本文主要探讨了如何精益地打造金融专家智能体，分析了人工智能与知识工程的经济学本质，回顾相关项目案例，阐述知识工程开发、AI落地的关键要点，以及提示工程在其中的重要作用。

精益理念的重要性

人工智能与知识工程问题本质上是经济学问题，不仅涉及算法，还需考虑成本与效益。“重”的知识项目成本高，而“轻”的项目通过精益方法可降低成本，提高效益。

回顾Vulcan的AURA项目

该项目旨在开发数字亚里士多德系统，用于解决复杂问题和教育应用。其采用逻辑推理，对教科书和考试题进行形式化表示，涉及知识表现、推理、界面等方面，但成本高昂，如专家标注成本高且正确率有限。同时，也引发了对知识来源、方法有效性等多方面的思考，如结构化知识建模的重要性、如何降低成本等，这些思考对当前仍有借鉴意义。

知识工程开发与AI落地要点

知识工程开发核心是迭代，包括统计、规则、编辑三步提取，目的是控制成本，提高可重复人工投资比例。AI落地关键在于工程，要考虑实际情况，避免盲目追求大规模，注重数据价值、真实性和多能性，采用适合的技术降低成本。

展开剩余83%

提示工程的关键作用

大模型虽有一定优势，但在数据复杂性方面面临挑战。提示工程应运而生，其目标是精细控制模型行为，包括设计和优化提示词、处理模型输出等多方面。通过工程体系、工业级别提示词设计等，可提升模型性能，如在文本抽取、业务规则建模等金融领域应用场景中发挥重要作用，实现工程化解决方案，包括数据处理、规则分析等环节。

精益打造金融专家智能体需综合多方面因素，从理念转变到项目实践，再到技术应用与优化，注重成本控制与实际效果，以适应金融领域的复杂需求，推动金融智能体的有效落地和发展，提升金融服务与决策的智能化水平。

免责声明：我们尊重知识产权、数据隐私，只做内容的收集、整理及分享，报告内容来源于网络,报告版权归原撰写发布机构所有，通过公开合法渠道获得，如涉及侵权，请及时联系我们删除，如对报告内容存疑，请与撰写、发布机构联系

发布于：广东省