• 机构：Mizuho Financial Group
• 项目：Agent Factory
• 时间：2026 年 3 月
• 类别：平台治理 / AI Agent / 量产运维 / 架构标准 / 内部效率
• 来源：https://prtimes.jp/main/html/rd/p/000000003.000177612.html ↗

银行开始尝试 AI Agent 后，很快会遇到“规模化墙”：单个智能体可以由少数专家手工开发，但当不同业务部门都需要不同智能体时，个别开发方式会造成周期长、质量不一、部署易错、治理难统一和运维不可持续。Mizuho 在 2025 年已推出 Wiz Base 作为安全高效使用生成式 AI 的下一代 AI 基础设施，随后进入 AI Agent 规模化阶段。

Agent Factory 的核心问题不是“能不能做一个智能体”，而是“能不能持续量产、部署、评价和改进数千个智能体”。这对银行特别重要，因为每个智能体都可能接触流程、系统、客户或敏感数据，必须兼顾开发速度、可靠性、安全和治理。

Mizuho 构建 Agent Factory，将 AI Agent 的开发、部署、运维和改善流程标准化。平台包含共通模板 Agent Template，把构建智能体所需要素模板化，使开发者能用标准结构进行开发和部署，并从一开始考虑上线后的评估和改善。

同时，Mizuho 制定 AI Oriented Architecture（AIOA）独自设计原则，在金融机构所需高可靠性前提下，将治理和安全要求嵌入智能体设计。平台还根据业务复杂度提供不同开发工具：复杂处理和系统联动使用 Amazon Bedrock AgentCore，快速开发场景使用 Dify。数字战略部内制开发实验室和基盘支援团队负责需求承接、技术支持和知识积累。

官方披露，Agent Factory 可把复杂 AI Agent 的开发周期从传统约 2 周缩短到最短数日，最高缩短 70%。Mizuho 从 2026 年 2 月开始以数字战略部使用为起点正式展开，未来将逐步扩大到更多部门。

该行还明确展望后续增强：提供个性化智能体记忆功能，推进多个 AI Agent 协作执行业务，扩展运维能力。目标是在内部流程效率化和高度化的同时，为客户提供更快速、更准确的提案和支持。

• 在开发很多智能体前，先建立统一模板、架构原则和部署规范。
• 将低代码平台和高复杂度平台分层，避免所有场景都用同一工具。
• 建立智能体从需求、设计、测试、部署、监控到改进的生命周期。
• 设立内部开发实验室，把业务需求转化为可复用能力。
• 建立支援团队沉淀提示词、连接器、评估集和安全模式。
• 对未来多智能体协作提前设计权限、记忆和任务边界。

• 智能体可执行任务，风险高于普通问答，必须有权限和动作边界。
• 模板化开发可能带来系统性缺陷，模板本身要严格审查。
• 多平台并行会增加模型、日志、权限和供应商管理复杂度。
• 记忆功能需要明确保存哪些信息、保存多久、如何删除。
• 智能体量产后要建立统一库存和风险分级。
• 对客户相关流程要保留人工审批和异常熔断机制。

• 设计一个银行 Agent Template，包含目标、输入、工具、权限、输出、监控。
• 把 10 个智能体想法按低代码、高复杂度、禁止开发三类分类。
• 画出智能体生命周期：需求、原型、测试、上线、监控、复盘。
• 设计 AIOA 风格原则：安全优先、最小权限、可追溯、可回滚。
• 模拟一个“客户资料摘要智能体”的权限边界。
• 制作智能体库存表，字段包括负责人、数据源、动作权限、风险等级。