金融 云服务/云平台 软件定制 案例

基于对白酒行业的深刻理解和金蝶云平台的技术积累，制定“平台统一、数据驱动、内外协同”的数字化升级战略。 1. 核心平台选型与部署： 平台选择： 采用金蝶云EAS作为集团统一的ERP运营平台。 模块覆盖： 全面实施了财务、供应链（采购、销售、库存）、生产制造（物料清单、生产计划）等核心模块，实现了业务流程的标准化和统一化管理。 2. 个性化定制开发与集成： 第三方WMS/MES深度对接： 实现了EAS与业内领先的WMS（仓储管理系统）和MES（生产管理系统）的无缝对接。 流程优化： 销售订单在金蝶系统生成后，自动下发至WMS进行拣货、出库；出库数据实时回传至金蝶。实现了从订单到发货的全流程可视化。 价值： 发货准确率提升至99.9%以上，订单交付周期缩短了40%。

一、项目背景与目标 1. 背景 业务痛点： 效率低下：投资合同审核依赖人工逐字审阅，耗时长、易出错。 风险遗漏：复杂法律条款易被忽略，导致合规或法律风险。 知识沉淀困难：历史合同经验未系统化，无法快速复用。 技术需求： 通过 AI 大模型实现合同自动化解析、关键信息提取与风险预警。 结合 RAG 模型强化法律知识库检索能力，确保审核结论的权威性。 2. 目标 核心目标： 提升审核效率：将合同处理时间从数小时缩短至分钟级。 降低风险：通过 AI 识别合规性风险，减少人为疏漏。 知识管理：构建并维护私有化法律知识库，支持持续迭代。 技术目标： 搭建 端到端自动化审核流程，覆盖合同解析→风险评估→结论生成→存档全流程。 通过 OceanBase 和 MySQL 支持高并发、高可用的合同数据存储与检索。 二、核心功能模块 1. 合同解析模块 功能描述： 支持 PDF、Word 等格式合同的上传与解析。 使用 AI 文本处理技术（如 NLP）提取关键信息：合同金额、期限、双方主体、违约条款等。 技术实现： OCR+分段处理：对扫描版合同进行文字识别，结构化文本分割。 LangChain 集成：调用私有大模型对非结构化文本进行语义分析。 2. 智能审核模块 功能描述： 基于 RAG 模型对比合同内容与 知识库（如法律法规、行业模板），判断合规性。 识别高风险条款（如排他性约定、不可抗力责任划分）。 技术实现： RAG 流程： 通过 VectorDB（如 Oceanbase）检索知识库中相关法律条文或案例。 结合 私有大模型（如通义千问企业版）生成分析报告，标注风险点。 规则引擎：预设合规规则（如“禁止无限连带责任”），触发预警。 3. 知识库管理模块 功能描述： 维护 法律库（最新法规）、案例库（历史合同争议）、模板库（标准合同模板）。 支持人工标注与模型自动更新知识库。 技术实现： MySQL 存储结构化数据（如法律条文编号、条款摘要）。 向量存储库（基于 Oceanbase）：将文本转化为向量，支持高效检索。 功能路径描述 路径 1：合同上传与解析 用户操作：登录系统 → 上传合同文件（PDF/Word）。 系统处理： 路径 2：智能审核与风险分析 知识库检索： 向量检索：将合同条款向量化，与 Oceanbase 向量库中的法律条文对比。 规则匹配：触发预设规则（如检测“违约金超过 30% 是否合规”）。 风险评估： 模型推理：大模型结合检索结果生成风险报告。 路径 3：知识库更新 人工更新：管理员新增法律条文或标注历史合同案例。 自动更新： RAG 模型定期抓取监管机构网站最新法规。 通过 LangChain 将新数据向量化并写入知识库

项目目标 统一全行流程服务：通过中台思想整合分散的业务流程，沉淀共享服务，提升流程复用性和一致性。 支撑业务与办公场景：支持全行业务流程（如贷款审批、开户等）和内部办公流程（如审批、报销等），实现跨部门协同。 高性能与弹性扩展：通过容器化部署和微服务架构，应对业务高峰流量，保障系统稳定性和响应速度。 核心功能 流程定义与配置：支持业务部门自定义流程节点、规则和表单，快速适配业务变化。 全行流程可视化：提供流程监控、状态跟踪和数据分析，帮助优化流程效率。 弹性伸缩能力：基于容器化技术，动态扩展资源，应对每年业务高峰（如“双十一”、年终结算等）。 领域驱动设计（DDD）：构建核心领域模型，应对复杂业务需求的快速迭代。 核心模块 流程引擎模块： 流程定义与编排（BPMN标准支持）。 流程实例管理（启动、暂停、终止）。 服务共享模块： 共享流程服务（如权限校验、通知发送）。 用户体系集成（全行统一身份认证）。 弹性调度模块： 容器化部署（如Kubernetes集群管理）。 横向扩容与负载均衡。 领域模型模块： 核心业务对象建模（如流程节点、规则引擎）。 事件溯源与领域事件驱动。 业务流程（功能路径） 以“贷款审批流程”为例： 流程发起：业务人员通过流程中心定义贷款审批流程（节点：客户经理→风控→审批人→放款）。 流程执行： 客户提交申请后，流程引擎自动分配任务。 各节点人员通过统一入口处理任务（如风控审核风险指标）。 监控与优化： 监控中心实时查看流程状态、耗时及瓶颈。 根据数据反馈调整流程规则（如增加自动审批阈值）。 弹性扩容： 在“双十一”贷款申请高峰时，自动扩容容器节点，保障并发处理能力。

此金融云平台围绕小微企业，以企业采购，销售，结算，授信，分销商管理，催收款等流程为主线，提供一系列轻量应用，实现将金融产品对企业在各环节上的支持提升到新的水平。在解决企业痛点需求基础上，快速扩大银行存贷量，打造同业最强的对公互联网金融信息服务生态圈。

本身从后台开发出生，近些年一直在做大数据开发工作，持续通过数据中台来将数据治理的工作持续落地。并且在同行业内实施过咨询项目，并且在行业内的协会进行过专题的数据治理分享，有着深厚的治理经验。

k8s的 paas 云平台，使用 golang ，调用各开源软件，管理多个数据中心多个环境中总共上万＋节点、上万容器。按客户要求为平台纳管的不同的节点划分逻辑区域，为不同角色、用户提供相应的资源，并监控这些资源。 独立负责云平台中核心的区域集群管理模块，包含基础设施搭建（如k8s集群搭建）、节点管理、集群管理、区域管理等模块，解决多重调度、容灾、多节点问题，提供资源部署、资源获取、资源监控等功能；

行业场景 江苏某市级小贷公司面临 3 大痛点： 一是贷款申请全线下，单笔周期超 5 天，客户流失率达 30%； 二是风控依赖人工核验（查征信 / 资产证明），坏账率居高不下（8%）； 三是缺乏业务数据分析工具，无法精准定位高价值客户，获客成本高。 功能介绍 1. 基础功能：小程序端贷款申请（身份证 OCR 识别）、人脸识别、进度查询；管理端审批流程管理。​ 2. 数据平台核心功能： ① 风控数据模块：对接第三方征信（芝麻信用 / 百行征信）、企业工商数据，通过 风控算法模型（含还款能力评分 / 违约风险预测）自动生成风控报告，评分≥70 分自动进入快速审批通道； ② 业务分析模块：用 Tableau 搭建运营看板，展示贷款发放量 / 坏账率 / 客户分层（按行业 / 额度）数据，支持钻取查询（如某行业客户还款率）； ③ 数据预警模块：当客户出现征信异常 / 逾期苗头时，自动触发催收提醒，同步更新坏账率预测模型。

历史数据采集与清洗：自动从交易所API获取K线数据，存入数据库。 特征工程与模型训练：提取技术指标（MACD、RSI、布林带等）作为特征，训练二分类模型。 实时预测模块：接收最新行情，调用模型预测下一根K线涨跌。 自动化交易执行：根据预测结果与风控策略，调用交易所API下单。 风险管理：设置止盈止损、最大仓位限制、资金管理规则。 日志与监控：后台可视化预测结果与交易记录，便于回测与优化

项目技术亮点与创新： LLM驱动的决策引擎： 核心在于利用LLM强大的文本理解和逻辑推理能力，对市场信息、新闻事件、技术指标等进行综合分析，形成交易意图。 多专家系统架构： 构成： 交易者、决策者、谏官、数据收集者、数据分析师等多个独立专家模块。 类型： 包含推理向专家（专注于逻辑判断和策略生成）和Agent向专家（专注于执行和交互）。 协作机制： 各专家各司其职，又相互验证和补充，例如数据收集者提供实时市场数据，数据分析师进行深度解读，决策者根据分析制定策略，谏官进行风险评估和质疑，最终由交易者执行指令。这种机制极大地提升了决策的鲁棒性和可靠性，有效降低了单一模型可能出现的错误（幻觉）。 模拟人类交易习惯： 相较于传统基于固定规则或纯统计套利的模型，太熵通过LLM的灵活性，能够更好地适应市场情绪和非结构化信息，模拟专业交易员的经验和直觉。 全流程自动化交易： 实现了从数据采集、分析、决策到交易执行的完整自动化闭环。

核心功能模块： ① 一站式就诊服务：挂号/缴费/报告查询自助办理，减少60%等候时间 ② 聚合支付中心：支持银行卡/微信/支付宝/医保卡混合支付（成功率≥95%） ③ 实时数据中台：HIS与银行系统双向同步（准确率99.9%），自动生成财务报表 ④ 自助终端控制：身份证/银行卡读取、凭条打印、语音引导 主要功能路径： 患者选择科室→读取证件→选择支付方式→生成电子凭证→同步更新HIS号源→打印就诊单

大公司证券交易的清结算，使用Java做后台，使用Kafka做消息中间件，Angular做前台，部署在k8s搭建的私有云平台上 大公司证券交易的清结算，使用Java做后台，使用Kafka做消息中间件，Angular做前台，部署在k8s搭建的私有云平台上 大公司证券交易的清结算，使用Java做后台，使用Kafka做消息中间件，Angular做前台，部署在k8s搭建的私有云平台上 大公司证券交易的清结算，使用Java做后台，使用Kafka做消息中间件，Angular做前台，部署在k8s搭建的私有云平台上

数据库迁移开发完成后的数据库分成5层，分别是贴源层，临时存储层，模型层，中间层，集市层和应用层，基本实现数据库迁移的效果，确保数据的有限迁移和转换，最后成功上线生产环境，保证了银行的迁移正式成功。

Agentar平台提供零代码、低代码开发以及可视化编排能力，大幅降低搭建智能体的门槛。平台正在内测上线国内首个金融MCP服务广场，集合高质量金融信息源、智能投研等超百个核心金融MCP服务，并提供“可插拔”式的行业know-how组件库，让非技术人员能够以拖拽的方式，快速搭建智能体应用。值得一提的是，平台具备金融级的数据与内容安全防御及监测能力，全面保障金融智能体应用场景的安全合规性。

1. 实时话术智能推荐：外呼过程中，系统根据客户语音关键词（如“利率”“还款期”）自动推送最佳应答话术卡片，坐席一键点击即可播报，缩短响应时间至3秒内。 2. 客户意向动态标签：通过NLP分析客户通话内容，自动标注“高意向”“需跟进”“拒绝”等标签，准确率达85%，替代传统人工手动记录。 3. 智能知识库检索：支持语音/文字快速查询产品条款（如“新一贷提前还款规则”），结果以卡片形式展示，含条款原文与案例说明。 4. 坐席效能仪表盘：实时显示外呼接通率、意向转化率、平均通话时长，对比团队均值生成改进建议（如“下午3点后外呼接通率高出20%”）。

1、对应用模块（afa）服务进行拆分，根据借记卡和信用卡交易将当前的工作组拆分为两个独立工作组，分别受理信用卡交易和借记卡交易。两个独立工作组再根据机构继续细分，分为支付宝、财付通、京东和其他机构。 2、新增限流功能，当流量激增，达到系统极限时，可在前端（afe）进行限流，让流量逐步进入应用服务器（afa）。同时可根据不同机构进行限流。 3、新增故障自诊断与自动应急处理功能。 4、新增批次任务界面管理功能，当前批次任务较多，部分任务之间存在关联，运维管理繁琐，需要有一个界面集中管理批次进度。 新增概要日志，用于从日志层面监控系统运行状况。

1.项目有省内结算功能：根据相关需求完成类似股票交易得购售两侧结算功能开发，其中有兜底、拆分等计算算法。 2.省间结算功能；根据纵向接口接受其他平台数据，完成相关结算。 3.完成相关接口的设计、E文本的格式的设计、数据交互过程中可能存在的问题。 4.完成帆软报表的开发，其中涉及当前月、年累计、同比、环比报表的 开发。 5.完成数据查询索引的优化、和业务代码功能高效纵向、横向之间的转化。

同步查询，异步查询，提供行内外历史数据查询，归档数据查询，支持多渠道业务对接，支持数据脱敏，支持部分数据实时查询。提供行内外历史数据查询，归档数据查询，支持多渠道业务对接，支持数据脱敏，支持部分数据实时查询。

实现了直播移动端和pc的开播功能 支持进行直播间的嘉宾用户连麦 支持直播间的聊天互动 支持进行抽奖、答题、签到等互动功能 进行直播间用户行为和直播间的互动数据记录和统计 支持直播内容的视频生成和备份存储