<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>记忆体系 | 行业新闻_金融（点击查看更多）</title><description>搜索引擎 + AI 驱动的行业新闻【覆盖行业】信保 ｜出口 ｜金融 制造 ｜农业 ｜建筑 ｜地产  零售 ｜物流 ｜数智【访问入口】hangyexinwen.com【新闻分享】点击发布时间即可分享【联系我们】xinbaoren.com（微信内打开提交表单）</description><link>https://jinrong.hangyexinwen.com</link><item><title>⁣📰 当二十年老牌行情软件遇上 AI：大智慧的智能化跃迁之路-钛媒体官方网站本文讲述了阿里云与大智慧在金融行业推动 AI 原生改造的实践与思路</title><link>https://jinrong.hangyexinwen.com/posts/17689</link><guid isPermaLink="true">https://jinrong.hangyexinwen.com/posts/17689</guid><pubDate>Wed, 14 Oct 2026 02:26:59 GMT</pubDate><content:encoded>⁣&lt;br /&gt;&lt;b&gt;&lt;i&gt;&lt;b&gt;📰&lt;/b&gt;&lt;/i&gt; 当二十年老牌行情软件遇上 AI：大智慧的智能化跃迁之路-钛媒体官方网站&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;本文讲述了阿里云与大智慧在金融行业推动 AI 原生改造的实践与思路。金融数据资产丰富而复杂，单纯接入大模型难以治理幻觉与偏差，必须从底层数据治理、模型架构与应用形态全方位重构。项目以四大关键要素推进：一是数据治理，将原来服务于人类分析的数据转化为可供 Agent 使用的清晰、统一口径数据；二是 Agent 工程框架，从问答走向任务执行，通过编排层、工具执行层与 Skill 模块实现任务化能力，并设置安全沙箱以防止幻觉；三是记忆体系，建立长期、行为、交互、短时上下文的分层记忆，实现对用户的深度理解与个性化服务；四是评测体系，通过人机协同评估与线上灰度不断迭代，确保 Agent 的实用性。全栈支撑与安全合规是落地保障，FinXScope 2.0 提供统一的平台能力，模型分层（大模型负责推理，大模型以外的小模型负责执行与时效性）与弹性计算共同提升性能。最终，AI 原生改造不仅仅是一个 AI 对话框，而是把金融软件从数据提供者转变为理解并主动帮助投资的智能伙伴，推动金融服务向更高的智能化、场景化演进。&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🏷️&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;/search/%23%E9%87%91%E8%9E%8DAI&quot;&gt;#金融AI&lt;/a&gt; &lt;a href=&quot;/search/%23%E6%95%B0%E6%8D%AE%E6%B2%BB%E7%90%86&quot;&gt;#数据治理&lt;/a&gt; &lt;a href=&quot;/search/%23Agent%E6%A1%86%E6%9E%B6&quot;&gt;#Agent框架&lt;/a&gt; &lt;a href=&quot;/search/%23%E8%AE%B0%E5%BF%86%E4%BD%93%E7%B3%BB&quot;&gt;#记忆体系&lt;/a&gt; &lt;a href=&quot;/search/%23%E5%AE%89%E5%85%A8%E5%90%88%E8%A7%84&quot;&gt;#安全合规&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🔗&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://www.tmtpost.com/8166729.html&quot; target=&quot;_blank&quot;&gt;原文链接&lt;/a&gt;</content:encoded></item><item><title>⁣📰 银行业 AI Agent 的企业级架构——从“服务导向”到“智能导向”的体系化重塑本文基于银行真实实战经验，提出AI Agent在银行业从单点试点走向全行规模化应用所需的顶层设计与企业级架构蓝图</title><link>https://jinrong.hangyexinwen.com/posts/15524</link><guid isPermaLink="true">https://jinrong.hangyexinwen.com/posts/15524</guid><pubDate>Mon, 24 Aug 2026 02:17:12 GMT</pubDate><content:encoded>⁣&lt;br /&gt;&lt;b&gt;&lt;i&gt;&lt;b&gt;📰&lt;/b&gt;&lt;/i&gt; 银行业 AI Agent 的企业级架构——从“服务导向”到“智能导向”的体系化重塑&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;本文基于银行真实实战经验，提出AI Agent在银行业从单点试点走向全行规模化应用所需的顶层设计与企业级架构蓝图。文章首先分析了AI Agent广泛落地所带来的架构级挑战：交互范式从人找服务转变为人机协作与机器自主；架构拓扑从微服务走向Agentic Mesh；研发运营需从DevOps向LLMOps转型；数据资产向数智资产跃迁，以及在安全与合规方面的新防护要求。随后给出“4+1”架构蓝图：数据层、平台层、资产层、应用层和安全层并重，强调数据本体（FEBO）与数据治理的重要性，通过双模驱动的数据模型和本体模型并行推进，提升对复杂业务的语义理解与推理能力。平台层聚焦Agent开发运营一体化，记忆体层实现短期与长期记忆的联动，资产层构建统一的提示词、知识库、记忆体与技能库等数智资产，应用层实现统一入口与智能服务，安全层贯穿全链路的防护。文末还就平台选型、记忆体建设、资产归属、组织协作等待解困惑提出协商性建议，强调以企业级Agent架构驱动银行数字化向数智化演进。&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🏷️&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;/search/%23AI&quot;&gt;#AI&lt;/a&gt; Agent &lt;a href=&quot;/search/%23%E9%93%B6%E8%A1%8C%E6%9E%B6%E6%9E%84&quot;&gt;#银行架构&lt;/a&gt; &lt;a href=&quot;/search/%23LLMOps&quot;&gt;#LLMOps&lt;/a&gt; &lt;a href=&quot;/search/%23FEBO&quot;&gt;#FEBO&lt;/a&gt; &lt;a href=&quot;/search/%23%E8%AE%B0%E5%BF%86%E4%BD%93&quot;&gt;#记忆体&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🔗&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://www.53ai.com/news/AIjinrong/2026082495712.html&quot; target=&quot;_blank&quot;&gt;原文链接&lt;/a&gt;</content:encoded></item><item><title>⁣📰 4个开源AI工具让你本地部署深度研究、金融Agent、编程记忆和神经集群本文汇总介绍了一系列开源与本地化的 AI 研究与开发工具及应用场景，强调在隐私和离线环境下的必要性</title><link>https://jinrong.hangyexinwen.com/posts/11519</link><guid isPermaLink="true">https://jinrong.hangyexinwen.com/posts/11519</guid><pubDate>Sun, 17 May 2026 15:12:03 GMT</pubDate><content:encoded>⁣&lt;br /&gt;&lt;b&gt;&lt;i&gt;&lt;b&gt;📰&lt;/b&gt;&lt;/i&gt; 4个开源AI工具让你本地部署深度研究、金融Agent、编程记忆和神经集群&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;本文汇总介绍了一系列开源与本地化的 AI 研究与开发工具及应用场景，强调在隐私和离线环境下的必要性。首先，介绍 Local Deep Research 在本地离线运行的能力，基于 Qwen3.6-27B 模型，单 RTX 3090 即可实现高准确率，并支持多源检索与自定义源，提供多种研究策略与可扩展性。随后聚焦金融领域的 AI Agent 模板库，涵盖投行、证券研究、私募等场景，内置 10 个预构建 Agent，且对接多家数据商，部署方式简便，且有明确的开源路径。接着讲到 AI 编程助手 agentmemory，强调通过本地记忆服务器实现跨会话的自我进化和检索优化，三层记忆结构与混合检索提升了 LongMemEval 的准确性，且完全自托管。 Ruflo 平台则展示了将 Claude Code 扩展为可协调的 Agent 集群，具备自学习记忆与高效向量检索，支持跨机器协作及零信任安全。其他项目如 AiToEarn、UI-TARS Desktop、Vibe Coding、Academic Research Skills 等，覆盖从内容变现、桌面自动化、渐进式教学到学术写作的各类能力与应用，体现了广泛的开源生态与快速迭代特性。总体而言，这些方案强调自研、本地化、强隐私保护，以及通过多源协作与记忆优化提升 AI 应用的实用性与部署便捷性。&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🏷️&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;/search/%23%E5%BC%80%E6%BA%90&quot;&gt;#开源&lt;/a&gt; &lt;a href=&quot;/search/%23%E6%9C%AC%E5%9C%B0%E5%8C%96&quot;&gt;#本地化&lt;/a&gt; &lt;a href=&quot;/search/%23%E9%9A%90%E7%A7%81%E4%BF%9D%E6%8A%A4&quot;&gt;#隐私保护&lt;/a&gt; &lt;a href=&quot;/search/%23AIAgent&quot;&gt;#AIAgent&lt;/a&gt; &lt;a href=&quot;/search/%23%E8%AE%B0%E5%BF%86&quot;&gt;#记忆&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🔗&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://www.itsolotime.com/archives/35119&quot; target=&quot;_blank&quot;&gt;原文链接&lt;/a&gt;</content:encoded></item><item><title>⁣📰 Ztopia：基于 Milvus 与 Claude Code 打造企业级 Agent｜QCon北京本届 QCon 全球软件开发大会在北京聚焦 Agentic AI 时代的软件工程重塑，围绕多智能体协作、向量数据库、算力优化、技术债治理等前沿话题，汇聚腾讯、阿里、百度、华为、蚂蚁、小米、网易等企业的技术专家与百余项落地案例，分享从 AI 架构设计到实战落地的全流程经验</title><link>https://jinrong.hangyexinwen.com/posts/8776</link><guid isPermaLink="true">https://jinrong.hangyexinwen.com/posts/8776</guid><pubDate>Tue, 10 Mar 2026 13:11:20 GMT</pubDate><content:encoded>⁣&lt;br /&gt;&lt;b&gt;&lt;i&gt;&lt;b&gt;📰&lt;/b&gt;&lt;/i&gt; Ztopia：基于 Milvus 与 Claude Code 打造企业级 Agent｜QCon北京&lt;/b&gt;&lt;br /&gt;&lt;br /&gt;本届 QCon 全球软件开发大会在北京聚焦 Agentic AI 时代的软件工程重塑，围绕多智能体协作、向量数据库、算力优化、技术债治理等前沿话题，汇聚腾讯、阿里、百度、华为、蚂蚁、小米、网易等企业的技术专家与百余项落地案例，分享从 AI 架构设计到实战落地的全流程经验。演讲聚焦 Zilliz 合伙人栾小凡关于 Ztopia 的企业级 Agent 架构，以 Milvus 向量数据库作为记忆基础、Claude Code 为推理引擎，打通 20+ 企业工具链，探讨记忆的存储、检索、更新与遗忘、记忆一致性，以及上下文窗口管理、权限与成本平衡等工程挑战。大会还覆盖 Agentic Engineering、跨模态理解与生成、AI 原生基础设施等主题，提供从零到落地的踩坑经验与技术细节，帮助参与者理解如何将 AI 应用落地并实现可观测性与治理.&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🏷️&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;/search/%23AI%E8%90%BD%E5%9C%B0&quot;&gt;#AI落地&lt;/a&gt; &lt;a href=&quot;/search/%23%E5%90%91%E9%87%8F%E6%95%B0%E6%8D%AE%E5%BA%93&quot;&gt;#向量数据库&lt;/a&gt; &lt;a href=&quot;/search/%23Agentic&quot;&gt;#Agentic&lt;/a&gt; AI &lt;a href=&quot;/search/%23%E4%BC%81%E4%B8%9A%E7%BA%A7Agent&quot;&gt;#企业级Agent&lt;/a&gt; &lt;a href=&quot;/search/%23%E8%AE%B0%E5%BF%86%E7%B3%BB%E7%BB%9F&quot;&gt;#记忆系统&lt;/a&gt;&lt;br /&gt;&lt;br /&gt;&lt;i&gt;&lt;b&gt;🔗&lt;/b&gt;&lt;/i&gt; &lt;a href=&quot;https://www.infoq.cn/article/DCo7S8AHJiZ0tbks5QIH&quot; target=&quot;_blank&quot;&gt;原文链接&lt;/a&gt;</content:encoded></item></channel></rss>