金融

上海农商银行：八大智能体重构金融研发全流程

上海农商银行（股票代码：601825）

35%推理成本降低

30%回归测试时间减少

挑战

上海农商银行（股票代码：601825）是全国首家在农信基础上改制成立的省级股份制商业银行，2025年MSCI ESG评级跃升至AA级。

在数字化转型方面，该行是农信系统首家CIPS直接参与者，建成115家养老金融特色网点，完成对上海全部108个行政镇的「一对一」战略合作协议签署。在AI应用领域，该行起步较早——通过国家级企业集团数字档案馆建设试点验收，设立上海农商银行行业研究院，并持续投入金融科技研发。

金融科技部副总经理查晓隽在WAIC 2026上分享了该行的AI实践。面对业务技术协同薄弱、迭代周期冗长等瓶颈，该行构建了覆盖研发全流程的八大智能体体系。

该行构建了覆盖研发全流程的八大智能体体系：

八大智能体的核心设计理念不是替代研发人员，而是让每个环节都被AI增强——需求分析更快、代码质量更高、测试更全面、合规检查更实时。

除研发流程外，该行还推出了面向一线业务的「对公智能营销助手」智能体工具。该助手集成了两大核心功能模块：

访前透视镜——在客户拜访前自动整合企业基本信息、行业动态、历史交易记录、风险提示等数据，生成结构化的客户画像和拜访策略建议。

行研策略写作——基于大模型技术，辅助客户经理完成行业分析报告、授信方案和综合服务方案等专业文档的撰写，将原本需要多部门协作的复杂工作转化为智能体驱动的一站式输出。

目前，该工具已在部分支行率先落地试用，反响热烈，采用「先行先试、以点带面」的模式推进全行推广。

在算力层面，该行通过大模型网关和KVCache优化技术，实现了约35%的推理成本降低。

大模型网关的价值在于统一管理多个模型的调用，实现负载均衡、缓存复用和权限管控。KVCache优化则通过复用上下文缓存，在保证推理质量的前提下大幅降低计算开销——对于高频调用的对公营销场景，效果尤为显著。

这一降本路径对金融行业具有普遍参考意义。银行的AI调用量大但场景相对集中，通过网关统一管理和缓存优化，省下的不只是算力成本，还有模型调用的响应时间。

金融行业Agent的切入点在内部流程。 上海农商银行选择了研发流程而非客户服务作为Agent的首要落地场景——这既符合监管审慎的要求，也更容易量化ROI。当智能体生成的测试用例减少30%的回归测试时间时，效果直接体现在交付周期上。

算力优化先行，AI应用后行。 35%的推理成本降幅不是靠削减用量，而是靠工程化手段。大模型网关+KVCache的路径，适合所有需要控制AI成本的金融机构参考。

「先行先试、以点带面」是稳妥策略。 对公智能营销助手的推广模式——先在部分支行试点，积累反馈后再全行推广——既控制了风险，也避免了激进推行导致的抵触。

八大智能体的本质是流程再造。 上海农商银行的智能体布局不是为了替代某个岗位，而是重塑从需求到部署的完整流程。这种思路让AI成为工作流的有机组成部分，而非外部强加的负担。

总结： 上海农商银行的AI实践代表了金融行业Agent落地的一种范式——不追求激进替代，而是在合规框架内用智能体重构内部流程、用算力优化控制成本、用试点验证后再规模化推广。对于处于强监管行业的AI决策者，这条路径的参考价值远超技术方案本身。