UC-138银行用例 ／ 平台治理
Mizuho Financial Group
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
披露摘要官方披露，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。
UC-001银行用例 ／ 客户服务
Lloyds Banking Group
大型银行客服坐席面对的问题高度碎片化：账户、支付、卡片、贷款、网银、投诉、身份验证、流程规则等都可能在一次通话中出现。传统知识库依赖关键词搜索，坐席需要在大量内部文章中查找答案，客户等待时间随之增加。
披露摘要Lloyds 拥有 2,800 万客户。 电话和线上银行团队每月支持约 200 万客户。 Athena 将平均搜索时间从约 59 秒降至约 20 秒，降幅约 66%。 2025 年以来，21,000 名集团员工使用 Athena 搜索 210 万次。 单看电话银行团队，预计节省约 4,000 小时搜索时间。
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
FSK-038Skill 工作流 ／ 风控合规
KYC、客户准入与运营规则
这个 skill 属于“KYC、客户准入与运营规则”领域。适合学习金融机构客户准入、KYC 文件解析、规则网格、缺口识别和升级路径。它与银行反洗钱、客户尽调、账户开立、受益所有人识别等场景高度相关。
FP-001开源项目 ／ 财富投研
开源社区
FinGPT 是 AI4Finance Foundation 发起的开源金融大语言模型项目，目标是把通用大模型改造成更懂金融文本、金融情绪、市场信息和投研任务的领域模型。它不是一个简单聊天机器人，而是围绕金融数据处理、指令微调、情绪分析、金融问答、金融预测和金融基准评测形成的一套项目集合。项目公开了代码、训练思路、部分模型与 Hugging Face 资源，适合用来理解“金融大模型到底需要哪些专门处理环节”。 FinGPT 的重要意义在于：金融机构一般不会把内部高质量数据和模
FP-010开源项目 ／ 风控合规
开源社区
AntiFraud 是 AI4Risk/FinInt 相关组织维护的金融反欺诈检测框架，收录和实现多篇信用卡欺诈检测、图欺诈检测和时空注意力相关论文的方法。项目覆盖 MCNN、STAN、STAGN、GTAN、RGTAN、HOGRL、Grad 等模型或方法，涉及卷积神经网络、时空注意力、图神经网络、属性驱动图表示、风险感知图表示等技术。 这个项目对银行从业者非常有价值，因为反欺诈是银行 AI 最典型、最接近生产的问题之一。与投研类项目不同，欺诈检测更强调稀有事件、样本不平衡、伪
FP-012开源项目 ／ 财富投研
开源社区
FinMem 是一个基于大语言模型的交易智能体研究项目，核心思想是给 LLM Agent 设计“分层记忆”和“角色特征”，让它像交易者一样持续吸收市场信息、历史表现、新闻事件和经验反馈，再把这些记忆转化为交易决策。项目公开了论文代码，并在 2024 年有学术更新和金融大模型挑战相关信息。 FinMem 的价值在于展示了 LLM Agent 在金融场景中如何处理连续信息，而不是只回答单次问题。金融决策往往依赖过去经验、近期事件、长期趋势和短期噪声，FinMem 试图用记忆结构来
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-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-028开源项目 ／ 运营提效
开源社区
AIReceiptParser 是一个使用 OCR 和 GPT-4 将收据图片转换成结构化数据的应用。它通过 Tesseract OCR 提取文本，再用大模型把原始 OCR 文本整理成严格 JSON，并提供本地 SQLite 存储、CSV 导出和简洁 Web 界面。项目还提供 mock 测试模式，便于在没有真实 API 调用时调试流程。 虽然它面向个人收据处理，但背后的思路对银行和金融运营很有价值。银行业务里大量票据、凭证、收据、发票、费用单、报销单、POS 小票都需要从图片
FP-040开源项目 ／ 数据与研发
开源社区
FinRL-Meta 是 AI4Finance 生态中的市场环境和数据集层，目标是为数据驱动的金融强化学习提供动态数据集、市场环境和基准。它与 FP-003 FinRL 关系紧密，但定位不同：FinRL 更偏强化学习交易算法和策略开发，FinRL-Meta 更偏“训练智能体之前的数据和环境怎么准备”。因此本批次把它作为数据底座项目单独收录，不算与 FinRL 重复。 强化学习在金融交易中很容易被误解为“让模型自己学会赚钱”。实际上，交易智能体能学到什么，很大程度取决于市场环境