银行信息系统架构详解

国家金融监督管理总局于9月发布了【一表通2.0（试用版）】（简称：一表通2.0），在原试点报送范围的基础上扩大了试点报送区域，意味着将陆续扩大试报送机构范围，推进的速度已明显加快。尽早规划和准备，帮助银行有更充足的时间做好监管数据质量的提升工作。经过试点报送后，一表通报送内容逐步完善中，一表通2.0在试点版的基础上修订了报送内容，对报送的表单、数据项持续优化和改善中。一表通的推进，意味着监管数据标准化对智能监管、穿透监管的重要支撑。从一表通数据标准来看，明细数据分为和。

2023年12月，国家金融监督管理总局下发了《关于做好2024年银行业非现场监管报表填报工作的通知》（以下简称《制度通知》）。非现场监管报表是监管机构对银行风险状况监测的重要抓手，制度内容充分体现了近期的监管法规要求，以及适应金融行业发展变化。

为进一步提升银保监会监管科技能力，完善监管数据标准化规范，发挥监管标准化数据在防范金融风险、促进银行业机构数据治理和合规发展等方面的作用，银保监会于近期发布了《中国银保监会银行业金融机构监管数据标准化规范（2021版）》（简称《规范》，即EAST5.0版），该《规范》是在《中国银保监会银行业金融机构监管数据标准化规范（2019版）》（银保监办发〔2019〕198号，即EAST4.0版）基础上修订的。一、规范修订内容及数据报送要求（一）规范修订原则本次《规范》修订聚焦银行业务发展额监管实际，突出科学性和实用性

为此，我们按照工行的领域驱动流程建模思路，识别客户及好友关系、营销任务活动等领域业务实体，设计业务对象服务（BOS）解耦业务逻辑与存储，再按操作者与被操作目标维度重新组合形成业务组件服务（ACS），面向不同的业务场景进一步聚合成业务交易服务（ATS），最终以应用集群与服务及其之间的关联关系呈现 IT 架构。在客户规模小，数据体量不大，关联上下游较短，数据流扩散路径单一的初期，单体架构只需按 MVC 进行简单分层，即可满足对客户与经理好友关系、员工通讯录等的数据加工与前端渲染工作。

形成“标准化、自动化、可度量”的长效质量管控机制，质量门禁实现标杆水平占比超过 80%，单元测试成功率 100%，增量程序覆盖率 100%，变更行覆盖率 90% 以上，静态代码增量、存量高中风险问题清零，代码质量稳步提升，版本差错率逐步下降。中国工商银行软件开发中心在建设质量门禁流水线过程中，通过深入剖析一线研发管理痛点，聚焦“更快、更稳、更好用”的目标，从高可用的架构体系、高效的执行引擎、全面的扫描规则、灵活的质量门禁、智能化的运维等方面着手，不断提升平台支撑能力，助力研发效能提升。

针对各子链供应链安全风险分析结果，我行基于MOTP（“管理-运营-科技”三层防护模型）设计配套的供应链安全管理体系、供应链安全技术体系、供应链安全运营体系，三个体系相互融合、相互补充，共同构建出集防护、检测、响应、恢复于一体的全面安全防护体系，作为指导落地实践的蓝图。在软件开发子链中，主要风险包括开发人员安全能力不足、移动应用未进行安全加固、开发中传输协议使用不当、开发证书管理不善等，同时敏捷开发对软件安全形成的挑战，片面的追求敏捷、快速投产，在无相应安全开发控制手段情况下，导致软件的安全性大幅下降。

在此，我们将基于实际案例，深入分享在实践过程中所积累的宝贵经验，同时对新范式是否会替代知识图谱，以及大模型如何助力解决知识图谱先前面临的问题展开探讨。另外，由于不同机构、不同行业、不同规模，乃至同一金融机构的不同业务，对金融知识的理解各不相同，规则存在极大局限性，所以不存在通用的完美解决方案。例如，同样是债券交易，但交易目的不同，如资产配置或短期套利，不同目的会有不同的预测和传导风险，而图谱三元组难以记录这些属性，会导致大量信息损失，进而致使图谱在推理过程中暴露出局限性。的方式更优，更新图谱性价比不高。

在下一阶段，更多企业将基于多智能体的协作框架，让一系列Agent同时管理客服、营销、运营、审计、推荐等模块，甚至让Agent之间互相“交谈”，从而形成一个更宏大、更逼近人类社会形态的自治系统。早期，他们主要使用类似“Copilot”的思路，用大模型给研发、运营、设计团队提供辅助，帮助他们提升效率。与许多客服只在用户发起提问时提供回答的被动模式不同，51Talk的AI客服会根据用户在平台上的关键事件（如刚注册成功、快开课却未登录、没有按时提交作业等）主动出击，发送提示或问候，引导用户进行下一步操作。

未来，以DeepSeek-R1为代表的大模型有望重塑证券行业生态和业务模式，广泛应用于信息检索、知识问答、投资研究等环节，显著提升证券服务效率和质量，推动行业步入智能化、高效化的新时代，为金融市场的繁荣与发展注入新的活力。DeepSeek-R1-Distill-7B模型微调前后的性能比较如表10所示，从中可以观察到，原模型DeepSeek-R1-Distill-7B的准确率为41.55%，微调模型Deep-Seek-R1-Distill-FinanceIQ的准确率为61.27%。第四，数据安全和隐私。

基于完备的智能监控和应急体系设计，工行已在六步工程实施工艺指引下实现了原系统到分布式开放平台的平稳转型，大部分业务已在全技术栈安全可控的分布式架构上全天候（7×24小时）独立运行，取得了分布式开放平台自主可控这一银行业“卡脖子”技术攻关工程的关键突破，是我行深入贯彻国家科技强国和创新驱动发展战略，在金融领域实现金融科技关键技术自主可控的重要实践，也是践行“以人民为中心”发展思想的创新之举。至于转型切换过程中、转型后的服务维度的成功率、异常报错等，则可根据应用实际情况进行个性化业务监控。

在数字化时代背景下，科技的迅猛发展持续推动企业信息化建设的不断进步。局域网作为企业内部信息交流的关键媒介，其管理效率和智能化程度的提升已成为众多企业关注的热点。本文旨在探讨一种基于大模型的推理能力融合OpenManus通用智能体技术的创新思路，目的是实现通用智能体在局域网环境中的多样化高级功能，为企业网络管理和运维带来革命性的改变。OpenManus的技术栈组成展现了人工智能体开发的典型模式：以人工智能大模型推理能力为大脑，借助Agent工具链拓展其行动和解决问题的能力。首先我们应该了解到，如同智能驾驶的等

贷款统计范围包括透支、经营贷款、固定资产贷款、融资租赁、贸易融资、并购贷款、从非金融机构买入返售资产、各项垫款、票据融资（直贴）。贷款统计范围包括透支、经营贷款、固定资产贷款、融资租赁、贸易融资、并购贷款、从非金融机构买入返售资产、各项垫款、票据融资（直贴）。53.普惠重点领域贷款：包括单户授信小于1000万元（含）的小微企业贷款、单户授信小于1000万元（含）的个体工商户经营性贷款、单户授信小于1000万元（含）的小微企业主经营性贷款、单户授信小于500万元（含）的农户经营性贷款。

因而在新的监管体系下，金融统计与监管报送工作尤为关键，不论是监管机构还是金融机构，如何按照最新的监管规则与体系设计与采集数据、如何利用最新的监管科技能力分析与应用数据、如何通过监管数据治理提升数据能力，将是未来很长时间内任务艰巨的工作，对于“监管数据报送”工作我们不应再停留于传统仅为满足“报送”要求，而应视点前移更关注报送的“监管”与”数据”，通过满足监管合规与风险管理要求，构建数字化能力，以水到渠成完成报送工作。一表通试点则是新的监管数据与技术体系的创新，以为国家金融监管总局整体监管工作提供支撑。

为进一步提升和完善账户相关业务系统的服务能力，人民银行启动全国统一集中账户管理系统（以下简称新账管系统）项目建设，计划实现多个现行账户相关系统的整合，形成外部统一接入，内部业务协同、信息共享的全国集中“大系统”。报送频率：异步、非实时交互、对于核准类业务，由人民银行调取待核准任务进行核准，完成核准后参与机构开立的相关账户在行内系统方可正常启用。对于备案类业务，由系统按照业务接收时序，逐一对基本存款账户唯一性、是否存在久悬账户等进行校验，校验不通过的，反馈不通过原因，由参与机构进行处置。

金融“五篇大文章”总体统计制度——科技篇科技型企业采用名录制统计，包括高新技术企业、科技型中小企业、“专精特新”中小企业(含专精特新“小巨人”企业)、创新型中小企业、其他科技型企业。其中，高新技术企业指按照《高新技术企业认定管理办法》(国科发火〔2016〕32号文印发)、《高新技术企业认定管理工作指引》(国科发火〔2016〕195号文印发),各省、自治区、直辖市、计划单列市高新技术企业认定管理机构认定且处于存续期内的高新技术企业，以行业主管部门认定的高新技术企业名单为准；科技型中小企业指按照《科技型中小企业

绿色低碳转型企业包括节能降碳产业、环境保护产业、资源循环利用产业、能源绿色低碳转型产业、生态保护修复和利用产业、基础设施绿色升级产业、绿色服务产业的企业，认定标准按照《绿色产业指导目录（2019）》（发改环资〔2019〕293号文印发）《绿色低碳转型产业指导目录（2024年版）》（发改环资〔2024〕165号文印发）执行，下同。贷款统计范围包括透支、经营贷款、固定资产贷款、融资租赁、贸易融资、并购贷款、从非金融机构买入返售资产、各项垫款、票据融资（直贴）、消费贷款。

为避免该问题的发生，对内部户入账类交易，或内部户是可透支的账户（如系统间往来），可考虑通过异步方式更新账户余额（当然，根本上还是要考虑银行业务量的实际，异步消息接口很多时候没有同步接口方便），另外，在进行内部户余额更新时，可以通过定时的借贷方发生额轧差的方式，将多次的锁请求，简化为一次（当然，发生额明细本身在加工账户交易历史时，是不能汇总的）。内部户在银行系统中，属于业务属性较少，实现相对简单，原理也很容易讲清的系统，但管中窥豹，越是基础的东西，越能看出一家银行业务、内控的专业程度。

对应地，非息收入的收入质量也是最高的。我们举个贷款的例子，比如某笔贷款，在发放时收取了一笔服务费，贷款期限为3年，收取的这笔服务费以3年为期限，做直线摊销，但中途，客户进行了提前还款，需要将未摊完费用一次性确认为收入，这时候，如果收费和费用的摊销都是在费用工厂完成的，则费用工厂必须感知具体的贷款业务，这显然违反了“高内聚、松耦合”的架构设计原则。但这里的问题在于，这一模式下的收费，是因为什么业务、什么场景、收取的哪笔业务的费用，都是不清楚的，类似的处理对银行的精细管理、精益经营，有百害而无一利。

一、为什么需要会计引擎 金融产品的设计，一如一块硬币需要兼顾两面：一面是为客户提供好的金融服务，满足客户支付结算、借贷、资产保值增值等方面的需求，并在这个过程中，以数字化的方式做好客户资产的登记，登记的载体，则是“分户”或“台账”，如客户存款户，是一种典型的分户--资金的增减变化都在一个账户中进行体现，而客户购买的银行理财，因为收益率、期限、投资标的不同，每一笔持有就形成一行记录，即为“台账”--这当然是不严谨但相对形象的表述。但是，“分户”和“台账”并没有必然的区别，以贷款为例，一些银行仍然存在所谓“

以保理授信为例，在贸易融资的产品主管部门，设定的是“保理”类产品的某一种，但保理授信的基础出账品种，或是贷款，或是银行承兑汇票，一笔保理授信业务的出账，绩效将在两个产品团队双计。，比如存款，活期存款可以通过计息方式封装出“靠档计息”、“分段计息”产品，根据结息周期不同封装出“按日结息”、“按月结息”、“按季结息”等不同的“产品”，定期则更加，根据存期可以封装出3个月、6个月、1年、3年、5年等不同的产品，根据存取方式可封装出一堆“整存整取”、“零存整取”、“整存零取”之类的不同产品。

客户在商业银行的服务，绝大部分都与资金相关，与资金相关就涉及动账--有些是动客户自己的账（结算户），有些是以内部户方式登记的账（内部户），有些是涉及到机构往来间清算的账（存放同业账户），由此导致核心系统的服务可用性要求变得极高，一旦核心出问题，便会引起全行性生产事故。这一部分涉及监管报送、财务计量类的系统，也与核心关系密切，因为核心系统承载了全行绝大部分的分户账，并收口了总账，而报送类的数据来源，一大部分是基于会计账及明细账，并以此为基准进行扩展填充的，因此，核心的各类数据，才是“伏脉千里”的那条“脉”。

银行业的微服务改造，也并不需要从0开始，得益于行业的历史沉淀，不论是主机核心时代，又或是开放式核心时代，都沉淀了大量关于模块划分、垂直拆分的先进实践，一般来说，对分布式架构的核心建设而言，将早已被反复验证过的优秀实践（业务建模）与更先进的技术手段（云原生技术体系）相结合，以更低的成本，实现更敏捷响应、更稳定运行、更容易扩展的系统架构，才应该是分布式核心建设应追求的目标。二是过去的20几年，得益于经济的高速发展，IT成本没有像淘宝那样，成为需要考虑的关键因素（时移世易，后面还是不是这样，就不一定了。

当前大模型的交互方式多以对话为主，难以满足复杂任务处理、专业领域需求以及高效的信息呈现。企业级大模型应用需要同时满足贴合业务需求、系统整合顺畅和开发维护成本低的要求，但目前很难做到三者兼顾。通用大模型难以满足特定行业对专业知识、数据隐私和法规要求的严格需求大模型与现有系统对接的难点本质上是技术能力与业务需求之间的错位，而 Dify 作为开源的大模型应用开发平台，正通过其 低代码架构、全流程工具链和生态适配能力，为解决这些问题提供了创新路径。

对此，我们需要清晰地认识到DeepSeek的优势与局限性，同时充分利用其他工具的优势，实现协作分工，最终高效达成目标。举个例子，家里的小朋友每天都要听绘本故事。传统的纸质绘本不仅占用空间，而且故事内容相对单一。现在，我们可以借助DeepSeek的强大功能，生成古诗词的分镜AI绘画提示词，然后使用即梦工具生成图片和5秒短视频，最后通过剪映将这些分镜视频串联起来，配上文字和音乐。这样制作出的绘本不仅内容丰富，而且生动有趣，小朋友看后非常喜欢，甚至主动要求制作更多！

如何通过两款神器——DeepSeek和Kimi，让你高效生成PPT，告别一晚上的头疼整理。DeepSeek以逻辑能力见长，文案润色与生成质量更优，清晰的思维步骤尤其适合职场人拓展思路。Kimi智能助手主打免费PPT生成，基础质量可靠，同时支持文档润色功能。无需赘言，即刻开启高效创作。

微调就是在已有的通用技能基础上，快速学习一项新技能，让自己更适应特定任务。RAG 就是通过查资料（检索）来补充自己的知识，生成更准确的答案。

RAG（Retrieval-Augmented Generation）是一种结合了检索（Retrieval）生成（Generation）的技术，旨在通过引入外部知识库来增强模型的生成能力。简单来说，RAG 让模型在回答问题时，能够像“查百科全书”一样，从外部知识库中检索相关信息，并生成更准确、更丰富的答案。本篇提供两种方式实战RAG。1、使用硅基流动提供的DeepSeek API+CherryStudio搭建本地知识库。

魔搭社区是阿里云推出的AI大模型开源社区，2022年云栖大会，阿里云推出了AI大模型开源社区“魔搭”，为开发者模型体验、下载、调优、训练、推理、部署等一站式服务。魔搭社区成立的初衷是通过开源开放、社区共建的方式，降低AI模型使用门槛，推动大模型生态建设。在社区建设的过程中，魔搭社区邀请了许多国内外优质模型，同时提供了海量的数据集和一整套开放工具，让用户能轻松使用各式各样的大模型，实现多样化的模型微调、部署以及评测。

Dify是一个低代码平台，旨在通过拖拽和配置方式快速构建和管理大模型，适用于各种行业和领域。它支持创建聊天机器人、自动化任务和智能助手，并可集成不同的大模型。Dify的优点包括易用性高、灵活性高、支持自定义和快速构建，但也有学习成本稍高和对于简单模型用户可能显得功能冗余的缺点。其核心特点是大模型集成和自动化任务处理，适用于企业团队、创业者和个人开发者。Dify 的核心价值在于降低LLM应用开发门槛，通过可视化工具、多模型支持和企业级功能，帮助用户快速从原型开发过渡到生产部署。

规程是为了应对流程的迭代效率引入的流程管理要求，因为运维是高度强调复盘文化的组织，且对于复盘中发现的协同、操作等流程问题，以及工具平台、场景设计等技术问题，需要保持快速的迭代，防止问题的重复出现。CMDB数据治理规程的上线与修订需要保持高度的敏捷，来源可能是领导对于IT资产管理的一个临时决策，可能是事件复盘发现的配置问题，可能是合规检查发现的配置问题，也可能是某个数据消费场景发现的问题。总的来说，技术治理场景基于成效的价值驱动，在某些时候，能够形成自驱性的数据质量优化，促进落地效率，推动配置数据保鲜。

CMDB作为运维数字化体系的基础设施，其建设定位、配置模型的设计、数据治理的成效以及数据消费等能力，直接决定了运维数字化转型的深度与广度。从实际操作层面观察，鉴于CMDB实施者主要应对运行保障的方向，多数CMDB的建设初衷聚焦于IT资产的数字化管理，构建统一的生产实物资产台账体系，并作为运维主数据强化运维平台间的互联互通。鉴于当前IT资产投入持续攀升的背景，CMDB若能以成本控制与运营效率提升为视角进行推动，将能更有效地向企业展现其价值。本文旨在通过实际案例，梳理CMDB近年来的一些建设思路，并从价值创造的

为解决传统形式优惠券发放后对用户持续吸引力欠佳、投入产出比不高的问题，用数赋智团队提出了针对优惠券投放资源智能测算成本及成效的解决方案，根据历史上客户领券信息及活动信息，运用人工智能算法构建券额成本预估模型和领券意向模型，找到适合目标客群的最佳发券金额和发券类型，并评估领券意向概率，为业务人员开展运营活动提供数据支持，以实现精准客群圈选，为用户提供最适合的权益类型，从而有效提升优惠券核销率，实现运营活动价值最大化。该理论认为，人的需求是按层次逐级递升的，当低层次的需求得到满足后，就会追求更高层次的需求。

银行业企业架构中的业务建模，是通过结构化、标准化的模型语言对企业战略、业务流程、产品服务及数据实体进行抽象与解耦的过程，旨在实现业务能力的组件化、敏捷化和战略落地。其核心目标是将复杂的业务需求转化为可复用的模块化架构，支撑数字化转型并打破部门壁垒。一位曾实施过多个银行的业务建模的行业大咖，尝试将业务模型的“第一性原理”总结为：它是业务人员操作技术系统的业务语言。

系统的可扩展性相对独立，适应不同的负载需求，每个服务可以独立部署和更新，加快了产品迭代速度。4、减少人工成本，提升系统效能 随着科技水平的不断迭代，业务品种的不断创新，减少人工成本，提升系统效能成为我行发展目标之一，我行“通用金融传输系统”采取全自动流程，把业务系统报文自动实现业务处理及渠道判断分发流程，无需人工介入判断，将大量重复性工作自动完成，减少人力成本和认为错误造成的损失，提高了我行的成本效益，并且从客户角度，全自动流程能够快速响应客户需求，通过有效的自动化流程提高客户服务质量和客户满意度。

当前各类状态信息为st，已知各模块负载约束Cm，权衡消费Q(st,at)和算力消耗C(st,at)的关系，应该采取什么样的动作组合at，能够得到最大的奖励R(st,at)。

针对 QA 数据，我们的目标是想让模型不仅能够对齐到通用的问答能力，针对 DevOps 领域也可以学会如何更好的回答问题，因此不但收集了通用领域的单轮和多轮对话数据，还针对 DevOps 领域，通过爬取和 ChatGPT 生成的方式产出了属于 DevOps 领域的问答数据。希望能有更多伙伴加入共建 DevOps-Model 和 DevOps-Eval的行列，期待在大家的共同努力下，建立更准确、更全面的 DevOps 领域大模型评测体系，推动 DevOps 领域大模型技术的不断发展与创新。

而容器技术之于云计算的发展，已经成为目前主流的虚拟化技术，成为敏捷开发项目的首选，以Docker、Containerd技术为代表的容器技术，重点解决了容器技术使用和维护上的复杂度问题，通过对容器管理引擎以及容器镜像的标准化，降低了容器技术使用的复杂度，同时围绕容器技术构建应用生态圈，丰富容器技术在行业内的应用和推广，以容器、Kubernetes和微服务应用模式作为数智化转型的驱动力。通过云原生应用安全保护平台的建设和落地，填补集团云原生安全领域的空白，进一步提升扩大云原生的生产力；

通过横向覆盖工行软开主流技术栈或技术产品，如容器、中间件、数据库、分布式服务框架、分布式批量框架等，纵向按系统资源、应用节点、应用服务、应用业务分层进行监控，全方位监测环境的健康状态。基于环境可观测基础数据，获取对应的异常应用节点、服务、报文、日志、调用链路，定位问题原因，对问题进行分类，并推荐解决建议，形成“检测结果-分析-建议”的标准流程。持续运营专家规则库，以问题为导向，通过定期组织专家会审、建立用户反馈机制等手段，对专家库进行补充和修订，持续扩展问题分析的深度和广度，以此达到动态沉淀知识效果。

利用基于网关的限流功能，实现对高并发交易的流量控制；使用一站式网关后，当出现高危安全漏洞，在安全团队研判后，应用可以直接在网关侧作出即时响应，如配置相应路由策略、拦截策略（拦截携带特定代码块的请求、拦截上传特定文件格式的请求、拦截上传请求等），极大缩短了漏洞的修复周期，保障应用系统的安全性。一站式网关解决方案涵盖通用的非业务功能，如动态路由、请求修改、限流、熔断、交易缓存、灰度染色、请求（路由）隔离等，并通过联动工行现有网关类产品，形成适用于工商银行架构、可对标业界“云原生网关”的企业级网关集群。

工商银行信用卡专业共享数据服务团队建设信用卡发卡、调额申请审批基础指标聚合、信用卡风险基础指标聚合，实现贴源粒度的审批通过标志、逾期不良标志、异常标志等数十个基础数据，通过维度信息上卷建设数百个核心人员指标，减少了研发维护成本，实现了从底层数据到各维度统计数据业务逻辑的技术口径统一，业务时效从原先的T+7提升到T+0。这套系统不单是规避了手工记账的不规范，更是在系统层面完成了访问入口、资产明细、血缘关系的整合，降低了用户的使用门槛，方便业务完成数据资产的口径调研、使用以及开发人员对于数据资产的维护。