news 2026/7/3 9:20:48

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

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
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“1+N”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。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/3 12:07:34

Docker 学习笔记(四):Dockerfile,把项目打成自己的镜像

Docker 学习笔记(四):Dockerfile,把项目打成自己的镜像 前几篇讲的是: 怎么拉别人做好的镜像;怎么用 docker run 启动容器;怎么理解 Docker 网络。 但是学 Docker 最关键的一步是:如…

作者头像 李华
网站建设 2026/7/2 15:21:49

多模态AI如何革新GUI自动化测试:从原理到实践

1. 项目概述:当GUI测试遇上多模态AI 最近在测试圈子里,字节跳动开源的UI-TARS项目讨论热度很高。作为一个在自动化测试领域摸爬滚打了十多年的老兵,我第一眼看到“多模态AI”和“跨平台GUI自动化测试”这两个词组合在一起时,心里是…

作者头像 李华
网站建设 2026/7/2 8:56:36

计算机毕业设计之基于机器学习的智能酒店预定系统设计与实现

随着大数据时代的到来,酒店预订行业产生了海量的数据,包括用户信息、酒店信息、预订记录等。这些数据蕴含着丰富的信息和价值,如何有效地利用这些数据,为用户提供更加优质的服务,是当前酒店预订行业亟待解决的问题。基…

作者头像 李华
网站建设 2026/7/2 6:17:51

Sails.js性能测试实战:Artillery与k6工具选型及瓶颈定位

1. 项目概述:为什么Sails.js项目需要性能测试?做后端开发的朋友,尤其是用Node.js框架的,应该对Sails.js不陌生。它是个挺有意思的框架,基于Express,但提供了更完整的MVC结构、自动化的REST API生成&#xf…

作者头像 李华
网站建设 2026/7/1 6:05:05

QMT 量化实战:五因子大盘风险预警系统构建(上)

前言近期全球权益市场波动加剧,指数单日大幅下探的行情频繁出现。对于量化交易者而言,被动应对大跌往往损失可控性差,而通过量化指标体系提前识别市场风险状态,能够在指数正式破位前捕捉到内部结构转弱的信号,提前做好…

作者头像 李华
网站建设 2026/7/2 11:32:12

24小时出货?猎板特急订单实战流程揭秘

大批工程师于项目开发临近结束之际, 皆遭遇过这般困局: 样品调试完成后, 客户陡然提出三天之后要看样机, 又或者产线因缺少物料而面临停线的风险。传统的PCB打样周期一般是2至3天, 再加上物流, 四到五天乃是常见的情况。猎板身为专注于快板服务的制造商, 针对此类情形设计了一套…

作者头像 李华