准，有助于提前识别和规避潜在风险。

3.客户服务个性化：智能体能够根据客户的具体需求，提供个性化的业务报告，提升客户满意度。

4.办公流程自动化：智能体的应用简化了日常办公流程，实现了文档自动化处理和信息快速流转，极大提升了工作效率。

5.决策支持科学化：智能体提供的数据分析和趋势预测为管理层提供了科学的决策支持，提高了决策的质量和速度。

方案目标

本产品旨在通过引入AI大模型技术，打造一套智能化财务分析系统，实现以下核心目标：

1.作分析人员的好助手，一键查询即可快速精准获取年报重点指标，趋势预测及业绩分析；

2.作业务人员的好帮手，快速解读监管政策/制度/宏观经济形势，识别风险，辅助撰写分析报告；

3.作经营管理的好专家，从专题、领域入手，综合分析洞察优势、短板归因分析及举措；

4.作决策支持的好顾问，及时全局透视企业、行业经营情况，趋势预测等信息，辅助管理决策。

方案特点

智能财报助手在产品研发进程中，采取了多维度的优化策略，提升产品的质量和用户满意度，其优势主要聚焦于以下三个方面：

第一，为大模型注入高质量的财务数据和领域经验，让大模型更懂财务是提升大模型能力的关键。因此，团队构建了高质量的专业训练集对模型进行训练，基于高时效、专业、可信和丰富的财务专业数据，采用LORA、P-Truning、BitFit、Prompt Tuning、Adapter Tuning等方式不断尝试和迭代进行大模型的微调，以提升大模型在财报分析领域任务的效果。

第二，构建专门针对财务领域的知识库体系，为模型提供丰富的数据源和准确的知识支持，是提升模型性能和应用效果的重要一环。目前，财报助手已搭建体系化的财报知识库架构，分为11个一级分类、43个二级分类，知识总量超过3.56亿篇/条，在保证知识库丰富度的基础上，定期更新知识库，比如新的政策法规颁布后，及时剔除已废止的政策，从而减少依赖过时数据而产生误导性回答的风险。

第三，RAG检索增强，并实现联网检索。大模型虽然拥有庞大的参数和广泛的知识，但对于实时更新的知识或特定领域的细粒度信息可能掌握不足。RAG检索可以动态地从内外部知识库中获取信息，增强模型的知识覆盖范围。当用户提问时，根据请求的Query，经过意图识别、时效识别、关键词识别等预处理后，检索召回到最新的相关知识条目，并进行融合处理后返回给大模型，帮助大模型降低产生错误或虚构信息的概率。另外，财报助手通过联网检索功能，可以访问公开的信息资源，提供高时效的信息和数据。同时，通过优化reranker模型，提升文档和查询之间的语义相关度，更精细地对结果重排，大大提高了搜索质量。

方案业务流程图

智能财报助手，一款运用大模型技术，构建高质量知识库，同时结合提示词工程打造的金融垂直领域专属的财务分析新利器。目前已建设了知识问答、图片解读、报告生成、个人知识库构建等30多项能力。

1.业务流程图

用户发起查询请求后，后端系统接收查询内容并进行转发，同时将问答记录存储于系统中。协同引擎对查询内容进行改写及意图补全。随后，Agent模块根据查询的类型判断执行的Agent类型，并通过Agent执行器调用知识图谱、检索引擎或直接由大模型生成答案。在此过程中，Agent执行器还可调用计算器、可视化图表等工具以辅助生成更精准、多样的答复。Agent执行器将执行结果反馈给协同引擎，协同引擎对结果进行整合处理后传递至后端。后端对答案进行更新、格式转换及异常处理等操作，最终生成符合用户需求的答案并返回给用户。此外，后端还会定期执行定时任务，并通过评分模型对整个查询处理流程进行评估，以优化系统性能和提升用户体验。

2.产品架构

财报助手构建高质量知识库，通过检索+图谱融合方案增强系统准确性和时效性，不断迭代和优化提示工程，提升大模型行为可控性，提供精准可靠、高时效性的多模态内容生成能力。

协同引擎。作为系统的核心调度模块，协同引擎通过精准的计划生成、工具调用和上下文处理，实现任务的自动化调度执行，确保任务的流畅执行和信息的无缝对接。根据用户需求和历史记录，自动规划最优的任务执行路径，精确分配计算资源，并动态调整任务优先级，以适应不断变化的工作负载。同时，还支持多源数据的整合与解析，可以调用各种专用工具来辅助完成复杂的数据处理工作，如财务数据分析、风险评估等，从而为用户提供更深入的洞察和决策支持。

知识库。构建“N+1”企业级知识库，覆盖公司年报、行业研究、宏观政策等11个金融垂直子领域，为财务领域问答提供高质量、高精准的结构化及非结构化数据。知识库的构建帮助大模型更好地理解背景信息，从而作出更合理的判断，比如，在分析某个特定行业的信贷风险时，可以从知识库中快速获取该行业政策法规、竞争格局、发展前景等信息，进而辅助决策。

提示工程。专注于为不同的应用场景量身定制提示词，通过深入分析和理解业务逻辑，构建智能提示工程，指导模型进行逻辑分析，输出精准且符合场景需求的指令。比如，在生成授信尽调报告时，提示工程可以提供关键问题和分析框架，帮助大模型识别和关注报告中的关键信息，如企业的财务健康状况、行业趋势和潜在风险。

模型工厂。模型工厂对大模型进行微调，提升大模型在金融领域的专业能力，确保其在任务分类、实体抽取、多轮对话、数据分析等方面的高性能表现，实现复杂金融数据和对话场景的精准处理。

3.技术支撑

财报助手的技术支撑包括：

后端：提供对话管理和配置管理等功能，确保智能体的稳定运行。

协同引擎：支持任务拆解和工具调用，提高智能体的协作能力。

问答引擎：通过指标查询和信息检索等功能，提升智能体的问答能力。

知识库：包括指标库、企业知识库和行业知识库，为智能体提供丰富的知识资源。

数据源：提供结构化数据、半结构化数据和流批数据，作为智能体处理请求的基础。

其中，智能体协同是关键技术，包括以下5个方面：

1）认知能力开发

认知能力是指智能体理解外部信息和内部状态的能力。对于智能财报助手而言，这包括理解财报数据、识别关键指标和趋势分析等。财报助手系统意图交互协议，确定从用户输入中提取的意图信息，基于大模型技术的意图识别服务，根据当前的应用场景构建业务提示词，自动解析用户意图，理解和解析复杂的财报查询请求。涉及语义理解和上下文分析，确保智能体准确把握用户需求。

使用多模态技术，使得智能体不仅能处理文本数据，还能理解和分析图表、图像等多模态财报数据，从而提供更全面的理解。

2）规划能力开发

智能财报助手基于微调的京科大模型实现将复杂任务分解为可管理的子任务，并制定执行策略的能力。将用户的意图转换为可执行的思维链。例如将年度财报分析分解为指标数据获取、指标分析、公司新闻获取等多步操作执行。

通过自定义的工具标准协议（涉及工具名称、描述、输入输出格式等信息）实现工具列表的灵活动态注册，并且制定数据参数规范，确保各个工具之间数据交换的格式一致性。

3）记忆能力开发

记忆能力是智能体存储和回忆信息的能力，对于提供连续和个性化服务至关重要。财报助手采用长短期记忆来构建记忆模块，短期记忆用来处理用户的多轮对话，可以在用户问答时结合上下文信息，对于用户的意图和操作进行关联性的推理。

同时财报助手也会长期存储问答记录用于构建用户的标签、历史记录查询等场景，使得财报助手回答的内容、风格更加贴合用户的喜好和定位。

4）执行能力开发

财报助手的复杂问题解析需要多个工具来协同处理，协同引擎模块实现根据任务类型和工具可用性动态选择合适的工具执行任务，并且确定任务的调度执行顺序。在执行过程中监控任务的执行状态，设计任务的执行反馈机制，会根据任务执行状态来动态调整执行计划，并且在执行过程中会记录任务执行信息（状态、执行时间、参数）增加任务执行的可分析性。

自动化报告生成：能够根据规划阶段制定的策略，自动收集数据、执行分析并生成报告。

工具使用：可以调用外部工具和API，如数据库查询、联网检索和可视化工具，以支持数据获取、分析。

5）个性化和定制化

智能财报助手中的智能体还支持个性化和定制化，以适应不同用户的需求。

个性化服务：通过分析用户的行为和偏好，智能体能够提供定制化的财报分析和建议。

定制化智能体搭建：用户可以根据自己的特定需求，定制智能体的功能和界面，如添加特定的分析工具或数据源。

实现功能展示

智能财报助手具备智能财报分析、智能报告生成和智能体应用三大核心能力，支持智能体专属定制。

1.智能财报分析：秒级分析上市企业财报，财报分析更专业

辅助研究人员和管理人员更全面的分析上市公司经营业绩，辅助科学决策。支持用户以对话形式查询上市企业、上市银行近10年财报数据，实现秒级输出指标、增速、排名及对比分析内容，并可基于丰富的知识库内容和历史数据对未来趋势进行预测分析，答案输出以可视化图表形式呈现。

2.智能报告生成：一键生成多种分析报告，报告撰写更高效

财报助手支持A股上市银行年报、半年报、季度报的财报分析报告一键生成，从盈利能力、资产规模、业务结构、资产质量等维度进行全面分析，释放市场研究人员生产力，提升财报分析的智能化水平。

此外，财报助手支持企业信贷尽调报告的智能助写，通过自动化数据采集和智能化数据分析，大大节省信贷客户经理收集宏观经济信息、行业政策、企业数据的时间，简化分析过程，提升报告内容标准化水平。

3.智能体应用：精选推出智能体集群，智能服务更精准

财报助手目前已上线零售转型助手、领导力评价助手、企业分析助手、金融大咖助手、公文写作助手等一系列业务、战略、管理、办公智能体，同时支持用户一键创建专属智能体应用，提供包含业务知识问答、办公文件生成、企业分析辅助、提示词辅助生成、智能服务定制等能力。

方案案例及效果

1.产品运营情况

目前，财报助手的服务对象主要集中在北京银行及其旗下子公司的网络范围内，尚未向市场上的个人用户推广。但已经积累了相当规模的用户基础，成功吸引1840名注册用户，包括北京银行及其下子公司、中国信通院、中银协及其他银行同业等个人用户。除了为注册用户提供定制化服务外，财报助手还特别设置了无需注册即可浏览基本功能的游客模式，极大地降低了新用户的尝试门槛。截至目前为止，平台累计接待了共计65846次访问，表明即使在相对有限的推广下，财报助手依然展现出了较强的吸引力与市场需求潜力。

2.产品衍生效益

基于财报助手的财报指标问答以及智能报告生成能力，并结合开发过程中积累的丰富经验，团队已经孵化出了多个落地项目，其中策略复盘助手实现业务人员和管理人员在1分钟内全面掌握关键业务指标，与传统方式相比节省超过90%的时间；通过自然语言对话即可获取目标用户群的详细画像信息，准确率提升30%以上；提供的个性化、数据驱动的建议使得经营决策的效率和效果提升 50%以上。智能尽调助手有效提升尽调报告撰写自动化水平，帮助客户经理和信审人员更广泛、更快速的搜集数据，实现更深入、更全面的风险分析；有效提升尽调报告标准化水平，基于报告模版对获取的资料进行整理分析，结合业务和产品类型自动填补尽调信息，节约30%的报告撰写时间。

方案未来展望

1.持续打磨财报助手产品功能

深入分析用户需求，通过用户调研、反馈收集等方式，详细了解用户在使用财报助手过程中的痛点和期望，制定详细的产品功能优化计划。比如拓展功能应用场景，结合不同用户群体的特点，开发更多个性化功能；对于投资机构用户，增加投资组合分析功能，对于企业内部财务人员，提供财务预算编制辅助功能等。

2.优化用户交互体验

界面设计优化，采用简洁、直观的界面布局，减少冗余元素，突出核心功能区域；交互流程简化，对现有的用户操作流程进行全面梳理，去除不必要的步骤和环节；提升响应速度与稳定性，优化产品后端架构，采用更高效的数据处理算法和存储方案，提高产品的运行速度。

3.引入专业的运营团队

为了更广泛的满足市场需求，进一步扩大产品影响力，财报助手将组建一支经验丰富的专业运营团队，正式向市场上的广大个人用户进行推广，并专注于提升用户体验、丰富产品线以及加强市场推广等方面的工作。