智能对话机器人-金融智能客服机器人 - FinBot
2026-07-20 18:50:42
行业：金融、人工智能
载体：网站
技术：Python、FastAPI、PyTorch、Transformers
业务和功能介绍
立项背景和目标：
某持牌金融机构的客服团队面临夜间及节假日咨询量激增、人工排班困难的问题。目标是从零搭建一个以金融问答为核心的智能对话机器人，实现7×24小时自动接待，覆盖基金查询、保险咨询、理财产品推荐等高频场景，问答准确率目标设定为90%以上。
软件功能、核心功能模块介绍：
系统包含四个核心模块。（1）自然语言理解（NLU）模块：对用户问题进行意图识别和槽位提取，支持50+种金融问答场景的分类。（2）对话管理（DM）模块：基于规则+机器学习的状态机管理多轮对话上下文。（3）自然语言生成（NLG）模块：基于微调后的中文预训练模型生成回答文本。（4）语音通道模块：支持WebSocket双向通信，实现语音快速问答能力。
业务流程、功能路径描述：
用户通过微信公众号或App端输入问题（文字或语音），NLU模块进行意图识别和实体提取，DM模块判断当前对话状态（是否需追问、是否需查数据库等），检索知识库或调用业务API获取答案，NLG模块生成最终回复并返回给用户。多轮对话场景（如理财产品筛选）通过状态机维护上下文完成。
某持牌金融机构的客服团队面临夜间及节假日咨询量激增、人工排班困难的问题。目标是从零搭建一个以金融问答为核心的智能对话机器人，实现7×24小时自动接待，覆盖基金查询、保险咨询、理财产品推荐等高频场景，问答准确率目标设定为90%以上。
软件功能、核心功能模块介绍：
系统包含四个核心模块。（1）自然语言理解（NLU）模块：对用户问题进行意图识别和槽位提取，支持50+种金融问答场景的分类。（2）对话管理（DM）模块：基于规则+机器学习的状态机管理多轮对话上下文。（3）自然语言生成（NLG）模块：基于微调后的中文预训练模型生成回答文本。（4）语音通道模块：支持WebSocket双向通信，实现语音快速问答能力。
业务流程、功能路径描述：
用户通过微信公众号或App端输入问题（文字或语音），NLU模块进行意图识别和实体提取，DM模块判断当前对话状态（是否需追问、是否需查数据库等），检索知识库或调用业务API获取答案，NLG模块生成最终回复并返回给用户。多轮对话场景（如理财产品筛选）通过状态机维护上下文完成。
项目实现
整体架构和设计思路：
采用分层架构：接入层（FastAPI + WebSocket）处理多渠道请求；逻辑层（Transformers + PyTorch）运行NLU和NLG推理，模型使用开源中文预训练模型（如ChatGLM3-6B）进行LoRA微调；数据层使用Redis存储对话状态（设置TTL自动过期），Milvus向量库检索金融知识文档。整体部署在Docker容器中，通过Nginx负载均衡。
“我”的负责模块和结果：
本人完成对话管理模块的开发和模型微调工作。负责设计多轮对话的状态机流转逻辑、编写50+种场景的对话模板、对基座模型进行金融领域语料的LoRA微调。成果：问答准确率达到92%，平均响应时间< 1.5秒；系统上线后替代3名人工客服的夜间及节假日值班工作。
“我”遇到的难点、坑和解决方案：
难点：金融问答涉及大量实时数据（如实时净值、收益率），模型无法感知时效性。解决方案：引入API调用机制，在NLU识别到“查询净值”“查询收益率”等强时效性意图时，DM模块不依赖模型生成，转而调用业务中台的实时数据接口，将数据格式化后返回给用户，确保数据准确性和实时性。
采用分层架构：接入层（FastAPI + WebSocket）处理多渠道请求；逻辑层（Transformers + PyTorch）运行NLU和NLG推理，模型使用开源中文预训练模型（如ChatGLM3-6B）进行LoRA微调；数据层使用Redis存储对话状态（设置TTL自动过期），Milvus向量库检索金融知识文档。整体部署在Docker容器中，通过Nginx负载均衡。
“我”的负责模块和结果：
本人完成对话管理模块的开发和模型微调工作。负责设计多轮对话的状态机流转逻辑、编写50+种场景的对话模板、对基座模型进行金融领域语料的LoRA微调。成果：问答准确率达到92%，平均响应时间< 1.5秒；系统上线后替代3名人工客服的夜间及节假日值班工作。
“我”遇到的难点、坑和解决方案：
难点：金融问答涉及大量实时数据（如实时净值、收益率），模型无法感知时效性。解决方案：引入API调用机制，在NLU识别到“查询净值”“查询收益率”等强时效性意图时，DM模块不依赖模型生成，转而调用业务中台的实时数据接口，将数据格式化后返回给用户，确保数据准确性和实时性。
示例图片视频
相似推荐
基于小程序的个人小工具
本项目是一款面向个人用户的生活效率管理工具，旨在解决日常生活中记账、备忘、菜谱记录等碎片化需求分散在多个App中的痛点。核心功能模块包括：记账本（支持收支记录、资产账户管理、月度预算）、备忘录（支持待办事项、日历视图、到期提醒）、菜谱本（支持菜谱记录、图片上传、买菜清单生成）和倒计时（纪念日/节日提醒）。用户通过首页仪表盘快速查看今日概览，点击模块进入详细功能页完成操作。业务流程：用户首次进入小程序完成授权→首页展示个性化数据概览→根据需求选择功能模块→完成记录后数据自动同步云端→支持数据导出备份。
公司ESB系统
公司这个ESB项目系统挺大的，支持组件和数据连接数据库应该是市面上都全的，ESB这个系统很大，还集成了网关，agent机器人，流程画布，都是从0到1开发设计到最后测试没问题上线使用包括后面的维护等等
校园综合服务小程序
立项背景和目标
当前高校学生校园信息分散，资讯、二手、失物、活动、外卖等需求分散在多个社交群，信息流转低效、无统一查询渠道。本项目目标搭建轻量化微信小程序，无需下载 APP，统一聚合校园全场景服务，降低师生信息获取成本，搭建校内安全交易、信息发布渠道。
软件核心功能模块
1. 用户登录模块：对接微信官方登录接口，自动获取用户 OpenID 完成注册、身份识别；
2. 校园资讯模块：分类展示校园新闻、通知、学习资料，支持搜索、点赞、收藏、详情预览；
3. 闲置二手模块：学生发布闲置商品、浏览商品列表、查看商品详情；
4. 失物招领模块：发布遗失 / 捡拾物品信息，检索公告；
5. 校园活动模块：展示校内文体、志愿活动，点击查看活动详情；
6. 快捷外卖服务：校内商家点餐、购物车、订单管理、收货地址管理；
7. 个人中心：用户信息、我的发布、我的收藏、订单记录、系统设置。
业务流程
用户打开小程序后自动触发微信授权登录，登录后进入首页，首页提供各功能入口；点击对应图标跳转资讯 / 二手 / 活动 / 外卖页面，列表页支持下拉刷新、上拉加载更多，点击条目跳转详情页，可完成点赞、收藏、发布、下单等操作；全部数据由后端接口统一提供存储与校验。
中山大学研究院海洋共享平台
海洋共享平台主要是中山大学研究院的项目，结合数据大屏，监控南海以及港珠澳大桥的实时数据，包括海洋气流，温度，湿度，风力等，像一些科学研究者展示海洋数据，跟国家地理，精典数据等企业一起开发
RVC变声器
1、立项背景和目标
当前在线教育、直播互动及内容创作领域对个性化音频表达的需求日益增长。然而，传统变声工具普遍存在音质失真严重、操作门槛高、灵活性差等问题，无法满足高质量、低延迟的实时变声需求。RVC（Retrieval-based Voice Conversion）作为一个基于VITS框架的AI变声系统，旨在通过深度学习技术实现高质量的声音克隆与实时变声，让用户以极低的数据量（推荐10分钟低底噪语音）即可训练出个性化声纹模型，同时杜绝音色泄漏问题，即使在较差的显卡上也能快速训练推理，真正降低AI变声技术的使用门槛。
2、软件功能、核心功能模块的介绍
本产品核心功能包括三大模块：一是声音克隆训练模块，支持用户上传少量语音样本进行模型微调训练，通过top1检索替换输入源特征为训练集特征来杜绝音色泄漏，并支持模型融合以改变音色；二是实时变声推理模块，实现端到端低延迟（最低可达90ms）的实时语音转换，支持直播场景下的动态音色切换；三是音频处理辅助模块，内置UVR5人声伴奏分离模型与RMVPE音高提取算法，可快速完成素材预处理。
3、业务流程、功能路径描述
用户首次使用时，通过运行go-web.bat启动WebUI训练推理界面，或运行go-realtime-gui.bat启动实时变声图形界面。在训练流程中，用户需准备10分钟以上的低底噪语音素材，通过UVR5功能分离人声与伴奏，在WebUI中配置模型参数并启动训练。训练完成后，生成的.pth模型文件和.index特征索引文件存放于weights目录，可被实时变声界面调用。在实时变声场景下，用户选择目标模型并连接麦克风输入，系统通过流式处理实现实时语音转换并输出至虚拟音频设备供直播软件使用。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服