区域头部城商行把全行知识，变成员工随口一问就能答

一家城商行的"知识一口答"

一家资产规模 6000 亿级的区域头部城商行，把全行的制度与知识装进了一个对话入口。过去员工办一笔业务、走一个流程，想查最新制度要翻好几个系统、问好几拨人；现在，员工用自然语言随口一问，数秒内就能拿到精准的制度解读与操作指引，并追溯原文出处。

这个项目以 26 个部门的深度调研为起点，构建了 8 大业务专属智能体，最终形成"一个总入口 + 多智能体协同"的全行知识平台——让沉睡在数千份文档里的知识，变成随问随答的日常能力。

背景与痛点

这家城商行和多数同业一样，知识管理长期处于"散"的状态。全行制度与文件分散在相互独立的系统里，形成一个个"知识孤岛"：重复性咨询严重占用专家精力，跨部门协同效率低，跨条线检索难、查找慢。银行沉淀了数千份高价值文档，但利用率极低——大量非结构化格式导致传统检索极易失效。

更深层的矛盾在于体系化能力的缺失。现有知识无法标准化对外输出，难以实现"一次建设、全行复用"，AI 技术底座薄弱；面对含复杂表格、扫描件的文档，人工整理耗时易错，缺乏自动化提取与精准入库能力。与此同时，AI 场景繁多却缺乏平台统筹，容易造成知识库冗余，需要统一的开发编排与知识迭代管理平台，确保 AI 资产安全合规运营。

在金融行业，这些痛点正变得越来越普遍。随着大模型技术成熟，越来越多银行开始把"知识管理"作为 AI 落地的主战场——从制度问答到合规解读，知识类场景几乎覆盖每一个岗位的日常。

我们怎么做的

项目围绕"建得全、答得准、管得住"三个目标，形成了三大核心机制。

第一，多智能体协同架构。 构建"单一总入口 + N 个业务专属智能体"的架构：主调度智能体识别用户意图，自动路由至对应业务部门的智能体，各知识库相互隔离、独立维护，对用户提供无感知的一站式体验。全行最终落地 8 大业务场景的专属知识智能体，并行运作、边界清晰。

第二，精细化文档标签与切片。 采用平台自动切片技术处理异构文档，并强制为每份文档打上双维标签——访问渠道（channel）和知识类型（knowledgetype），从底层确保知识绝对有序。这样一套"渠道 + 类型"的双维体系，让检索既能命中内容，又能区分用途。

第三，多渠道权限路由。 针对公网、内网移动、内网 PC 等不同来源，后台动态传递参数，在多智能体路由之上叠加渠道权限过滤，严格控制召回边界，确保涉密文档物理级隔绝。这直接适配了银行复杂的内外网数据隔离要求。

在知识供给端，项目派驻专属知识咨询团队驻场：逐一深入 26 个部门开展结构化访谈，摸清各部门知识现状、使用场景与痛点需求；协助梳理文档资产、制定统一的文档分类标准与命名规范；与客户共同设计全行知识体系架构，确定知识分层、分域、权限归属与维护责任；最后指导各部门完成文档清洗与入库，配置切片规则与双维标签，并通过检索测试验证知识质量。同时制定全行级文档收集与清洗规范，优先提交结构化清晰、可检索性高的文档，从数据入口处夯实知识底座的整体质量。

技术路线上，平台采用 RAG 与知识图谱双引擎驱动：RAG 负责把制度原文切片、向量化，支持"即问即答、精准溯源"；知识图谱则把制度、流程、岗位、部门之间的关联关系显性化，支撑条件筛选与多跳检索，两者结合，让"随问随答"既有出处、又能关联。

落地效果

• 一个入口覆盖全行：全行知识统一收口，员工通过单一入口以自然语言对话，数秒内获取精准的制度解读与操作指引，彻底打破部门间知识壁垒。

• 8 大业务专属智能体：制度、文化、产品等业务场景各有独立的知识智能体，主调度智能体自动路由，用户完全无感知。

• 26 个部门完成知识治理：项目实施倒逼全行对历史知识文档进行结构化治理，形成可持续迭代的优质数字资产库，AI 落地与知识管理同步升级。

• 安全合规适配："渠道标签 + 参数路由"机制叠加渠道权限过滤，涉密文档在公网渠道物理隔绝，适配银行内外网数据隔离的合规要求。

• 知识可视化：知识数据的统计可视化看板，让知识库的使用情况、热点问题一目了然，支撑持续运营优化。

经验沉淀：从项目到 OntiCards

这个项目沉淀了三条可复用的经验。一是"知识体系先行"：AI 问答的质量上限由知识治理的水平决定，先做 26 个部门级别的体系化调研，再谈技术实现。二是"多智能体不等于多个系统"：用统一入口 + 意图路由 + 权限过滤，既保证业务边界清晰，又保证用户体验一致。三是"双维标签是安全与可用的平衡点"：渠道与知识类型的双维标注，让知识既开放又受控。

这些经验沉淀下来，成为 OntiCards 在金融行业知识管理方向的解决方案能力：以数据卡片承载知识资产的语义化表达，用统一的智能体编排让知识"一次建设、全行复用"。在 RAG 技术被广泛采用的今天，如何让检索更准、让权限更严、让答案可溯源，正是这类项目真正拉开差距的地方——而这也正是 OntiCards 四层架构想解决的核心问题。