{ "query": "什么是rag系统", "answer": "### 答案：\n\n#### 1. rag系统的确切定义是什么？\n\nrag系统通常指代一系列旨在提升系统稳定性和安全性、通过模拟故障场景来增强应用系统抗压能力的技术或策略，如混沌工程、故障注入、双随机成熟度评估等。此类系统的核心目标在于通过在生产环境中安全地引入故障，以检测和优化系统的响应和恢复机制，从而提高系统的韧性和稳定性。\n\n#### 2. rag系统的工作原理是什么？\n\nrag系统的工作原理主要涉及以下几个步骤：\n- **故障场景随机能力评估**：通过评估应用系统对特定故障场景的时间随机能力，包括任意时间随机、交易日特定时间随机、非交易日随机以及不支持随机的能力。\n- **部署单元双随机成熟度评估**：衡量系统下特定部署单元的双随机能力，即在引入故障时系统能够如何随机地在不同的时间、地点和条件下进行测试。\n- **系统双随机成熟度评估**：综合评估应用系统整体的双随机能力，以评估系统整体的风险防控能力。\n- **双随机能力检验**：通过故障演练验证评估结论，确保系统在遇到预期故障时能够正确响应和恢复。\n\n#### 3. rag系统在实际应用场景中的例子有哪些？\n\nrag系统在实际应用场景中的例子包括：\n- **某商业银行**：部署基于AI的实时风险评估系统，能够实时监测和分析信贷业务数据，自动识别异常交易模式和潜在风险信号，显著提升风险识别准确率、响应时间和减少坏账率。\n- **某大型银行**：引入AI技术，个人贷款审批流程从数天缩短至数小时，大幅提升审批效率和准确率，降低信贷违约率。\n- **某互联网金融公司**：通过AI构建的信用评估模型，成功降低信贷业务的违约率，提升信贷决策的准确性和风险控制能力。\n- **某商业银行**：引入AI反欺诈技术，实时监控客户交易行为，有效减少金融诈骗案件数量和客户资金损失。\n\n#### 总结\n\nrag系统是一个综合了混沌工程、故障注入、双随机成熟度评估等技术的体系，旨在通过在生产环境中安全地引入故障，模拟实际运行中的各种潜在风险，进而评估和优化系统的响应和恢复能力。通过这些技术的实施，企业能够显著提升系统的韧性和稳定性，减少潜在风险，提高业务连续性和客户满意度。在实际应用中，rag系统被广泛应用于金融、互联网等多个领域，通过提升系统抗压能力，为企业带来显著的经济效益和社会价值。", "query_complexity": { "is_complex": true, "complexity_level": "complex", "confidence": 0.95, "reason": "这是一个复杂查询，因为用户询问了关于RAG系统的详细信息，可能涉及到系统的工作原理、应用场景、组成组件等多个方面。为了全面回答这个问题，可能需要生成多个子查询来收集和整合相关信息。" }, "is_complex_query": true, "iterations": 1, "total_passages": 47, "sub_queries": [ "rag系统是什么？", "rag系统的工作原理是什么？", "rag系统的确切定义是什么？", "rag系统在实际应用场景中的例子有哪些？" ], "decomposed_sub_queries": [ "rag系统是什么？", "rag系统的工作原理是什么？" ], "sufficiency_check": { "is_sufficient": true, "confidence": 0.9, "reason": "事件信息和段落信息包含了回答查询所需的关键内容，包括rag系统的概念、工作原理、应用场景以及在金融领域的应用案例。", "iteration": 1 }, "is_sufficient": true, "supporting_facts": [ [ "Fact_1", "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态" ], [ "Fact_2", "进行测试评估模型验证。" ], [ "Fact_3", "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取" ], [ "Fact_4", "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用" ], [ "Fact_5", "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查" ], [ "Fact_6", "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。" ], [ "Fact_7", "进行模型训练。" ], [ "Fact_8", "平台运维功能需求。" ], [ "Fact_9", "完善测试评估方法与规则。" ], [ "Fact_10", "制定分布实施计划" ] ], "supporting_events": [], "debug_info": { "total_time": 0, "retrieval_calls": 2, "llm_calls": 7, "token_usage": { "has_llm": true, "has_generator": true, "last_call": { "prompt_tokens": 5269, "completion_tokens": 528, "total_tokens": 5797 }, "total_usage": { "prompt_tokens": 83108, "completion_tokens": 4564, "total_tokens": 87672, "call_count": 30 }, "model_name": "qwen2-7b-instruct", "has_last_usage": true, "has_total_usage": true } }, "all_documents": [ { "page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "metadata": { "node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "node_type": "event", "ppr_score": 1.078856637985766e-06, "edge_score": 0.0, "passage_score": 0.0, "rank": 1, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "进行测试评估模型验证。", "metadata": { "node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e", "graph_node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e", "node_type": "event", "ppr_score": 6.400781511681461e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 2, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "metadata": { "node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "node_type": "event", "ppr_score": 4.3418035922489897e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 3, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用", "metadata": { "node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c", "graph_node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c", "node_type": "event", "ppr_score": 4.1870812039794013e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 4, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查", "metadata": { "node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029", "graph_node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029", "node_type": "event", "ppr_score": 3.7074606527733825e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 5, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "metadata": { "node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "node_type": "event", "ppr_score": 3.694064809279057e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 6, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "进行模型训练。", "metadata": { "node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f", "graph_node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 7, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "平台运维功能需求。", "metadata": { "node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052", "graph_node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 8, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "完善测试评估方法与规则。", "metadata": { "node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76", "graph_node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 9, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "制定分布实施计划", "metadata": { "node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc", "graph_node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc", "node_type": "event", "ppr_score": 2.887736961847779e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 10, "source": "hipporag2_langchain_event", "source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']", "evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力，评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。评估双随机能力。针对每个故障场景组织业务各个角色一起评估时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改进，待改进完毕之后，进入检验环节。检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。例行检验能力。双随机能力检验通过之后，需要配置定期例行检验任务，确保双随机能力持续有效。", "metadata": { "node_id": "dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5", "node_type": "text", "ppr_score": 0.05115368551857923, "edge_score": 0.0, "passage_score": 0.075703535, "rank": 11, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "数字越大，表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业务中断有什么影响。确定应用程序响应和恢复程序。对于每种故障模式，确定应用程序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风险等级事项提出风险处置建议。在进行混沌工程前可以利用RA风险评估方法对资源和业务系统进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分值比较高的资源和业务系统作为重点实验对象。", "metadata": { "node_id": "7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161", "node_type": "text", "ppr_score": 0.05038403920080944, "edge_score": 0.0, "passage_score": 0.07456233500000001, "rank": 12, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "同时，理论联系实际，提出包含支撑能力、评价体系、团队文化的混沌工程落地模型，用于体系地提升行内稳定性保障技术能力和IT运营能力。 ## （一）实践原则 Netflix 和社区于2015 年提出了混沌工程的基本原则，也即我们常讨论的5 大原则：生产环境运行实验、真实事件、建立稳态假说、自动化运营实验、最小化爆炸半径。该原则通用性很强，但落地门槛较高。在遵从“5 大原则”的基础上，农行基于前期调研情况以及我国金融业业务连续性高、监管要求高、资金敏感度高、声誉风险大的特点，从研发管理流程、实验成本和风险控制等因素，扩展为“8 大原则”，供金融企业落地实践参考。 ![](images/0813339c3cbf5492acee5a363e035fb0c24001ed9b59210759622699f081b161.jpg) ## （二）战略规划混沌工程并不是简单地工具和手段的应用，而是包含了工具、人、流程的综合体系。这需要将混沌工程应用的战略顶层设计与实际底层实践相结合，有组织、有规划地制定混沌工程发展战略、落地规划与评价机制。农行将技术风险管理的诉求归纳为三有诉求：有能力、有评价、有文化，基于这3 点核心诉求，推导出混沌工程落地的“三有模型”，以混沌工程这一工具为抓手，体系性提升技术风险管理水平。 ![](images/5876dc868bec3600159e454346df1b530e0ab0b6e4b049855bb8e32b5eb25728.jpg) ## （三）能力体系 ### 1.", "metadata": { "node_id": "da431fcfc058ce10697b2ccc8eb898f51b3dbeba1466496878efc64cde12a1aa", "node_type": "text", "ppr_score": 0.0502831282610885, "edge_score": 0.0, "passage_score": 0.07441404, "rank": 13, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统是什么？", "pagerank_available": true } }, { "page_content": "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。", "metadata": { "node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea", "graph_node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea", "node_type": "event", "ppr_score": 1.0564743243185571e-08, "edge_score": 0.0, "passage_score": 0.0, "rank": 2, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "按计划部署", "metadata": { "node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3", "graph_node_id": "597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3", "node_type": "event", "ppr_score": 5.833311202196603e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 5, "source": "hipporag2_langchain_event", "source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']", "evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "1998年，组建信产部。", "metadata": { "node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91", "graph_node_id": "006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91", "node_type": "event", "ppr_score": 5.813227407106867e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 6, "source": "hipporag2_langchain_event", "source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']", "evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。", "metadata": { "node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd", "graph_node_id": "71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd", "node_type": "event", "ppr_score": 5.355534664475652e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 7, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "1994年，邮电部实行邮电分营。", "metadata": { "node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1", "graph_node_id": "a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1", "node_type": "event", "ppr_score": 4.82914480107628e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 8, "source": "hipporag2_langchain_event", "source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']", "evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。", "metadata": { "node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd", "graph_node_id": "0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd", "node_type": "event", "ppr_score": 4.714749078577141e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 9, "source": "hipporag2_langchain_event", "source_text_id": "['fa5dd0b6f3b57d07d08ba0730a4540c59b6d99d05153b35f1f3cd5227ea07907']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "2008年，组建工信部。", "metadata": { "node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04", "graph_node_id": "4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04", "node_type": "event", "ppr_score": 4.668835571500824e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 10, "source": "hipporag2_langchain_event", "source_text_id": "['05575614c0a56ca752a2c4a4f94512b223eb0672171d3ab6c797bcc7e9dc9e33']", "evidence": "PPT_ICPMM-行业云平台运营管理能力成熟度标准解读.md", "query": "rag系统的工作原理是什么？", "pagerank_available": true } }, { "page_content": "jpg) 包括：DNS服务器、负载均衡器、交换机等该平台具有以下几个特点：（1）适配全栈式异构金融云基础设施完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险，同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。", "metadata": { "node_id": "5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713", "node_type": "text", "ppr_score": 0.04457818584077626, "edge_score": 0.0, "passage_score": 0.073382085, "rank": 11, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "什么是rag系统", "pagerank_available": true } }, { "page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "metadata": { "node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "node_type": "event", "ppr_score": 1.078856637985766e-06, "edge_score": 0.0, "passage_score": 0.0, "rank": 1, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "进行测试评估模型验证。", "metadata": { "node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e", "graph_node_id": "fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e", "node_type": "event", "ppr_score": 6.400781511681461e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 2, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "metadata": { "node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "node_type": "event", "ppr_score": 4.3418035922489897e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 3, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用", "metadata": { "node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c", "graph_node_id": "8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c", "node_type": "event", "ppr_score": 4.1870812039794013e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 4, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查", "metadata": { "node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029", "graph_node_id": "ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029", "node_type": "event", "ppr_score": 3.7074606527733825e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 5, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "metadata": { "node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "node_type": "event", "ppr_score": 3.694064809279057e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 6, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "进行模型训练。", "metadata": { "node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f", "graph_node_id": "df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 7, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "平台运维功能需求。", "metadata": { "node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052", "graph_node_id": "3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 8, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "完善测试评估方法与规则。", "metadata": { "node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76", "graph_node_id": "4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76", "node_type": "event", "ppr_score": 3.2003907558407303e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 9, "source": "hipporag2_langchain_event", "source_text_id": "['4fd368909a072e07e3ec76006abdb20ce37ec52f4d0e3ebf69ea1474d3b6862f']", "evidence": "PPT_20240326下午-医疗健康行业大模型评价体系研究及测试评估工具研发（E部门-工程技术课题）(1).md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "制定分布实施计划", "metadata": { "node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc", "graph_node_id": "e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc", "node_type": "event", "ppr_score": 2.887736961847779e-07, "edge_score": 0.0, "passage_score": 0.0, "rank": 10, "source": "hipporag2_langchain_event", "source_text_id": "['7e6068f850e4a480cb84c8e397497cddc83e55dc19995b00d3dac9e347c33f8e']", "evidence": "PPT_吴倩琳-2023云和软件安全大会-零信任分论坛-零信任成熟度.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力，评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。评估双随机能力。针对每个故障场景组织业务各个角色一起评估时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改进，待改进完毕之后，进入检验环节。检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。例行检验能力。双随机能力检验通过之后，需要配置定期例行检验任务，确保双随机能力持续有效。", "metadata": { "node_id": "dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5", "node_type": "text", "ppr_score": 0.05119153210278731, "edge_score": 0.0, "passage_score": 0.07534715, "rank": 11, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "数字越大，表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业务中断有什么影响。确定应用程序响应和恢复程序。对于每种故障模式，确定应用程序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风险等级事项提出风险处置建议。在进行混沌工程前可以利用RA风险评估方法对资源和业务系统进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分值比较高的资源和业务系统作为重点实验对象。", "metadata": { "node_id": "7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161", "node_type": "text", "ppr_score": 0.050449322212096345, "edge_score": 0.0, "passage_score": 0.074252545, "rank": 12, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "同时，理论联系实际，提出包含支撑能力、评价体系、团队文化的混沌工程落地模型，用于体系地提升行内稳定性保障技术能力和IT运营能力。 ## （一）实践原则 Netflix 和社区于2015 年提出了混沌工程的基本原则，也即我们常讨论的5 大原则：生产环境运行实验、真实事件、建立稳态假说、自动化运营实验、最小化爆炸半径。该原则通用性很强，但落地门槛较高。在遵从“5 大原则”的基础上，农行基于前期调研情况以及我国金融业业务连续性高、监管要求高、资金敏感度高、声誉风险大的特点，从研发管理流程、实验成本和风险控制等因素，扩展为“8 大原则”，供金融企业落地实践参考。 ![](images/0813339c3cbf5492acee5a363e035fb0c24001ed9b59210759622699f081b161.jpg) ## （二）战略规划混沌工程并不是简单地工具和手段的应用，而是包含了工具、人、流程的综合体系。这需要将混沌工程应用的战略顶层设计与实际底层实践相结合，有组织、有规划地制定混沌工程发展战略、落地规划与评价机制。农行将技术风险管理的诉求归纳为三有诉求：有能力、有评价、有文化，基于这3 点核心诉求，推导出混沌工程落地的“三有模型”，以混沌工程这一工具为抓手，体系性提升技术风险管理水平。 ![](images/5876dc868bec3600159e454346df1b530e0ab0b6e4b049855bb8e32b5eb25728.jpg) ## （三）能力体系 ### 1.", "metadata": { "node_id": "da431fcfc058ce10697b2ccc8eb898f51b3dbeba1466496878efc64cde12a1aa", "node_type": "text", "ppr_score": 0.05028630855790128, "edge_score": 0.0, "passage_score": 0.07401365, "rank": 13, "source": "hipporag2_langchain_text", "evidence": "《混沌工程技术实践指南》.md", "query": "rag系统的确切定义是什么？", "pagerank_available": true } }, { "page_content": "在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统。", "metadata": { "node_id": "3333f6f4339f890fb7018a03ec5c2b6441b0115bd264d9da3cd4eea8c19c9acf", "graph_node_id": "3333f6f4339f890fb7018a03ec5c2b6441b0115bd264d9da3cd4eea8c19c9acf", "node_type": "event", "ppr_score": 0.18126914001307756, "edge_score": 1.5812813, "passage_score": 0.0, "rank": 1, "source": "hipporag2_langchain_event", "source_text_id": "['453be1f1f2a512023387e3867063c67f0e2f0100905e57ffc8c3be7a36338716']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。", "metadata": { "node_id": "a7881a242d2f4d76b1c41f8e9db6dc969de3d1fd7635baf8c6e2db769ef80ef5", "graph_node_id": "a7881a242d2f4d76b1c41f8e9db6dc969de3d1fd7635baf8c6e2db769ef80ef5", "node_type": "event", "ppr_score": 0.02569475819861939, "edge_score": 0.0, "passage_score": 0.0, "rank": 2, "source": "hipporag2_langchain_event", "source_text_id": "['5bd501b303a0f90a8e08f07b0c8fc9cd5fe27db39b3da0bd1c5f4e322840d95b']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。", "metadata": { "node_id": "f3f7c1897df142c8715f150c8f7d5aae111b30c6ec1f4705e4f4deadebfc2baa", "graph_node_id": "f3f7c1897df142c8715f150c8f7d5aae111b30c6ec1f4705e4f4deadebfc2baa", "node_type": "event", "ppr_score": 0.0029414635360017326, "edge_score": 0.0, "passage_score": 0.0, "rank": 3, "source": "hipporag2_langchain_event", "source_text_id": "['5bd501b303a0f90a8e08f07b0c8fc9cd5fe27db39b3da0bd1c5f4e322840d95b']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "自部署该系统以来，该商业银行的信贷业务风险识别准确率提高了约30%。", "metadata": { "node_id": "ae2ce63358251033c32471ba5aeec5c6e4f0802d1041e58669654dc38cbdd950", "graph_node_id": "ae2ce63358251033c32471ba5aeec5c6e4f0802d1041e58669654dc38cbdd950", "node_type": "event", "ppr_score": 0.00032170412589507493, "edge_score": 0.0, "passage_score": 0.0, "rank": 4, "source": "hipporag2_langchain_event", "source_text_id": "['453be1f1f2a512023387e3867063c67f0e2f0100905e57ffc8c3be7a36338716']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "潜在风险预警的响应时间缩短了50%以上。", "metadata": { "node_id": "05e62ac29726c4d815cc9e65b47d29cf492bbb9f09c9d42251cefa2a6c40b972", "graph_node_id": "05e62ac29726c4d815cc9e65b47d29cf492bbb9f09c9d42251cefa2a6c40b972", "node_type": "event", "ppr_score": 0.00032170412589507493, "edge_score": 0.0, "passage_score": 0.0, "rank": 5, "source": "hipporag2_langchain_event", "source_text_id": "['453be1f1f2a512023387e3867063c67f0e2f0100905e57ffc8c3be7a36338716']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "该系统帮助银行减少了约20%的坏账率。", "metadata": { "node_id": "291a5c89e63142c63838b5fad1ff16e788a3438d97d83916980cb27b16a5be04", "graph_node_id": "291a5c89e63142c63838b5fad1ff16e788a3438d97d83916980cb27b16a5be04", "node_type": "event", "ppr_score": 0.00032170412589507493, "edge_score": 0.0, "passage_score": 0.0, "rank": 6, "source": "hipporag2_langchain_event", "source_text_id": "['453be1f1f2a512023387e3867063c67f0e2f0100905e57ffc8c3be7a36338716']", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "metadata": { "node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "graph_node_id": "71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "node_type": "event", "ppr_score": 1.3924205044200936e-08, "edge_score": 0.0, "passage_score": 0.0, "rank": 7, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。", "metadata": { "node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea", "graph_node_id": "0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea", "node_type": "event", "ppr_score": 1.0564743243185571e-08, "edge_score": 0.0, "passage_score": 0.0, "rank": 8, "source": "hipporag2_langchain_event", "source_text_id": "['8b1e94cfe88e0fe9aa73611eca98b04567db8253ed068692a2deb64af2c5107e']", "evidence": "88-《公共数据授权运营发展洞察（2023）》定稿印刷0102.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "metadata": { "node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "graph_node_id": "837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "node_type": "event", "ppr_score": 9.10248791126777e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 9, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "metadata": { "node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "graph_node_id": "52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "node_type": "event", "ppr_score": 7.678002157579536e-09, "edge_score": 0.0, "passage_score": 0.0, "rank": 10, "source": "hipporag2_langchain_event", "source_text_id": "['833310a7d4dc0e345e4e7cde890f7d84f2cf03a07c5e53671fce351e8f941781']", "evidence": "可观测性技术发展研究报告.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统，该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。自部署该系统以来，该商业银行的信贷业务风险识别准确率提高了约30%，潜在风险预警的响应时间缩短了50%以上。同时，该系统帮助银行减少了约20% 的坏账率。 # 人工智能在信贷风险管理的前沿实践 # 1.数据挖掘与特征工程在信贷风险管理中，数据挖掘和特征工程是构建有效风险评估模型的基础。AI 技术能够从海量数据中识别出与信贷风险高度相关的特征，这些特征可能包括客户的交易行为、社交媒体活动、甚至是地理位置信息。通过机器学习算法，如随机森林和梯度提升机（GBM），可以从这些特征中学习到复杂的风险模式，从而提高风险评估的准确性。 # 2.深度学习与模式识别深度学习技术，尤其是卷积神经网络（CNN）和循环神经网络（RNN），在处理非结构化数据方面展现出了强大的能力。在信贷风险管理中，这些技术可以用于分析客户的文本信息，如贷款申请书和信用报告，以识别潜在的风险信号。此外，深度学习模型能够通过自我学习不断优化，以适应金融市场的变化。 # 3.实时风险监控与预警系统 AI 技术能够实现对信贷业务数据的实时监控，通过设置预警阈值和触发条件，及时发现并识别出异常行为或潜在风险点。", "metadata": { "node_id": "453be1f1f2a512023387e3867063c67f0e2f0100905e57ffc8c3be7a36338716", "node_type": "text", "ppr_score": 0.04166780282174702, "edge_score": 0.0, "passage_score": 0.075512145, "rank": 11, "source": "hipporag2_langchain_text", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "以某大型银行为例，在引入AI 技术后，其个人贷款审批流程从原来的数天缩短至数小时甚至几分钟内完成，显著提升了审批效率。同时，AI 技术的自动化处理还大大减少了人为错误，使得信贷审批的准确率提高了20%以上，为金融机构的信贷业务提供了更加高效、准确的支撑。 2.夯实精准评估基础，提升决策质量 AI算法凭借其先进的数据分析能力，能够深入挖掘数据中的潜在风险特征，并对历史数据进行深度学习和模式识别。这种能力使得 AI 能够更准确地预测借款人的还款能力和违约概率。据统计，采用 AI 技术进行风险评估的金融机构，其信贷违约率普遍降低了 25%至 40%。在某互联网金融公司的实践中，通过 AI 技术构建的信用评估模型，成功将信贷业务的违约率降低了 35%，显著提升了信贷决策的准确性和对风险的控制能力。 3.防患于未然，提升应对能力 AI 模型在实时监测和分析信贷业务数据方面展现出了卓越的能力。通过设置预警阈值和触发条件，AI 能够在风险发生前自动发出预警信号，及时发现并识别出异常行为或潜在风险点。据行业数据显示，采用 AI 风险预警系统的金融机构，能够提前数周甚至数月发现潜在风险，为金融机构提供了充足的时间来采取干预措施。在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统，该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。", "metadata": { "node_id": "5bd501b303a0f90a8e08f07b0c8fc9cd5fe27db39b3da0bd1c5f4e322840d95b", "node_type": "text", "ppr_score": 0.031187013365110317, "edge_score": 0.0, "passage_score": 0.074842375, "rank": 12, "source": "hipporag2_langchain_text", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } }, { "page_content": "并且“白条”服务的逾期率和坏账率均保持在较低水平。同时，人工智能还能够在过程中通过深度学习手段，将海量的用户信息和还款信息进行深度的分析，不断完善自身的评估模型，现有的自然语言处理手段也能够在对用户信息抓取的过程中不断丰富抓取模型，提高风险预警能力。随着算法的不断优化和数据处理能力的飞跃提升，AI 在服务基本面上的完善将步入一个全新的阶段。实时监控技术，未来 AI 将更加智能化、精细化，能够实时捕捉市场动态，精准识别异常交易，为金融机构提供即时、全面的风险监控。某商业银行引入 AI 反欺诈技术，对客户的交易行为进行实时监控和风险评估。该系统能够自动识别异常交易模式，如大额资金转移、频繁跨行转账等，并及时通知客户进行核实。据统计，引入 AI 反欺诈技术后，该机构的金融诈骗案件数量减少了 60%，客户资金损失降低了 70%。", "metadata": { "node_id": "3d2da8647f0f21e497af89cae061465f0d15b6066566f1b1e267bdca90ae6b2c", "node_type": "text", "ppr_score": 0.010807272513414859, "edge_score": 0.0, "passage_score": 0.074909805, "rank": 13, "source": "hipporag2_langchain_text", "evidence": "【原创文章】浅谈人工智能驱动下的信贷风险管理20241212V1.md", "query": "rag系统在实际应用场景中的例子有哪些？", "pagerank_available": true } } ], "all_passages": [ "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "进行测试评估模型验证。", "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用", "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查", "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "进行模型训练。", "平台运维功能需求。", "完善测试评估方法与规则。", "制定分布实施计划", "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力，评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。评估双随机能力。针对每个故障场景组织业务各个角色一起评估时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改进，待改进完毕之后，进入检验环节。检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。例行检验能力。双随机能力检验通过之后，需要配置定期例行检验任务，确保双随机能力持续有效。", "数字越大，表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业务中断有什么影响。确定应用程序响应和恢复程序。对于每种故障模式，确定应用程序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风险等级事项提出风险处置建议。在进行混沌工程前可以利用RA风险评估方法对资源和业务系统进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分值比较高的资源和业务系统作为重点实验对象。", "同时，理论联系实际，提出包含支撑能力、评价体系、团队文化的混沌工程落地模型，用于体系地提升行内稳定性保障技术能力和IT运营能力。 ## （一）实践原则 Netflix 和社区于2015 年提出了混沌工程的基本原则，也即我们常讨论的5 大原则：生产环境运行实验、真实事件、建立稳态假说、自动化运营实验、最小化爆炸半径。该原则通用性很强，但落地门槛较高。在遵从“5 大原则”的基础上，农行基于前期调研情况以及我国金融业业务连续性高、监管要求高、资金敏感度高、声誉风险大的特点，从研发管理流程、实验成本和风险控制等因素，扩展为“8 大原则”，供金融企业落地实践参考。 ![](images/0813339c3cbf5492acee5a363e035fb0c24001ed9b59210759622699f081b161.jpg) ## （二）战略规划混沌工程并不是简单地工具和手段的应用，而是包含了工具、人、流程的综合体系。这需要将混沌工程应用的战略顶层设计与实际底层实践相结合，有组织、有规划地制定混沌工程发展战略、落地规划与评价机制。农行将技术风险管理的诉求归纳为三有诉求：有能力、有评价、有文化，基于这3 点核心诉求，推导出混沌工程落地的“三有模型”，以混沌工程这一工具为抓手，体系性提升技术风险管理水平。 ![](images/5876dc868bec3600159e454346df1b530e0ab0b6e4b049855bb8e32b5eb25728.jpg) ## （三）能力体系 ### 1.", "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。", "按计划部署", "1998年，组建信产部。", "贵州省人民政府办公厅于2023年6月发布《贵州省政务数据资源管理办法》。", "1994年，邮电部实行邮电分营。", "2022年5月，黑龙江省人大常委会发布《黑龙江省促进大数据发展应用条例》。", "2008年，组建工信部。", "jpg) 包括：DNS服务器、负载均衡器、交换机等该平台具有以下几个特点：（1）适配全栈式异构金融云基础设施完成了跨平台及“一体多芯”式的混编架构中故障注入体系的建设，提供云上资源自助、自动构建、自动发布、自动运维、快速扩容、多环境一致等场景，实现流程自动化，使开发人员能够更多地专注在业务功能的实现和创新上，大幅提高了应用的交付效率，提升了业务产品推出效率和竞争力。（2）引入“一隔离，两最小化”，实现权限隔离和管控通过 RBAC 实现不同应用系统间沙箱容器的混沌故障隔离；引入 k8s Operator 机制，根据演练需求为沙箱容器进行权限控制，实现权限最小化，同时通过集群调度限制混沌环境的范围，实现爆炸半径最小化。分布式系统及微服务架构下，实现更细粒度的权限控制，有效避免了不同应用系统同时实施混沌工程造成“环境污染”的风险，同时也保障了不同应用系统间故障注入的原子能力。 (3) 混淆工具链与异构环境相融合将四类主流混沌工具引入到异构金融云环境中，全栈式适配底层复杂基础设施，解决了工具集合的离线部署、内核及版本不兼容、混淀工具与多种操作系统及容器云运行时适配等疑难问题。同时将混沌工具链融合在异构环境中，提供更多样化的故障类型，能够针对不同的故障类型，推荐使用适配的注入工具，使故障注入更加精准化。", "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "进行测试评估模型验证。", "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "滴滴推出了夜莺Nightingale，该系统采用All-in-One的设计理念，集数据采集、可视化、监控告警、数据分析于一体，与云原生生态紧密集成，融入了顶级互联网公司可观测性最佳实践，沉淀了众多社区专家经验，开箱即用", "Analysys 发布了 DolphinScheduler，一个支持复杂任务调度和依赖管理的分布式任务调度系统，提供了可观测性的监控和告警功能，帮助用户实现任务的可靠执行和故障排查", "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "进行模型训练。", "平台运维功能需求。", "完善测试评估方法与规则。", "制定分布实施计划", "故障场景随机能力。故障场景随机能力 RA_FS（Random Ability of Fault Scenario），用于衡量应用对特定故障场景的时间随机能力的支持程度，从任意时间随机到不支持随机能力分为 4 个等级，如果系统不涉及该故障场景，则不计算得分，计算公式详情如下: RA_FS = { 100: 任意时间随机； 60: 交易日特定时间随机； 30: 非交易日随机； 0: 不支持； NA: 不涉及； } 部署单元双随机成熟度。部署单元双随机成熟度 DRD_DU( Dual Random Degree of Deployment Unit )：用于衡量系统下特定部署单元的双随机能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ D U } = \\frac { 1 } { n } \\Sigma _ { i = 1 } ^ { n } W _ { i } * \\mathrm { D R A \\_ F S P } _ { i } } nd{array} $$ 注：$W_{i}$为部署单元第i个故障场景的权重。系统双随机成熟度。系统双随机成熟度 DRD_AS（Dual Random Degree of Application System）用于衡量应用系统整体的双随机能力，评估应用系统的整体风险防控能力，计算公式详情如下： $$ \\begin{array} { r } { \\mathrm { D R D \\_ A S } = \\frac { 1 } { m } \\Sigma _ { i = 1 } ^ { m } W _ { i } * \\mathrm { D R D \\_ D U } _ { i } } nd{array} $$ 注： $W_{i}$ 为第 $\\mathrm{i}$ 个部署单元在整个应用系统中所占的权重。评估双随机能力。针对每个故障场景组织业务各个角色一起评估时间随机能力等级，如果不能支持任意时间随机，则需要业务进行改进，待改进完毕之后，进入检验环节。检验双随机能力。对于双随机场景矩阵中每个故障场景的评估结论，需要通过故障演练进行检验，确保评估结论与实际效果一致，如果检验结论与实际效果有偏差，则需要进行业务改进和重新评估。例行检验能力。双随机能力检验通过之后，需要配置定期例行检验任务，确保双随机能力持续有效。", "数字越大，表明风险越大，越值得优先重视和积极改善。RPN 的数值由三个参数相乘得到，分别是严重度(Severity)、发生频率/可能性(Occurrence/ Probability )、识别难易程度(Detection)。在评估后，要综合考虑，严重度和发生度矩阵，严重度和可识别度矩阵，发生频率和可识别度矩阵。还需评估风险和故障对系统的可用性、数据丢失、财务成本和业务中断有什么影响。确定应用程序响应和恢复程序。对于每种故障模式，确定应用程序将如何响应和恢复。考虑在成本与应用程序复杂程度之间作出折衷。评估后，企业应优先考虑高等级故障并定义缓解措施，并不断更新和审查。 ### 2.BCM RA 风险评估是业务连续性管理工作中的重要环节，是对各方面风险进行辨识和分析的过程，是对威胁、资源、脆弱性及三者相互作用的结果进行评估。评估关键资源所面临的风险及风险等级，并针对高风险等级事项提出风险处置建议。在进行混沌工程前可以利用RA风险评估方法对资源和业务系统进行风险分析，利用风险评估模型提早识别出威胁和脆弱性，计量出风险分值之后，按照分值从高到底排序，在混沌工程开展时，风险分值比较高的资源和业务系统作为重点实验对象。", "同时，理论联系实际，提出包含支撑能力、评价体系、团队文化的混沌工程落地模型，用于体系地提升行内稳定性保障技术能力和IT运营能力。 ## （一）实践原则 Netflix 和社区于2015 年提出了混沌工程的基本原则，也即我们常讨论的5 大原则：生产环境运行实验、真实事件、建立稳态假说、自动化运营实验、最小化爆炸半径。该原则通用性很强，但落地门槛较高。在遵从“5 大原则”的基础上，农行基于前期调研情况以及我国金融业业务连续性高、监管要求高、资金敏感度高、声誉风险大的特点，从研发管理流程、实验成本和风险控制等因素，扩展为“8 大原则”，供金融企业落地实践参考。 ![](images/0813339c3cbf5492acee5a363e035fb0c24001ed9b59210759622699f081b161.jpg) ## （二）战略规划混沌工程并不是简单地工具和手段的应用，而是包含了工具、人、流程的综合体系。这需要将混沌工程应用的战略顶层设计与实际底层实践相结合，有组织、有规划地制定混沌工程发展战略、落地规划与评价机制。农行将技术风险管理的诉求归纳为三有诉求：有能力、有评价、有文化，基于这3 点核心诉求，推导出混沌工程落地的“三有模型”，以混沌工程这一工具为抓手，体系性提升技术风险管理水平。 ![](images/5876dc868bec3600159e454346df1b530e0ab0b6e4b049855bb8e32b5eb25728.jpg) ## （三）能力体系 ### 1.", "在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统。", "该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。", "通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。", "自部署该系统以来，该商业银行的信贷业务风险识别准确率提高了约30%。", "潜在风险预警的响应时间缩短了50%以上。", "该系统帮助银行减少了约20%的坏账率。", "东营市人民政府办公室于2023年5月发布《东营市公共数据授权运营暂行管理办法（征求意见稿）》。", "青岛市大数据发展管理局于2023年6月发布《青岛市公共数据运营试点管理暂行办法》。", "蚂蚁集团推出了 HoloInsight，作为云原生时代的轻量化、全功能的智能可观测性技术平台。HoloInsight作为集数据采集、洞察分析、智能告警的一站式可观测综合解决方案，可帮助用户清晰观测整个软件技术栈与业务的状态", "云杉网络发布了 DeepFlow，该产品基于eBPF实现了零插桩（Zero Code）、全覆盖（FullStack）的指标、追踪、日志采集，并通过智能标签技术实现了所有观测数据的全关联(Universal Tagging)和高效存取", "在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统，该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。自部署该系统以来，该商业银行的信贷业务风险识别准确率提高了约30%，潜在风险预警的响应时间缩短了50%以上。同时，该系统帮助银行减少了约20% 的坏账率。 # 人工智能在信贷风险管理的前沿实践 # 1.数据挖掘与特征工程在信贷风险管理中，数据挖掘和特征工程是构建有效风险评估模型的基础。AI 技术能够从海量数据中识别出与信贷风险高度相关的特征，这些特征可能包括客户的交易行为、社交媒体活动、甚至是地理位置信息。通过机器学习算法，如随机森林和梯度提升机（GBM），可以从这些特征中学习到复杂的风险模式，从而提高风险评估的准确性。 # 2.深度学习与模式识别深度学习技术，尤其是卷积神经网络（CNN）和循环神经网络（RNN），在处理非结构化数据方面展现出了强大的能力。在信贷风险管理中，这些技术可以用于分析客户的文本信息，如贷款申请书和信用报告，以识别潜在的风险信号。此外，深度学习模型能够通过自我学习不断优化，以适应金融市场的变化。 # 3.实时风险监控与预警系统 AI 技术能够实现对信贷业务数据的实时监控，通过设置预警阈值和触发条件，及时发现并识别出异常行为或潜在风险点。", "以某大型银行为例，在引入AI 技术后，其个人贷款审批流程从原来的数天缩短至数小时甚至几分钟内完成，显著提升了审批效率。同时，AI 技术的自动化处理还大大减少了人为错误，使得信贷审批的准确率提高了20%以上，为金融机构的信贷业务提供了更加高效、准确的支撑。 2.夯实精准评估基础，提升决策质量 AI算法凭借其先进的数据分析能力，能够深入挖掘数据中的潜在风险特征，并对历史数据进行深度学习和模式识别。这种能力使得 AI 能够更准确地预测借款人的还款能力和违约概率。据统计，采用 AI 技术进行风险评估的金融机构，其信贷违约率普遍降低了 25%至 40%。在某互联网金融公司的实践中，通过 AI 技术构建的信用评估模型，成功将信贷业务的违约率降低了 35%，显著提升了信贷决策的准确性和对风险的控制能力。 3.防患于未然，提升应对能力 AI 模型在实时监测和分析信贷业务数据方面展现出了卓越的能力。通过设置预警阈值和触发条件，AI 能够在风险发生前自动发出预警信号，及时发现并识别出异常行为或潜在风险点。据行业数据显示，采用 AI 风险预警系统的金融机构，能够提前数周甚至数月发现潜在风险，为金融机构提供了充足的时间来采取干预措施。在某商业银行的实践中，部署了一套基于 AI 的实时风险评估系统，该系统能够实时监测和分析信贷业务数据，包括借款人的交易记录、行为特征、社交数据等多维度信息。通过机器学习算法，该系统能够自动识别异常交易模式和潜在风险信号，并实时预警。", "并且“白条”服务的逾期率和坏账率均保持在较低水平。同时，人工智能还能够在过程中通过深度学习手段，将海量的用户信息和还款信息进行深度的分析，不断完善自身的评估模型，现有的自然语言处理手段也能够在对用户信息抓取的过程中不断丰富抓取模型，提高风险预警能力。随着算法的不断优化和数据处理能力的飞跃提升，AI 在服务基本面上的完善将步入一个全新的阶段。实时监控技术，未来 AI 将更加智能化、精细化，能够实时捕捉市场动态，精准识别异常交易，为金融机构提供即时、全面的风险监控。某商业银行引入 AI 反欺诈技术，对客户的交易行为进行实时监控和风险评估。该系统能够自动识别异常交易模式，如大额资金转移、频繁跨行转账等，并及时通知客户进行核实。据统计，引入 AI 反欺诈技术后，该机构的金融诈骗案件数量减少了 60%，客户资金损失降低了 70%。" ], "passage_sources": [ "子查询1-event-837914fd192ce24405e505d00bacfc4e7d67581c480a792eab1735ae40034a53", "子查询1-event-fa2178eade20caa6435d7969d7e4fc292ae8594fd60266456e076d560770721e", "子查询1-event-52d7ba687569c10025742eed85ffc69d28886cb9a8c5c4403180d85ab77267b2", "子查询1-event-8fadaeeb758ccced65c64b80e2315c1af34ebbbc0b03fcd7535828960b29b20c", "子查询1-event-ccefc8edd9ac190647aaade05325e68f3773c8575a58f689512b7661524ca029", "子查询1-event-71c47e73feef6d66dc478cad69c4ad58a0b3ecfd04f09a1b00fa42decb9e9294", "子查询1-event-df605b303a0d8bb54f4aeac641c0dcf0c128e34c544e0193d9c8bfa9e7719d9f", "子查询1-event-3bf8041501694e4cb799bdd944dc7cdb9d70423f7339d81cb2bfee76e1de7052", "子查询1-event-4f7f0c1c613764a8dccb6df4fb8a4cdd531c5145f8f981b32a705780630a9e76", "子查询1-event-e37fe0b847647fbfb6116faa77736c145ab7584878ae380318c88685999901cc", "子查询1-text-dd5197f51f6021ef9044b96b2fa07a0729111c6e048f0c24449cbf6be6369ec5", "子查询1-text-7ddb41a16d2c78b1aa5d3524ba9b717ee8a0f32b54947624fa1785987747b161", "子查询1-text-da431fcfc058ce10697b2ccc8eb898f51b3dbeba1466496878efc64cde12a1aa", "子查询2-event-0d3d869ec37f825c33eefbbeb73d0a25e100c5e9a1e1ec06e086f286057943ea", "子查询2-event-597cef3ac2af04dbf4532f5f5a2bc5bfa762a06ab0f90626fddac7f0aaeecdb3", "子查询2-event-006db96629b2e82ec2fc7a652f775df4173c1c31dfde02e96a72a55f3be91d91", "子查询2-event-71324bbe38be7dc2f579536f22143c3d8f0deadec318e634492f597d7d0badfd", "子查询2-event-a4bfec0430a945b451f4d2a4d56638ad0d75304d4f47c9441f745cf3b1a268b1", "子查询2-event-0f5d8bb9a91217c45c257bc473f63cb729fe03b41c4573d523459fa2af6dc7bd", "子查询2-event-4c975a923b633c445c92b3b66acf1719602314d1ef6cf8dedd1aab5f28c3ce04", "原始查询-text-5f593c4a4c8b89a95644375ee4952d1a4acc08146262cb3a56d5376db5ee1713", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询1-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown", "子查询2-unknown" ], "retrieval_path": "unknown", "initial_retrieval_details": {}, "current_sub_queries": [] }