随着科技的飞速发展，人工智能在各个领域的应用不断拓展，智能体已经越来越深入应用于更为聚焦、具体的任务处理中。
今天我们以金融治理中普法、解纷两个场景为例，探讨智能体在实践中的应用。
金融治理遇到的问题
普法不够及时：现有金融普法活动，针对不同群体、不同类型纠纷的不同问题，难以做到及时、精准、全面普法，难以实现矛盾纠纷“防范于未然”。 普法效果有限：传统的金融普法方式往往形式单一、覆盖面窄，难以满足公众对金融法律知识的多样化需求。 难得最优方案：当事人和部分调解员缺乏足够的金融及法律专业知识，难以准确把握纠纷核心，提出合理解决方案，做出真正有利决策。 流程文书繁难：金融纠纷处理环节可能包括调解、仲裁、确认、执行、核销等，每个环节都涉及若干文书，是不小的工作量，且对工作人员的文书写作能力提出了较高要求，如果文书撰写不准确，还可能导致功亏一篑、流程空转、错失时机。 通用模型不智：通用法律大模型在金融治理领域的应用还不够深入，对金融法律法规的理解和应用能力有待提高。
针对上述问题，智能体可以更加有效地对现有体系进行提效、强化。
02
智能体应用优势
注：法律智能体，也即在通用法律大模型的能力基础上，通过对专门领域的知识的学习，在细分专业领域中提供更加符合目标和环境的智能回应。
定向训练金融普法及解纷智能体，具备以下应用优势：
1. 普法警示：可依据当事人提供的纠纷信息或询问的法律、案情问题，快速推送相似案例、解决方案及继往判决，将示范案例直接植入前端普法咨询，为当事人提供专业参考与及时警示。
2. 数助决策：可学习海量的历史金融纠纷数据，对当前的金融纠纷数据进行深度分析，判断发展趋势、关键问题，提供预测预警和解决方案，辅助提高决策的准确性和及时性。
3. 智能生成：可学习并自动生成法律文书、调解协议等文件，减少人工工作量，提高工作效率。
03
具体应用方案
为发挥AI大模型及智能体技术的上述应用优势，我们建议金融从业律师、金融机构法务或相关监管部门、责任单位，可采取如下具体措施：
3.1 基于通用的法律大模型，充分整合属地数据与金融机构私有数据，打造金融细分业务领域及或属地专用大模型智能体。
属地数据涵盖该地区的金融治理机制体制、金融交易记录、经济发展状况等，能反映出当地金融活动的特点及治理要点；金融机构私有数据则包含客户信用信息、业务流程数据等，具有高度的专业性和针对性。
在严格的数据安全保护机制、确保数据的合法使用和保密性的前提下，通过对这些数据的收集、清洗和分析，可以构建出一个精准反映属地金融法律特点的智能体。该智能体能够更好地理解特定业务类型或当地金融纠纷的类型、成因及解决方式，为特定区域或群体的金融合规审查、普法咨询、纠纷预防、多元解纷活动提供有力的技术支持。
3.2 围绕合规审查、普法咨询、预测预警、多元解纷等金融治理核心工作，进行智能化应用场景创新。
合规审查方面，智能体技术可以更灵活地对制度、规范、合同文本、业务文件进行审查，不限时地高效提供合规意见，为金融合法从业提供保障；
普法咨询方面，属地金融法律垂直领域大模型可以根据不同受众、随时发生的需求，积极响应并生成属地相关的、个性化的金融法律知识内容及专业咨询解答，并提供具体法律法规、示范案例，提高普法的针对性、实效性和警示性；
预测预警方面，大模型可分析大量金融数据，识别潜在的风险因素，提前发出预警信号，为金融机构和监管部门提供决策参考；
多元解纷方面，大模型能够快速分析纠纷案件的关键信息，提供合理的解决方案建议，提高调解成功率，并全程辅助法务、律师、调解员、法官等工作人员高效生成文书。
此外，还可以结合物理硬件（如无人律所）、仿真数字人、虚拟现实、增强现实等技术，创造更加生动的金融治理应用场景，提升用户体验和参与度。
3.3 将创新的应用场景，与金融服务及解纷平台深度结合，并借助平台的数据持续强化正难题，实现良性循环。
金融服务及解纷一体化平台为智能体提供丰富的数据来源和应用场景，大模型及智能体则为平台提供智能化的解决方案和服务。在具体实施中，可以将不同场景的智能体分别嵌入到一体化平台的不同业务环节中，实现如交易指引、金融普法、金融案件调解及多元解纷等节点的自动化和智能化；同时，一体化平台的数据反馈也可以不断优化模型与智能体，使其更加准确和高效，更加贴近业务及或属地金融活动的特征与需求。通过这种良性循环，源源不断地强化金融法治观念、加强金融多元解纷氛围、提升金融案件预测准确度及调解成功率，为金融治理提供更加有力的支持。
04
构建者需要考虑的问题
在构建智能体过程中，需要考虑数据安全、与应用场景的贴合程度、知识整理（精准性、全面性及及时性）等问题，并对智能体进行持续地优化与更新。
数据安全方面，虽然智能体学习的知识本身不会直接暴露给使用者，但仍然应该重视安全问题，针对不同类型的数据，可以考虑分别存储、加密存储、私有化存储等多种方式。
场景设计方面，切忌想广、想大，最好选取1到2个与日常业务密切贴合的环节，选中一个、精炼一个，先集中归纳这一个环节的知识、解决这一个环节的问题，再以此为小切口，逐步扩大智能体涉猎的范围。
知识整理方面，建议准备纯文字的、准确、可靠、施行中（有效力）的信息，去除其中诸如姓名、手机号等个案的、不具备参考价值的内容；关注相关领域的新动态、新案例和法律政策的变化，及时调整智能体的训练内容。同时我们还建议可以采取组建团队、开放大范围测试等方式，采集多方知识及反馈进行共建，不断扩展、纠偏、迭代，以实现良好的使用体验。
