08 — AI + 金融 / RISKLENS
金睛 RiskLens
GOAI 2026 · Boundless Agents · 金融法律风险研判 · 已上线
把“查法规、找类案、研判风险、给建议”串成一条有依据、可复核、有人类确认边界的金融辅助流程。
01 — WHY
为什么做
信贷材料预审、合规问答、投研信息整理和保险理赔辅助，都需要从大量资料中定位规则与类案。人工检索慢、口径难统一；通用模型又可能给出无法验证的结论。
金睛 RiskLens 面向金融法律服务场景，以依据可追溯、风险可提示、专业人员最终确认为原则，将业务材料或自然语言案情转化为结构化的风险研判报告。
不是替代决策：系统辅助专业人员更快定位依据、识别风险与整理建议；授信、投资、赔付、法律及合规结论仍必须由人工确认。
02 — WHAT
做了什么
4 Agent 协同
A1 理解案情与焦点，A2 检索适用法规，A3 匹配公开类案，A4 汇总法律分析、风险点和下一步建议。
A5 引用核验层
对输出引用进行独立校验；未核验的引用不进入最终报告，并提供鲁棒置信度说明。
双集合检索
内置 41 部核心法规与 60 例公开判例样例；法规和类案分别召回、共同支撑研判。
结构化报告
输出案件焦点、法律分析、风险点、下一步建议、引用清单和置信度，阅读与复核路径清晰。
引用可定位
每条引用保留法律名称、条款编号、来源片段与相似度，前端可回看依据原文。
安全边界
低置信度结果明确提示仅供参考；高风险判断附免责声明，避免将 AI 输出当成最终专业意见。
03 — HOW
技术上怎么做
| 模块 | 技术 | 作用 |
|---|---|---|
| 任务链路 | 4 Agent + A5 核验层 | 理解、检索、匹配、研判、引用核验的闭环 |
| 语言模型 | MiniMax-Text-01 | 中文法律分析与结构化报告生成 |
| 向量检索 | BAAI/bge-small-zh-v1.5 + Qdrant | 512 维语义检索；CPU 友好、本地持久化 |
| 数据与服务 | SQLite + Python 3.12 + FastAPI | 案件记录、本地数据与异步 API 服务 |
| 前端与部署 | 原生 HTML / Tailwind + Nginx + uvicorn | Web 体验、移动端适配与路径反代 |
04 — EVIDENCE
如何让结果可复核
- 引用有来源：每条观点关联 law_name、article_no、source_chunk_id 与相似度，而不是只给一段无法追问的结论。
- 置信度有解释：通过基础分、引用、焦点与论证构成的鲁棒三因子机制呈现可信程度；低于阈值时提示“低置信度，仅供参考”。
- 数据有边界：公开判例来自公开裁判文书数据；演示数据脱敏。产品同时配备隐私、免责声明、数据来源等合规说明。
- 结论留给人：金睛提供证据链与建议，不替代律师、法务、合规人员或金融机构的最终判断。
05 — NEXT
后续方向
- 扩展规则库：持续补充金融场景规则、判例和评测样例，并监测引用质量。
- 嵌入业务流程：在授权与脱敏前提下，对接银行 OA、保险核心系统等流程节点。
- 迁移专业场景：将“数据 + 任务链 + 引用核验 + 产品界面”沉淀为可迁移基座，延展到审计、医疗合规等需要可追溯依据的场景。