专题演讲嘉宾：陈忻

B2B跨境贸易天然面临“多国别、多单据、多风险”挑战：营业执照、报关单等非标文档版式各异，传统OCR依赖人工录入；三流一致性验证依赖碎片化数据源，隐性关联关系难以识别；交易风险审核、客服运营等环节高度依赖人力，经验难沉淀。行业正从“AI工具”转向“AI数字员工”，模型能力越强，越需要工程驾驭。

为此团队构建“可控、可测、可进化”的三层AI工程飞轮：分钟级Agentic Coding Loop（CodeLynx）通过结构化规则+轻重推理引擎实现代码规范与红线卡点的高效覆盖；小时级Developer Feedback Loop（EvalHub）以评测集、评分器、评测任务构建数据飞轮，保障AI准出质量；天级External Feedback Loop（EagleEye）基于OpenTelemetry实现网关、模型、业务效果全链路观测，并通过Badcase智能分析回流迭代。

实践中沉淀出评测集资产化、成本可归集可解释、AI工程即组织工程等核心经验。落地后，多模态大模型使原本“不可自动化”的风控单据审核逐步实现自动化，人工审核成本持续下降，交易风险识别能力显著提升，客服范式也从“人用工具”迈向“人管Agent团队”，为AI深度嵌入金融风控业务提供了可复用的方法论。

演讲大纲

1. 风控 AI 工程与三层进化飞轮
   • 围绕三个Loop及四个动作，"驾驭（接入调度）、约束（规范门禁）、反馈（评测观测）、进化（回流迭代）"，构建全链路AI工程。
2. Agentic Coding Loop（分钟级）：CodeLynx
   • 从 Sonar 静态规则扫描，到基于知识库的Code Workflow Agent，再到Native Agent的持续演进。
   • 两种模式支持：
     • 1）增量变更（MR等片段及差异分析）
     • 2）全量分析（全仓库扫描治理）
   • 三类能力建设：
     • 1）编码类（需求一致性、架构设计、单元测试、代码规范、安全规范、资金安全规范等）
     • 2）Agent搭建类（Workflow DSL，工作流复杂度，异常处理等）
     • 3）技能类（安全性，正确性，扫描及动态试跑等）。
   • 四个关键决策：
     • 1）用好代码上下文及记忆
     • 2）结构化规则优于 LLM 自由推理
     • 3）基于标注评测，路由最优模型，准确率演进
     • 4）轻重引擎，轻推理引擎低成本广扫承载代码规范。重推理引擎驱动零漏判承载红线卡点
3. Developer Feedback Loop（小时级）：EvalHub
   • 一套基建支撑各类 AI 形态，包括大小模型、多模态模型、知识库、Agent等，通过分层建模构建数据飞轮。
     • 评测集（滚动/快照/基准，版本管理，内部数据增强，开源评测集扩展）
     • 评测场景（通过协议抽象，支撑多种技术形态的评测）
     • 评分器（LLM as Judge/自定义/指标集Ragas/Deepeval等）
     • 评测任务（调度/实验对比/指标/报告/分析回流）
4. External Feedback Loop（天级）：EagleEye
   • 基于标准OpenTelemetry协议，构建基础资源、模型、服务、业务效果四层观测能力：
   • AI 网关性能、成本、安全、治理五维观测，Token按应用/消费者可归因；
   • 模型及服务渐进式发布，流量及分批发布，打通观测能力，快速定位恢复能力
   • 业务AB实验，新版本效果比对及效果分析
   • Badcase 智能分析（LLM 预标注结合人工复核归因），回流评测集及知识，形成生产闭环，
5. 实施效果与经验
   • 业务效果：“可控、可测、可进化”成为团队标准动作。三个飞轮相互咬合：分钟级保障小时级AI代码质量，小时级评测保障准出效果，天级生产反馈反哺能力演进：
     • 1）多模态大模型同时理解复杂文档的空间布局与语义信息，将"过去不可自动化"的风控审核单据变为可自动化，人工录入量持续下降。
     • 2）AI 驱动的数据采集与多源交叉验证，自动拉通碎片化数据源，识别供应链中的隐性关联关系。
     • 3）AI Native多智能体客服，范式从"人用工具"转向"人管 Agent 团队"。

核心经验

1. 效果闭环——建设"度量反馈"，再放 AI 进核心业务，评测集是资产，要有版本、保鲜与回流机制
2. 成本观测——AI 要算得过账，让成本可归集可解释，按场景分配路由，轻重引擎实践
3. 组织协同——AI工程也是组织工程，开发者（执行）、规则维护者（迭代）、管理者（洞察）

实践痛点

1. 多模态文档理解的泛化难题：跨境贸易涉及的营业执照、报关单、物流单据等版式因国家地区差异极大，通用OCR/多模态模型在小语种、非标版式场景下识别精度不稳定，需要持续的样本积累与模型调优，短期内难以做到“开箱即用”。
2. 规则与模型的权衡取舍：在编码规范、风控红线等强确定性场景下，纯LLM自由推理容易出现结果漂移。

前沿亮点

1. 一套AI基础设施，支撑业务-线下-办公的多形态，形成“驾驭-约束-反馈-进化”体系。
2. 三层AI工程飞轮，分钟级代码质量，小时级评测准出，天级生产观测相互咬合。
3. 一组架构及实践，管算分离，轻重引擎，复用组合，平衡效果及成本。

听众收益：

1. 三层飞轮方法论：审视 AI 工程体系，分钟级、小时级、天级三层架构，及其在金融风控场景下的具体应用，可复用于 AI 深入业务的行业。
2. 门禁与评测的关键决策实践：从AI实现到评估到观测，可借鉴的技术方案及决策逻辑。
3. AI Native 组织协同模式：从标准化->流程化->产品化->智能化，系统与组织协同，提升AI迭代效率与效果。