腾讯金融合规 Agent 实战：32B 小模型、Skill 化规则与双轨自进化

分享嘉宾｜巫晓杰（腾讯 高级算法工程师）
编辑整理｜姚昊    内容校对｜韩珊珊    出品社区｜DataFun

01
人工审核为什么扛不住：风险早已不只藏在文案里

金融营销合规审核并非简单的文案检查。从公开监管案例来看，违规问题主要集中在两方面：一是流程缺失，如宣推海报未经有效合规把关，存在风险揭示和人员资质问题；二是选择性披露，仅展示局部亮眼业绩而隐瞒完整表现。

这两类案例表明，一次完整的合规判断需同时核对内容、数据、主体和流程，最终形成完整的证据链。

此外，审核对象已从纯文本（客服消息、App弹窗）扩展至海报、Banner、产品长页、短视频和直播等多模态素材。传统“接收素材—排队分派—人工判断—抽检复核”的线性流程中，素材量的增长直接意味着人力的同步扩张。这导致了覆盖率不足、审核周期长（以天/周计）、判断标准不一等问题，且新规发布后人工难以快速适应标准落地窗口期。

为此，系统将目标重新定义为四个核心能力：看得全、判得快、判得准、跟得上，将多素材统一接入、发布前审核、稳定复核和新规快速生效转化为系统级能力。

02
把法规变成 Agent 能执行的规则：从长图解析到证据链

整体在线链路设计为：待审素材进入后，先进行多模态解析与主体/场景识别，再执行 Skill 规则路由、风险推理、证据锚定与反向验证，最终输出风险标签、等级、违规证据、依据条款和修改建议。其底层支撑能力包括感知解析、工具调用、规则策略、合规推理、知识与记忆；离线侧则负责规则 Skill 化治理、规则自进化和模型数据飞轮。

感知解析：图像识别与长图解析挑战

基金宣推长页通常包含产品信息、业绩图表、基金经理介绍及底部风险提示，需兼顾内容完整与视觉空间关系。纯 OCR 会丢失图表与位置信息；而通用多模态模型处理长图时，易漏掉底部小字、产生幻觉或无法解析复杂图表。

工程上采用三阶段处理方案：先按视觉边界、背景变化和 OCR 文字框做语义切图（保留相邻重叠）；再逐片输入多模态模型提取文字、图表及位置关系；最后按原图坐标排序、去重并语义拼接。改造后，召回率从 90.15% 提升至 97.59%，F1 从 94.73% 提升至 98.67%，漏字率降至 2.41%，平均耗时由 16 秒微增至 21 秒。

合规规则底座与 SKILL 化治理

规则底座分为基础法律、金融专项规则、内容与 AI 治理三层，并持续接入监管通报与行业自律规则。每条入库规则均附带法规文号、原文、适用主体/场景、状态及案例依据，确保可追溯。

法规原文直接交由 Agent 存在五个执行断点：内容冗长分散、边界抽象、适用范围不清、缺乏证据与处置结构、新旧版本口径漂移。对此，工程改造分五步：按主体/产品/渠道/时间映射；条款原子化（主体/行为/对象/条件/例外/阈值）；构建适用范围矩阵；补齐决策条件与人工路由；通过正/反/边界例验证后版本化发布。

在基金宣推场景中，标签体系负责路由，结构化规则负责判定，全面覆盖宣传表述、历史业绩、指数数据等风险维度。

随着规则增多，全量输入 Prompt 会导致 Token 开销线性激增。系统采用两级渐进式披露：核心定义常驻 Prompt 进行高召回初筛；命中风险后，再加载对应 Skill 的边界、例外与历史案例，确保单次推理仅关注相关规则子集。

工具调用与证据锚定

合规结论依赖动态事实（如“固收+”需结合真实持仓）。系统先进行实体消歧，规划数据源与查询字段，通过 MCP 参数化调用外部接口。数据经多重校验后，生成带时间戳和工具版本的证据快照。数据异常时自动降级至人工复核。

合规判断不是终点，证据才是可交付物。系统将结论反向映射回原图坐标（文字字符框、视觉对象框、像素轮廓等），结合 EasyOCR、Grounding DINO、SAM 完成精准定位。

03
为什么还要训小模型：金融合规要的不是“通用能力”

自研模型：小参数、高准召、低时延

通用大模型在金融审核场景面临四大痛点：垂直风险识别准召率仅 30%-40%；大参数模型推理慢（达 128 秒）且算力成本高；通用训练目标难以满足“高召回优先”的业务要求；长 Prompt（约 15k token）易导致注意力分散。因此，团队聚焦于训练高准召、低时延、长上下文定位的合规专项小模型。

训练分为数据合成、指令微调（SFT）、奖励模型与强化学习（RL）三个阶段。

数据合成采用正反向双路径：反向从金标风险样本修正生成无风险文本，再按标签生成新样本；正向处理无标注素材，通过 OCR、长图拆分与多模型打标合并，并经人工确认。

SFT 专注于审核要求与结构化输出，避免过度训练；RL 则基于合规四元组与各类反例构造 Pair 偏好数据，训练 Model-based 与 Rule-based 奖励模型。

SFT/RL 组合的三个关键决策：数据覆盖原生/合成、有/无风险及长尾类别；SFT 保持轻量以释放 RL 探索空间；基座选择采用 Pass@8 评估潜在上限。

强化阶段的目标函数按业务调整：合规审核更惧漏检，因此采用 F2 指标，将召回权重放大至精确率的 4 倍。

04
规则今天改，能力明天长出来：双轨自进化怎么跑

合规规则自进化

“自进化”并非让 Agent 自行修改规则并上线。系统输入来自法务复核的误判/漏判、主动扫描的监管信号及规则冲突检测。AI 负责归纳规则盲区并生成建议，法务进行确认或驳回。确认后的规则直接进入规则库，下次推理动态加载，无需重训模型，更新频率可达小时级。

双轨自进化机制

规则轨解决“今天的问题今天改”，将法务反馈直接转化为 Skill 更新；模型轨负责将经验沉淀为能力，把确认/修正/驳回标签转化为强化学习信号，周期性进入 GRPO 再训练。两轨共用同一真实反馈源，分别处理短周期规则变化与深层模型能力演进。

落地效果与结论

落地结果显示：审核从抽检转为全覆盖，周期从 3-5 天缩短至分钟级；专项模型召回率 95%+、精确率 80%+；单次推理从 671B 模型的 128 秒降至自研 32B 模型的 40 秒，耗时下降 69%，算力成本节约 75%；规则更新从周级缩短至 AI 辅助归纳的小时级。

实践得出三个核心判断：在垂直、低容错且标准明确的任务中，小模型胜过通用大模型的关键在于数据、训练范式和目标函数是否贴合业务；相比堆砌 Prompt，将工程投入聚焦于 Harness、Skill 化治理和证据锚定 能显著提升可靠性；自进化必须保留人的决策权，AI 提建议、法务确认、系统留痕，反馈再分流至规则快轨与模型慢轨。

05
现场问答

Q1：这套 Harness 是从零搭建，还是基于开源智能体二次开发？
A：该场景此前已有长期的工具化积累，因此未直接套用通用 Harness，而是围绕已有链路自行搭建。

Q2：基金宣推审核大概有多少个 Skill？
A：基金场景有 20 多个 Skill，本质上按风险拆分。更广的业务范围合计达数百种，但每次仅根据业务、主体和条件按需加载。

Q3：什么场景更适合做垂直微调？
A：当需求量大、任务难度高、边界明确、评估标准规则化，且具备充足场景数据时，垂直模型收益更稳定。分享中使用的是 32B 模型。团队观察到明显的“跷跷板效应”：垂直能力提升后通用能力通常会下降，若两者兼顾，往往需由不同模型分担。