03陈嘉_Grab.pdf

《03陈嘉_Grab.pdf》由会员分享，可在线阅读，更多相关《03陈嘉_Grab.pdf（31页珍藏版）》请在三个皮匠报告上搜索。

1、基于大模型与智能体的复杂场景数据分析陈陈 嘉嘉在Grab风控场景中的实践与探索2025年7月25日风控、安全、用户体验业务线算法负责人风控、安全、用户体验业务线算法负责人20122025118700+个国家个城市个国家个城市Grab-东南亚的超级应用出行外卖金融2012现在现在平台业务发展历程风控业务简介风控风控用户交互周期用户交互周期注册登陆浏览下单支付小费退款投诉提现数据数据规则和模型规则和模型商家司机/骑手消费者业务线业务线风控对象风控对象 发现风险人工反馈、异常检测 分析风险关联、归因 解决风险设计、衡量决策、部署风控场景下分析师职责业务监控客服ticket数据湖数据分析工具规则引擎风

2、控模型工具工具风控场景下分析师挑战响应速度与黑产赛跑海量数据、高维度、碎片化细节处见真章知识密度高流程繁琐取数、清洗、验证、建模、报告.传统分析的“恶性循环”与“人力天花板”核心挑战：核心挑战：人力错误&重复劳动-效率瓶颈数据质量&潜在偏见-决策风险数据孤岛&访问不便-视角局限技能鸿沟&专家依赖-团队无法规模化工作流和组织如何工作流和组织如何AI化？化？风险分析范式简化版问题问题解决方案解决方案解决方案解决方案解决方案解决方案解决方案解决方案假设验证工具经验.分析师职责分析师职责问题问题解决方案解决方案解决方案解决方案解决方案解决方案解决方案解决方案假设验证工具经验.分析师职责分析师职责风险分

3、析范式简化版用智能体实现行不行？智能体（智能体（Agent）-工具调用-规划任务-实现流程-替代重复劳动-欠缺处理复杂流程能力-缺乏反思和纠错-工具使用准确性不够高大语言模型（大语言模型（LLM）-强大的记忆-语言理解-推理能力 -代码选择和生成-幻觉-知识时效性限制-企业专有经验缺失大模型与智能体的能力与局限能力能力局限局限大模型与智能体注入分析流程（而不是颠覆）知识注入知识注入目标：让LLM“懂”我们的业务和数据。技术：检索增强生成(RAG)。类比：给LLM一个随身携带、实时更新的“业务知识库”。输入：数据字典、指标口径、业务文档、历史分析报告、代码库等。流程注入流程注入目标：让Agent

4、“会”我们的标准作业流程。技术：SOP驱动的Agent框架。类比：给Agent一本“风控SOP手册”，指导它按步骤执行任务。输入：业务操作规程(SOPs)、决策树、风控规则等。问题问题解决方案解决方案解决方案解决方案解决方案解决方案解决方案解决方案假设验证工具经验.分析师职责分析师职责新的风险分析范式 流程注入流程注入知识注入知识注入大模型和大模型和Agent职责职责智能体驱动的增强分析平台架构智能体框架 SpellVaultLLM插件A插件B子智能体LLM插件A插件B子智能体智能体开发生命周期支持数据分析/科学、可视化、报告和可操作的洞察LLM驱动的对话界面/用户应用代理数据ETLSQL/P

5、ython/JS数据/工单管理数据可视化统一数据基础设施/知识检索层结构化和非结构化数据存储核心技术(一)：智能体如何连接业务知识与LLM解决了幻觉、知识过时等问题。实现了更精准、可溯源、易于更新的回答。知识库构建与更新机制知识库构建与更新机制将企业风控文档、数据字典、业务规则、历史案例和专家经验结构化处理，建立可增量更新的向量存储系统。高效检索与上下文增强高效检索与上下文增强实现多源数据混合检索，对检索结果进行重排序和去重，动态调整上下文窗口大小，保证LLM获取最相关信息。实时性与缓存优化实时性与缓存优化实现热点知识缓存和异步更新机制，保证风控系统毫秒级响应，同时支持实时知识更新与自动失效。

6、企业数据源风控文档、规则库、历史案例、专家经验知识预处理引擎清洗、分块、结构化、元数据提取向量数据库Pinecone/Milvus结构化数据库PostgreSQL/Redis混合检索引擎语义检索+关键词检索+元数据过滤LLM推理服务GPT-4/Claude 3结构化回复生成带引用源、信心分数的风控分析结果核心技术(二)：智能体如何执行复杂任务树形结构树形结构SOP设计设计将复杂业务流程转化为有向树形结构，每个节点代表一个原子化的分析或决策步骤，边表示逻辑执行路径。深度优先执行引擎深度优先执行引擎动态遍历SOP树，实现自适应路径选择。通过上下文记忆和回溯机制，确保复杂任务的完整执行。工具集动态调