UC-126银行用例 ／ 风控合规
Dah Sing Bank
反洗钱调查中的可疑交易报告（STR）是银行合规工作里非常耗人力的一环。交易监测系统触发告警后，调查人员要汇总客户背景、账户信息、交易模式、触发原因、前线补充信息和调查结论，并将其写成符合监管提交要求的叙述文本。对于非报告案件，也需要形成足够清晰的结案叙述和留痕。 Dah Sing Bank 在香港金管局首期 GenA.I. 沙盒中选择这个场景，说明生成式 AI 正从客服和员工助手进入高度监管的金融犯罪调查流程。它的难点不只是写得快，而是要写得结构化、可追溯、符合模板，并且不能
披露摘要PoC 显示，GenAI 支持的 STR 和非报告案件叙述可根据案件复杂度节省约 30% 至超过 80% 的准备时间。简单的非报告个人交易案例节省约 30%；复杂的报告类公司案件时间降幅可达 80%。这说明生成式 AI 在复杂叙述整理、证据汇总和模板化写作方面尤其有价值。 官方材料还指出，项目利用 GenA.I. 沙盒和数码港 AISC GPU 资源，在不需要大量前期基础设施投入的情况下从概念推进到验证。后续计划包括接入外部数据源，如公司背景调查、交易对手公开情报，并建立带引用和推理说明的更完整叙述，以及持续监控和反馈机制。
UC-147银行用例 ／ 平台治理
Union Bank of the Philippines（UnionBank）
银行要成为数据驱动组织，核心问题不是有没有数据，而是业务人员能否快速、正确、低门槛地使用数据。传统模式下，营销、账户管理、产品、运营和客户服务团队经常依赖数据团队生成报表、制作仪表盘和提取洞察。这个模式虽然可控，但会形成瓶颈：业务问题等待排期，数据团队反复处理临时报表，决策速度下降。 UnionBank 是菲律宾领先银行之一，长期强调数字化和客户中心创新。AWS 披露，UnionBank 希望让 200 多名跨部门业务用户能够独立访问、分析和可视化数据，从而更快回答“为什么本
披露摘要AWS 披露，UnionBank 是菲律宾首家、也是东盟较早采用 Amazon Quick Suite 生成式 AI 能力的银行之一。该方案支持 200 多名业务用户使用自然语言访问洞察，目标状态下数据请求周转时间提升 3-5 倍。 官方还披露，该方案实现了真正的数据民主化和访问普及，使银行运营成本降低约 30%。当前用例在活动和账户管理中已经应用，更快上市和成本管理可以降低银行成本，并最终转化为更好的客户定价和体验。
FP-002开源项目 ／ 财富投研
开源社区
FinRobot 同样来自 AI4Finance Foundation，定位是面向金融分析的大语言模型智能体平台。与 FinGPT 更偏模型和金融 NLP 基础能力不同，FinRobot 更强调“智能体工作流”：让多个 AI 角色围绕一个金融分析目标协作，例如拉取金融数据、整理公司基本面、比较同业、生成研究报告、输出图表和文本段落。项目提供了本地部署方式、命令行流程和 Web 界面示例，目标是把金融分析流程从单次问答推进到多步骤自动化。 从学习角度看，FinRobot 很适合
FP-009开源项目 ／ 平台治理
开源社区
Alpha-Agent 是 LLMQuant 组织下的多智能体量化投资研究框架，定位是用大语言模型和多智能体流程辅助 Alpha 研究。项目尝试自动完成从研究报告和论文中抽取想法、识别市场状态、检索相关策略、生成代码、调试错误、接入 Qlib 回测等步骤。它代表了金融智能体从“问答助手”走向“研究流程自动化”的方向。 Alpha-Agent 的特点是把金融知识库、市场状态、策略生成和回测连接起来。对金融 AI 学习者来说，它是观察“LLM + 量化研究 + 工具调用”的好样本
FP-013开源项目 ／ 数据与研发
开源社区
edgarmcp 是一个面向 SEC EDGAR 的开源 MCP 服务，可以让 AI 客户端实时查询、读取和检索美国上市公司披露文件。它提供 get_filings、read_document、search_filings、view_financials、search_edgar 等工具，支持读取 filings、附件、注释、XBRL 财务报表，并提供可点击引用。项目创建于 2026 年，属于较新的“金融数据 + MCP + AI 工具调用”方向。 这个项目很适合学习 AI
FP-014开源项目 ／ 数据与研发
开源社区
FinancialAdvisorGPT 是一个金融分析 RAG 与 LLM 样板项目，技术栈包括 MongoDB、Chroma、FastAPI、LangChain、Mistral 模型和 React UI 子模块。它的目标是处理股票数据、新闻、SEC filings 或本地 PDF，并生成带来源引用的金融报告。虽然项目规模不算大，但它很好地体现了一个金融 RAG 应用的基本结构。 这个项目适合初学者理解：金融 RAG 不只是把 PDF 扔给大模型，而是要有文档解析、向量存储、
FP-015开源项目 ／ 数据与研发
开源社区
Canada Banks RAG Chatbot 是一个面向加拿大银行公开报告的 RAG 聊天机器人项目，目标是帮助用户检索和理解 RBC、CIBC、TD 等加拿大主要银行发布的财务报告。项目使用 PDF 处理、向量存储、检索增强生成、对话记忆和 Streamlit 界面，并在说明中提到使用 AWS S3 存储报告、Bedrock 管理模型能力。 这个项目与本仓库的银行学习目标非常贴近，因为它不是泛泛的 PDF 问答，而是直接针对银行公开报告。它适合用来学习如何把多家银行年报
FP-016开源项目 ／ 财富投研
开源社区
deepdow 是一个把深度学习和组合优化连接起来的 Python 包。传统资产配置通常分两步：先预测未来收益或风险，再把预测结果输入优化器求组合权重。deepdow 的思路是把这两步尽量合并成端到端、可微分的神经网络流程，让模型直接从历史收益、成交量等特征中学习资产配置权重。 这个项目虽然不是大模型项目，但非常适合理解金融机器学习的另一个重要方向：把金融优化问题嵌入神经网络。它关注的不是聊天、问答或报告，而是“如何让模型直接输出投资组合配置”。这对理解智能投顾、组合管理、资
FP-019开源项目 ／ 运营提效
开源社区
Parsee AI 是一个面向非结构化文档的数据抽取和结构化框架，由 SimFin 相关团队开源。它主要处理 PDF、HTML、图片等常见文档来源，尤其强调金融领域常见的表格、数字、字段和多模态查询。项目支持用 LLM 做抽取，也支持自定义模型和模板化抽取，不把能力限定在大模型上。这个定位很重要：金融文档里最难的往往不是“总结一段话”，而是把财报、发票、账单、对账单、披露文件里的金额、币种、日期、表格行列、公司名称准确变成结构化数据。 Parsee 的设计思路更接近“金融文档
FP-020开源项目 ／ 其他探索
开源社区
Bank Statement Parser 是一个专门解析银行流水和支付文件的开源项目，支持 CAMT、PAIN.001、CSV、OFX/QFX、MT940 以及数字 PDF、扫描 PDF 等格式，并将不同来源统一成 Transaction 交易模型。项目对结构化格式优先采用确定性解析，对 PDF 和扫描件则提供 LLM、OCR、视觉模型等回退方案。这种“确定性规则优先，AI 兜底处理复杂非结构化材料”的架构非常符合金融业务实际。 银行流水是金融 AI 很核心但经常被低估的数
FP-023开源项目 ／ 风控合规
开源社区
KYC Analyst 是一个开源 KYC/AML 合规自动化项目，目标是帮助合规分析师完成客户准入中的重复性任务，例如制裁筛查、PEP 检查、负面新闻检索、公开公司资料查询、风险评分和报告生成。项目特别强调 17 个人工复核 checkpoint，明确 AI 只是辅助，最终判断仍由训练有素的分析师控制。这一点非常符合金融合规场景的真实要求。 它的价值不在于“完全自动批准客户”，而在于展示 KYC 工作流如何被拆解和编排。传统 KYC 经常需要分析师在多个公开数据源和内部系统
FP-024开源项目 ／ 财富投研
开源社区
FinBERT 是经典金融 NLP 预训练模型项目，基于大量金融沟通文本训练 BERT，包括公司 10-K/10-Q 报告、业绩电话会议文本、分析师报告等。项目提供金融文本预训练模型和多个微调方向，例如金融情绪分析、ESG 分类、前瞻性陈述识别等。虽然它不是最新的大模型项目，但仍是理解“金融专用语言模型为什么必要”的重要基础项目。 相比通用 BERT 或通用大语言模型，FinBERT 的特点是金融语料密度高。金融文本中的“liability”“default”“charge-