作者｜沙丘智库研究团队
来源｜沙丘社区（www.shaqiu.cn）
▎案例1：中国工商银行智能研发助手实践
结合业界大模型技术的发展，工商银行推出新版智能研发助手，包括代码补全、代码解释、代码注释生成、代码异常检测、单元测试以及研发问答等各项功能。
同时，为更好地支撑智能研发各项能力建设，工商银行推动RAG平台、测评平台、微调训练平台等智能研发配套体系平台建设，实现更为适配不同业务研发领域的定制化能力，全方位增强智能研发助手辅助能力，提升软件研发整体质效。
完整内容：中国工商银行智能研发助手实践
中国银行开启了“灵犀”智能员工助手项目，为不同角色员工提供行内知识查询、智能客服问答、文档内容生成、代码开发与测试辅助、流程自动化办公等定制化服务，加速推动银行作业模式、服务流程向智能化变革。
面向开发测试场景，“灵犀”智能员工助手提供生成代码示例、代码功能解析、代码知识规范查询、代码报错信息查询等功能，显著提升了开发效率。
案例源自：沙丘智库《2024年中国银行业大模型案例跟踪报告》
邮储银行探索大模型在研发测试领域的应用，构建了从需求分析到用户体验的闭环流程，并在多个系统和应用场景中实现了智能化研发和测试，显著提升了工程效能和用户体验。
在智能研发方面，邮储银行形成了D2C、代码生成、代码补全、代码注释、智能问答、智能单元测试的闭环。
在智能测试方面，邮储银行自主研发的智能测试引擎能够对测试计划、测试分析、测试用例设计、测试脚本、测试智能问答、测试结果分析和测试报告分析进行全流程规划。
完整内容：邮储银行研发测试大模型实践
为解决软件工程资产丰富和科技开发团队规模庞大带来的研发体系升级问题，平安银行旨在构建以模型为中心的智能研发体系，加速金融产品创新与迭代。
基于金融科技研发经验和代码大模型技术，平安银行构建AI代码辅助平台CoPArtner，为软件工程全生命周期提供智能工具。在编码阶段，平台通过嵌入式插件实现开发环境智能化，代码采纳率超过30%。
内容源自：沙丘智库《2024年生成式AI案例研究简报（7月）》
民生银行在积极推进大模型技术在研发领域的应用，通过构建“慧码”旅程方法和大模型基座平台，民生银行实现了代码生成、代码审核、质量门禁等环节的智能化，提高了研发效率和代码质量。
民生银行的大模型规模化推广实践遵循“按领域、分批次、定范围”的策略，通过教练团扩大用户规模，实现技术的稳步推广。
完整内容：民生银行基于大模型的智慧研发体系建设实践
在降本增效实践中，中信银行信息科技条线以“测试AI助手、文档生成、需求分析”为切入点，深入挖掘各场景的核心黏滞点，提升大模型及生成式AI能力，积极探索最佳的解决方案；
中信银行在多个测试场景中实现了效率和质量的显著提升，例如在需求分析场景，模型对于需求文档的缺陷识别率可达90%以上，测试准入整体流程提效约35%，关键字标注准确率达95%以上，需求分析整体提效40%左右。
在辅助系统测试场景中，华夏银行基于大模型输出相应的测试点及测试案例。根据实测结果，大模型能够理解接口文档、生成有效的测试点，并按照测试点生成测试案例，实现采纳率和完整性达到70%左右，在辅助系统测试的应用上具备可行性。在相关研究探索的基础上，华夏银行初步构建形成了AI测试点生成工具。
内容源自：沙丘智库《大模型应用跟踪月报（2024年11月）》
更多研究：
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738
