AI 工作坊面向企业提供AI技术培训与实战演练。通过短期集中的工作坊形式帮助企业团队快速掌握AI核心技术提升团队AI应用能力。培训端定制化课程设计贴合企业实际需求企业AI转型课程 行业解决方案培训实战端真实项目演练边学边做项目实战平台 企业数据实训认证端权威认证体系提升团队专业能力AI能力认证 企业培训证书《企业业务智能体构建实操RAGAgentOpenClaw业务应用和构建深度实操》大模型算法实战专家—周红伟 法国科学院算法博士/前阿里人工智能专家/富民银行风控负责人课程背景银行正经历从数字化到智能化的关键跃迁。本课程基于在银行场景中踩过文档碎片化处理的坑解决过核心系统API对接的权限难题也从一次次检索效果不佳、Agent调用混乱的现场问题中迭代出可复用的方法论。这些经验不是纸面推演是真金白银换来的。课程聚焦两个核心能力一是基于RAG的银行知识库检索与问答构建让制度查询、产品咨询、合规审查真正嵌入业务流程二是Agent智能体与数据分析自动化让数据取数、分析、报告生成从人工串行变成智能驱动。同时引入Openclaw平台和DataAgent理念帮助银行数据中台从“存数据”走向“用数据”。本课程带环境、带数据、带场景的动手实战。学员带走的不是笔记是可以直接在行内复用的搭建能力和踩坑经验。课程收益掌握银行RAG知识库的完整搭建链路能独立完成文档处理、向量化、检索策略配置与问答系统上线具备银行Agent智能体构建能力理解规划、工具调用、记忆管理的工程化实现方法能在Openclaw平台上完成风险分析、数据分析的自动化流程编排与部署掌握DataAgent赋能数据中台的核心思路实现自然语言取数与智能分析问答具备AI辅助编程的实操能力能用自然语言驱动SQL生成与Python数据分析脚本获得一套可直接复用的银行智能体搭建方法论和踩坑经验缩短从0到1的摸索周期课程特色全真银行场景驱动课程案例全部来自银行业务一线涵盖信贷审批、合规内控、运营管理、零售对公等核心条线不做脱离行业的通用演示动手实操占比70%以上每个模块配备完整的实操环境学员从数据接入、知识库构建、Agent搭建到看板发布全链路亲手完成。理论精讲案例实操代码实操理论:实操 3:7培训时长2天课程大纲第一天 银行RAG智能体与知识库构建第一部分 银行RAG技术基础与业务场景解析1.1 RAG核心原理与银行适配性1.1.1 检索增强生成的技术链路拆解嵌入、召回、重排、生成1.1.2 银行场景下RAG对比传统搜索和纯大模型的三个优势1.1.3 银行典型RAG需求梳理制度问答、产品咨询、合规审查1.2银行知识库体系规划1.2.1 银行知识资产分类产品手册、操作规程、监管文件、培训材料1.2.2 知识库架构设计三原则分业务条线、分密级管控、分更新频率1.2.3 文档预处理规范制定切片策略、元数据标注、去敏规则1.3技术选型与工具链1.3.1 主流 embedding 模型在金融文本上的效果对比实测1.3.2 向量数据库选型考量性能、权限控制、与现有行内系统兼容性1.3.3 开源RAG框架与银行私有化部署的适配路径第二部分 知识库构建实操2.1数据接入与清洗2.1.1 多源异构数据汇聚PDF制度文件、Word产品说明、扫描件OCR2.1.2 表格与图文混排文档的结构化提取方法2.1.3 敏感信息识别与自动脱敏流程搭建2.2文档切片与向量化2.2.1 银行业务文档的最优切片粒度实验按段落、按条款、按语义2.2.2 上下文窗口保留策略重叠切片、父子文档关联2.2.3 批量向量化与增量更新机制实现2.3检索策略配置2.3.1 稀疏检索与稠密检索的混合召回方案2.3.2 重排序模型在银行长文本场景下的调优2.3.3 检索质量评估命中率、MRR、人工评测三轮验证第三部分 RAG应用搭建实操3.1银行制度问答系统搭建3.1.1 提示词工程角色设定、约束条件、引用溯源要求3.1.2 多轮对话状态管理上下文记忆、意图切换、澄清追问3.1.3 答案溯源与合规校验每条回答强制附带引用出处3.2理财产品咨询场景落地3.2.1 产品要素结构化抽取与实时净值对接3.2.2 合规话术库与RAG生成的融合策略3.2.3 适当性管理嵌入根据客户风险等级过滤产品推荐3.3效果评估与迭代3.3.1 搭建银行专属评测集覆盖常见问题、边界问题、对抗问题3.3.2 答案准确率、完整性、合规性的三维度打分体系3.3.3 基于用户反馈的持续优化闭环差评分析、知识补全、策略调整第四部分 银行业务落地实战4.1信贷审批知识库落地4.1.1 授信政策文档的知识抽取与结构化建模4.1.2 审批规则问答准入条件、额度测算、担保要求一键查询4.1.3 案例推演某分行信贷条线RAG上线后的效率提升数据4.2合规内控场景应用4.2.1 监管处罚案例库构建与相似案例检索4.2.2 内部制度冲突检测当多条制度规定不一致时的提示策略4.2.3 合规问答机器人在内控部门的实际部署流程4.3运营管理知识支撑4.3.1 柜面操作手册的RAG化新员工上岗实时辅助4.3.2 远程授权场景中的规则即时查询4.3.3 知识库与工单系统的联动自动匹配解决方案推送到坐席第五部分 银行Agent智能体构建入门5.1 Agent架构与银行场景适配5.1.1 Agent核心三要素规划、工具调用、记忆管理5.1.2 银行场景Agent能力边界界定哪些决策可以自主、哪些必须人工5.1.3 ReAct模式与Function Calling模式在金融场景的对比5.2工具定义与集成5.2.1 银行系统API封装核心系统查询、报表接口、消息推送5.2.2 工具描述规范让模型准确理解何时调用、如何传参5.2.3 安全沙箱工具调用的权限管控与操作审计5.3简单Agent动手搭建5.3.1 基于开源框架搭建第一个银行查询Agent5.3.2 工具链串联接收自然语言指令→调用API→格式化返回5.3.3 异常处理与兜底策略接口超时、权限不足、数据缺失第六部分 银行数据分析Agent实操6.1数据分析需求理解与拆解6.1.1 从自然语言到数据查询NL2SQL在银行宽表上的应用6.1.2 分析意图识别描述性分析、诊断性分析、预测性分析6.1.3 指标口径对齐不同部门对同一指标定义冲突时的消歧策略6.2自动化分析链路搭建6.2.1 数据提取→清洗→统计→可视化的一键执行流程6.2.2 分析思路库沉淀常用分析模板Agent自动匹配调用6.2.3 结果校验多数据源交叉验证避免口径偏差导致结论错误6.3分析报告自动生成6.3.1 报告结构模板化经营概况、异动分析、归因结论、建议措施6.3.2 文本生成与图表生成的协同编排6.3.3 报告质量审核数据准确性校验、论述逻辑性检查、合规用语审查第二天 Openclaw部署与DataAgent实战第一部分 Openclaw平台部署与基础构建1.1 Openclaw架构认知1.1.1 Openclaw在银行私有化环境中的定位与功能边界1.1.2 核心组件拆解引擎层、模型层、应用层的分工与协作1.1.3 与行内现有技术栈的对接点梳理认证体系、网络架构、存储1.2环境部署实操1.2.1 硬件资源规划GPU算力需求、内存配置、存储方案1.2.2 容器化部署流程镜像拉取、配置注入、服务编排1.2.3 高可用架构设计多节点负载均衡与故障自动切换1.3平台初始化配置1.3.1 租户与权限体系搭建按部门、按角色的细粒度访问控制1.3.2 模型接入私有化模型部署与大模型API两种模式的配置1.3.3 基础监控面板搭建调用量、延迟、错误率、资源占用第二部分 Openclaw风险分析自动化2.1风险分析场景定义2.1.1 信用风险分析对公客户财务数据提取与预警指标计算2.1.2 操作风险监测交易流水异常检测规则配置2.1.3 市场风险跟踪利率汇率变动对银行账簿的影响分析2.2分析流程自动化构建2.2.1 拖拽式工作流编排数据源连接、处理节点、分析节点、输出节点2.2.2 定时任务与事件触发机制日终批量、阈值告警触发、手动即席2.2.3 分析结果分发邮件报告、消息推送、大屏展示的多渠道输出2.3实际案例演练2.3.1 构建“对公客户逾期风险扫描”自动化分析流程2.3.2 构建“柜面操作风险实时监测”规则与分析联动2.3.3 流程测试与异常场景覆盖数据延迟、脏数据、极端值第三部分 数据分析自动化构建实操3.1数据源接入与预处理3.1.1 常见银行数据源连接数据仓库、Hadoop、Oracle、实时流3.1.2 数据质量检查节点空值比例、异常分布、主键唯一性3.1.3 宽表构建逻辑跨表关联、指标派生、时间窗口聚合3.2分析逻辑编排3.2.1 常用分析方法组件化同比环比、结构分析、排名分析、分布分析3.2.2 条件分支与循环根据数据特征动态选择分析路径3.2.3 参数化设计同一流程适配不同机构、不同产品的参数切换3.3输出与发布3.3.1 分析结果落表供下游系统调用或进一步分析3.3.2 可视化配置自动匹配图表类型、布局调整、样式统一3.3.3 发布为数据服务API让业务系统可以实时调用分析结果第四部分 DataAgent赋能数据中台智能化4.1 DataAgent整体架构设计4.1.1 DataAgent在数据中台中的角色数据发现、分析编排、智能问答4.1.2 与现有数据中台组件的整合数据目录、调度引擎、质量平台4.1.3 元数据驱动让Agent理解表结构、字段含义、血缘关系4.2自然语言取数能力构建4.2.1 业务术语到数据模型的映射用户说“存款余额”对应哪张表4.2.2 复杂查询的意图拆解多表关联、聚合条件、时间范围自动推导4.2.3 SQL生成与安全校验防止全表扫描、注入风险、越权访问4.3智能分析问答落地4.3.1 “昨天存款为什么下降”类归因分析问题的自动拆解4.3.2 多轮交互式分析追问、下钻、切换维度4.3.3 分析结论的口语化表达与数据依据同步呈现第五部分 银行业务落地实战5.1零售业务场景5.1.1 客户流失预警分析指标计算、客群圈选、原因归因整套自动化5.1.2 营销活动效果评估活动前中后全链路数据追踪与分析5.1.3 客户画像问答自然语言输入“高净值女性客户特征”即时输出画像5.2对公业务场景5.2.1 对公存款监控大额异动自动预警与流向分析5.2.2 授信客户风险扫描财务异常、负面舆情、关联风险一键查询5.2.3 产业链分析上下游企业识别、行业景气度关联、风险传导路径5.3管理决策场景5.3.1 经营分析会材料自动生成关键指标、异动说明、归因分析5.3.2 分支机构经营诊断自动排名、弱项识别、改进建议5.3.3 监管报送数据质量核查逻辑校验、历史对比、异常反馈第六部分 AI编程与数据分析看板实操6.1 AI辅助编程入门6.1.1 利用AI生成SQL需求描述→查询语句→结果验证的完整闭环6.1.2 Python数据分析脚本生成数据读取、清洗、统计、可视化的AI协同6.1.3 代码审查与优化AI辅助发现性能瓶颈、安全漏洞、逻辑缺陷6.2数据分析看板构建6.2.1 看板需求梳理核心指标、展示维度、刷新频率、使用角色6.2.2 看板页面搭建实操布局设计、图表类型选择、交互下钻配置6.2.3 看板性能优化数据预聚合、增量刷新、缓存策略6.3完整案例串联实战6.3.1 端到端案例从业务需求→AI生成取数SQL→自动化分析流程→看板发布6.3.2 涵盖知识库查询、Agent调度、分析执行、结果呈现的全链路6.3.3 分组演练与成果展示各组呈现完整方案讲师逐一点评优化
