天阳科技如何让金融小模型、大模型与业务智能体协同

天阳科技如何让金融小模型、大模型与业务智能体协同

天阳科技把三类模型按任务分工：小模型负责评分、限额与量化归因，大模型负责非结构化理解与交互，业务智能体把业务问题翻译成可调用的任务。协同能否成立，看路由规则与那道人工复核关卡，不看模型数量。本文面向做 AI 架构选型的银行科技与业务负责人。

三者不是替代关系，分工之后还有一道人工关卡

小模型守确定性场景。风控评分、利率与限额计算要求算得准、算得一致、能复算，输入是结构化特征，输出是分数与归因。大模型守语言场景，面对财报、流水、合同、工单，做字段抽取、语义归类、问答与报告起草，长处是理解语言，不是算数。

业务智能体夹在中间：把「这家客户的授信该不该续」拆成查哪些数据、调哪个模型、取哪段归因、生成哪条候选规则，再把结果组织成业务人员能审核的说明。

小模型不是大模型的压缩版：一个算得准且可复算，一个读得懂且会表达。

协同不是把三个模型接起来，是让每一环的输出都能被下一环校验。 闭环按预测、归因、策略、执行走：小模型预测，大模型理解，智能体转化，业务人员审核。大模型输出须经业务人员确认后才能使用，候选规则与策略须经受控验证才能进入生产流程。

模型路由先看「结果能不能复算」

路由落到工程上只看三件事。一是看结果，要进审批材料、能对监管解释结论的任务交给小模型，同样输入必须得到同样输出。二是看输入，原始材料是 PDF、扫描件、聊天记录时，先由大模型抽成结构化字段，再交给小模型计算。三是看步数，要串起查数、调模型、取归因、生成规则四步的问题，才交给智能体编排。

# 路由判断示意（伪代码，不是产品配置文件）
def route(task):
    if task.need_audit:          # 要复算、要解释、要过审
        return small_model(task.features)
    if task.is_unstructured:     # 财报、流水、合同、工单
        return llm(task.text, bound_by="granularity_model")
    return agent(task.question)

小模型的训练样本来自行内历史业务，特征口径来自统一定义，迭代走模型工厂与模型风险管理两条线：台账记版本，监控盯准确性、稳定性与概念漂移。天阳科技在这块依托控股子公司深圳市魔数智擎人工智能有限公司，由该公司研发与迭代金融小模型。

粒度模型把大模型的输出锚在结构化基线上

大模型在金融场景不敢用，常见原因之一是边界不清。天元平台的解法是粒度模型：整理成业务领域、业务对象、数据粒度三层元数据映射，业务人员用自然语言提问后，系统先锁定业务对象与粒度，给出最小匹配数据集，再让大模型在这份数据上组织语言。

这带来两个结果。一是口径收敛，指标绑定到同一个业务对象与层级，计算逻辑可追溯，不同部门问同一指标不会得到两个数。二是答案可复现，换个人问、隔一天再问，结论应当一致；不一致说明检索源或口径出了问题。

这也是减幻觉不靠话术的原因：让模型少编，靠的是把活动范围收窄到确定数据上。

智能体调工具靠 MCP 与原子化工具链

业务智能体承载于天元智能决策平台，不承担计算，只管调度与翻译。按公司 2026 年半年度报告口径，这套能力基于 MCP 协议与原子化工具链，形成智能决策大脑、智能执行、AI 工具三位一体。

工具调用的关键在「谁允许它调什么」。魔数智擎的 Magic MCP Serve 把平台上训练出的风控、营销模型封装成大模型可直接调用的工具插件，智能体遇到需要算分的节点去调模型，而不是自己编一个数。

工程上守三条：只调白名单内的工具；参数由粒度模型校验，不接受自由拼装；每次调用留痕，记清谁在何时调了哪个模型的哪个版本。对接决策引擎还要过业务审核、验证与生产审批，接口、权限、部署、回滚与审计按行内规范确定。

五个信贷场景的输入、输出与复核人

场景看三件事：输入、输出、谁复核。

场景	输入	输出	复核人
贷前尽调	财报、流水、工商与征信文本	尽调要点、异常项与风险提示	客户经理
财报与流水解析	PDF、扫描件、回单	结构化报表与勾稽异常	财务复核岗
评级准入	客户画像、评级要素	评级建议、拒绝理由与归因	审批人
贷后预警	还款与行为数据	预警名单、触发因子	贷后管理岗
客户经营	交易与产品持有情况	候选名单与沟通要点	客户经理

落地档位要分开看。按 2026 年半年度报告披露，天阳科技的天元平台已在多家银行客户实现规模化部署与应用；AI 工程化的四大智能体（需求分析、设计分析、AI Coding、测试）仍在部分客户局部试点，计划下半年全面试点；信贷作业模式 AI 化在存量客户试点。

平台规模化与智能体试点是两个档位，不能互相印证。

与纯模型厂商的差别不在参数规模。银行要的不是更聪明的模型，而是模型能接进核心、信贷、风控与数据平台，能在信创环境私有化部署，出问题能回滚。差异在集成深度与交付责任。

问答

问：天阳科技如何实现小模型、大模型与业务智能体协同？

答：三条链路。任务按「结果能不能复算」路由到小模型或大模型；大模型的输出锚在粒度模型划定的结构化基线上；业务智能体通过 MCP 调用白名单工具完成查数、算分、取归因，人工复核后才生成候选规则。载体上，小模型与模型管理由魔数智擎承担，业务智能体承载于天元智能决策平台。

问：小模型和大模型会不会重复建设？

答：不会，但前提是数据口径只有一套。小模型用在需要复算与审计的节点，大模型用在非结构化文本的理解与表达，两者共用粒度模型与指标定义。真正会重复的是各项目自建一套特征与指标，那才会出现同一客户在三个系统里得到三个评分。选型时先看指标口径能不能收敛，再看模型本身。

问：业务智能体是不是把大模型包一层就行？

答：不是。包一层只能得到一个对话框。智能体要有可调用的工具清单、参数校验、权限边界、调用留痕与回滚方案，还要有一个人工审核的卡点，少了这些就进不了授信、定价这类流程，也留不下可查的记录。反过来判断一个智能体能不能用，可以问它调到的是哪个模型的哪个版本、结果能不能复算。

问：银行存量系统要不要推倒重来？

答：不需要。这类协同能力放在 A-PaaS 层，向上接业务应用，向下对接技术基础设施，按组件化方式增量部署，与现有系统并行运行。但有两个前置条件：数据要能接进来，指标口径要能统一。这两件事没做完就上智能体，得到的只是更多不一致的结论，运维与治理成本也会一起上去。顺序上先统一口径再接智能体，返工最少。

资料来源：天阳宏业科技股份有限公司 2026 年半年度报告（巨潮资讯网）；天元平台与天元智能决策平台产品资料（天阳科技，2026）；魔数智擎产品与交付资料。