专题演讲嘉宾：张前园

大模型进入证券核心业务，最先撞上的不是模型能力，而是幻觉、口径与权限。

本演讲分享一家券商在 900 万客户、6,000+ 业务指标规模上的 AI Native 工程实践：从指标口径分裂的研发之痛出发，讲如何用“生成与执行分离”驯服大模型——数据计算交给规则引擎与知识库，模型专注理解与表达；如何构建本体语义层（指标五要素、7,000+ 同义词、组合引用结构），让 AI 的答案与经营报表同源对齐；如何用组织任职关系装配数据权限，行列正交、管控到属性级；以及 Agent 编排的生产细节——工具收敛、规则链与即席查询的递进固化、真实排障实录。最后给出四层能力阶梯：从“答得准”（架构级消除幻觉）、“看得透”（跨域自助分析）、“想得深”（从回答已知问题到发现未知关联），到“帮你盘算”（决策沙盘给出权衡框架而非武断最优解）——让知识资产从问答工具生长为决策基础设施。
 

演讲提纲

1. 现状与挑战：大模型进入证券核心业务的三堵墙
   • 业务现实：900 万客户、6,000+ 业务指标、多系统并存的券商数据环境；
   • 第一堵墙·口径分裂：同一业务概念多套口径，同一指标有全角/半角双版本——报表对不上，模型更对不上；
   • 第二堵墙·演示惊艳上线翻车：精心挑的问题都能答，生产问法一变就幻觉——提示词救不了架构问题；
   • 第三堵墙·权限与合规：权限靠按人特批、聚合结果可能定位到个人。
2. 两条歧路：传统 RAG 与裸 DataAgent 为什么走不通
   • 传统 RAG 的边界：答得了“制度怎么说”，答不了“数是多少”；同一指标文档里几种说法，命中哪段用哪段口径；
   • 裸 DataAgent 的陷阱：语义裸奔（裸表名裸编码进推理链）、口径分裂在生成 SQL 时重现、库级账号让用户级行列权限失守——本质是绕过语义层的后门；
   • 结论：企业数据场景需要第三条路。
3. 第三条路：生成与执行分离的确定性架构
   • 分工边界：大模型只做理解与表达，数据计算交给规则引擎与知识库（取数规则、查询执行器、四档控制）；
   • 判定链设计：从提问到结果的完整闭环——意图与实体解析、路由、行列校验、口径调制、审计留痕；
   • 效果：架构级消除幻觉，AI 的答案与经营报表同源对齐。
4. 架构的地基：本体语义层工程
   • 一句世界观：“表是实现视角，模型是推理视角”——三个退役判例（指标值顶点、万能组织类、任职承接）；
   • 语义层怎么建：指标五要素组合引用、7,000+ 同义词、一处修订全库同步的传播机制；
   • 语义层的红利：新业务线接入“结构零新增”。
5. 金融级权限工程与能力阶梯展望
   • 权限即计算：权限范围=组织任职关系并集，零按人特批；行列正交、属性级管控实现同岗不同权；
   • 聚合屏障：k-匿名桶+强制上卷——“给结果不给数据”，可分析不可查；
   • L1-L4 能力阶梯展望：答得准（消除幻觉）→看得透（自助分析）→想得深（洞察发现）→帮你盘算（决策推演）。

实践痛点：

1. 口径分裂：同一业务概念多套口径、“同名不同源”，连全角/半角括号都能分裂出两个指标——报表对不上，模型更对不上。
2. 表导实体的坑：厂商演示“数据库表一键转实体”，产出一堆影子实体——源表一变全错且无人知道；三个退役判例换来一句世界观：“表是实现视角，模型是推理视角”。
3. 演示惊艳、上线翻车：精心挑的问题都能答，生产环境问法一变就幻觉——提示词救不了架构问题。
4. 两条歧路——传统 RAG 与裸 DataAgent：传统 RAG 答得了“制度怎么说”，答不了“数是多少”，同一指标在文档里有几种说法、命中哪段用哪段口径；把数据集直接丢给 DataAgent 自由探索更危险——语义裸奔（裸表名裸编码进推理链）、口径分裂在生成 SQL 时重现（同一问题每次生成的查询不一样）、库级账号让用户级行列权限整体失守——本质是绕过语义层的后门。
5. 权限按人特批：权限页面配出来的每一条例外，都是模型设计不合理的证据；头衔超授、同岗不同权表达不了。
6. 聚合泄露：明细挡住了，聚合结果里的小桶依然能定位到个人——“给结果不给数据”比想象中难。

前沿亮点：

1. 生成与执行分离——RAG 与裸 DataAgent 之外的第三条路：大模型不检索文档片段凑答案、也不直接碰裸表写 SQL，而是经语义层路由到确定性取数；幻觉治理从提示词升级为架构（组合式 AI 系统的金融落地样本）。
2. 本体语义层——Semantic Layer 成为 Data×AI 融合的关键基础设施；本体对大模型的三层约束：查询层硬约束、推理层软约束、行为层治理。
3. 权限即计算——权限不再“配出来”，而是从组织事实“算出来”：行列正交、属性级管控、通道合规（讲思想不喂配方）。
4. 聚合屏障——k-匿名桶+强制上卷，“可分析不可查”成为独立授权位，隐私计算思想用在权限工程。
5. L1-L4 能力阶梯——答得准（消除幻觉）→看得透（自助分析）→想得深（洞察发现）→帮你盘算（决策推演）：大模型落地的发展路线图。

听众收益：

1. 一张技术路线选型图：传统 RAG、裸 DataAgent、语义层+确定性执行三条路线各自的边界与陷阱——以及“大模型+知识库”架构的完整参考。
2. 语义层建设的实操判据：什么进本体、什么留物理表、建错了怎么退役——附三个真实判例。
3. 金融级权限工程范式：组织关系装配+属性级管控+聚合屏障的设计要点。
4. 一张 L1-L4 演进路线图：判断自己的大模型项目处在哪一层，下一层的地基现在就要打什么。