课程简介

内容涵盖大模型基础与金融应用全景、AI工程化实施路径、数据安全与合规实践，深入讲解Agent架构设计、多智能体协作系统及企业级部署方案。结合微众银行、邮储银行、工商银行等真实案例，剖析智能客服、风控系统、营销智能化等核心场景的工程实践，助力金融科技从业者掌握前沿AI技术，提升系统构建与安全管理能力。

目标收益

培训对象

课程内容

模块一：大模型基础与金融应用概述（0.25天）
1.1 大模型技术发展与应用边界
 通用大模型vs垂类大模型的技术差异
 大模型能力边界与局限性分析
 非大模型场景的解决方案选型

1.2 金融领域大模型应用全景
 金融大模型应用技术地图
 典型应用案例分析（东方财富、恒生电子等）
 数据安全与合规要求

模块二：AI大模型工程概览与安全管理实践（0.75天）
1.AI工程化落地拆解实践
a.解读：业务与数字化战略、场景解读；
b.关键要素分析：数据、算力、成本、用户体验；
c.技术整体蓝图：
i.AI应用模式（模型结构、垂类训练 等差异）
ii.能力获取模式（开源/闭源；公网/私有化）
iii.成本收益、价值、风险点、实施建议
d.落地路径：
i.落地项目时间规划、资源投入、风险验证
ii.最小POC尝试并展示
2.大模型安全背景
a.安全问题概览（框架、算法、数据、运行、衍生问题）
b.AI安全监管生态（法规、共识、备案要求）
c.AI安全技术生态（数据、算法、应用、运营）
3.大模型数据安全原理
a.隐私安全与伦理风险（虚假信息、意识形态、技术滥用）
b.训练安全（数据投毒、后门攻击）
c.部署安全（插件设计、输出处理、敏感信息、代理攻击）
d.业务安全（对抗攻击、窃取攻击、拒绝服务攻击、信任攻击）
4.大模型安全防护
a.内生安全防护（隐私、幻觉）
b.外部攻击防护（提示注入、越狱、毒化、恶意后门）
c.场景攻击防护（版权侵犯、虚假新闻、电诈）
d.安全测评（评测集、观察维度）
e.整体防护框架（检测、红蓝对抗）
f.安全防护实例（RAG、政务、助手）
5.大模型安全线上实操
a.大模型Prompt和输出安全审核逻辑（输入输出控制）
b.大模型微调实践，通过不同敏感数据清洗策略进行模型微调（模型本身安全）
c.对比不同安全策略逻辑微调结果（实践对比）
d.大模型部署模型保护，模型窜改等问题（部署）
e.大模型训练过程中的可靠性（探讨与方案介绍）



模块三~四：Agent进阶开发与工程化实践（1天）
4.1 Agent技术概览
1.Agent的历史演进与突破：从工作流到自主Agent的跃迁
a.Agent的关键特征
b.多模态Agent的新发展
c.新型大模型下的Agent架构革新
d.工作链编排与ToolUse能力
e.企业实施Agent的最佳实践
2.Agent的智能边界通用智能与专用型Agent
a.认知架构与推理能力
b.自主性与可控性的平衡
c.主流Agent框架介绍(LangChain、Bedrock等)
3.Agent技术的最新突破

4.2 Agent高级架构与安全实践
1.Agent的基础构建块增强型LLM的核心能力
a.工具使用与环境交互
b.记忆机制与上下文管理
2.典型工作流模式剖析提示链(Prompt Chain)模式
a.路由(Routing)模式
b.并行化(Parallelization)模式
c.Orchestrator-workers模式
d.Evaluator-optimizer模式
3.Agent安全框架安全边界与风险评估
a.行为约束与行动准则
b.可解释性与透明度保障
c.敏感信息处理机制
4.Agent协作与竞争机制多智能体系统框架
a.Agent间协作策略
b.冲突解决与决策协调
c.前沿框架介绍

4.3 企业级Agent系统实践
 Agent开发框架选型与对比
¡ 性能优化与监控方案
¡ 可观测性设计
¡ 部署架构与扩展性设计
¡ Agent架构设计最佳实践
 多Agent协作系统设计
¡ Function Calling高级应用
¡ 知识库架构与检索优化
¡ RAG系统工程化实现
 多Agent协作系统落地案例
 企业知识库集成最佳实践
 案例：微众银行Multi-Agent系统工程实践

4.4 智能客服工程实践
 系统架构设计与技术选型
 知识库构建与维护方案
 多轮对话管理设计
 性能监控与优化方案
 案例：邮储银行数字员工系统工程实现

4.5 智能风控系统工程实践
 风控大模型架构设计
 数据流转与处理方案
 模型部署与服务化方案
 案例：工行信贷业务落地全流程

4.6 营销智能化工程实践
 营销场景技术架构设计
 多源数据整合方案
 A/B测试体系搭建
 案例：众安银行营销系统工程化实践