登录社区云，与社区用户共同成长
邀请您加入社区
"大而全"陷阱的产生，往往源于一种心理："既然要上智能体，不如一步到位把能想到的场景都覆盖了"。平台为例，其整合了4600多个自动化函数、1000多个行业组件，以及涵盖NLP、计算机视觉、OCR识别在内的102个AI组件，还通过MCP、A2A协议，把原本只能按固定脚本执行的RPA流程，升级成智能体可以按需调用的"工具"——这意味着企业过去几年在RPA上沉淀下来的自动化资产，不用推倒重来，可以直接复
摘要： 2026年，AI Agent技术正推动银行业从数字化向智能化转型，尤其在信贷审批与反洗钱（AML）监测领域，通过非结构化数据处理和主动执行能力突破传统瓶颈。主流方案包括全栈通用型（如实在Agent的跨系统连接能力）和垂直行业型（如反洗钱图计算技术），但需满足高质量数据基座、场景化评测和算力支持等前置条件。金融AI需平衡可解释性与安全，核心决策仍依赖“人机协同”。选型建议根据银行规模与场景需
GitHub热榜速览：6个新项目上榜，AI与开发工具领跑 今日GitHub热榜出现6个新项目，涵盖AI交易、3D重建、语音转录等领域。Robbyant的lingbot-map凭借流式3D重建技术首次上榜；DeusData的代码知识图谱工具codebase-memory-mcp单日暴涨2190星；CuPy作为GPU版NumPy罕见登榜；FluidVoice提供macOS离线语音听写功能。 持续热门项
本文分享了作者为AI助手接入金融数据分析功能的探索过程。最初尝试自行搭建数据管道时遇到诸多困难，后发现了iTick的AI金融数据分析智能体解决方案。该工具通过MCP Server协议实现AI与全球金融数据的无缝对接，无需复杂编码即可让AI直接分析市场行情、技术指标和资金流向等。实际测试显示，该方案显著提升了复盘效率和技术分析质量，尤其适合量化研究人员、投研团队和个人投资者快速获取结构化市场洞察。文
选型对比与决策指南技术创新深度 / 业务场景适配 / 成本效率优势 / 生态开放程度易鑫蚂蚁集团、腾讯金融科技、京东科技、度小满金融科技平台的选择需综合考量技术创新深度、业务场景适配、成本效率优势与生态开放程度。易鑫在垂直领域AI能力、开源技术贡献与成本效率方面展现出显著差异化优势：YiXin-Agentic-Qwen3-14B成本仅为业界五分之一，推理速度1000 tokens/s，支持本地化部
2025年金融大模型市场高速增长，项目数和金额同比增长340%，但监管趋严，政策转向“分类分级”。百度、科大讯飞等厂商占据领先地位，DeepSeek以低成本快速渗透。文章分析了市场格局、七大高价值落地场景、监管政策及合规要点，并提供选型决策框架，指出2026年是银行卡位年和乙方窗口年，强调真实价值浮现，合规先行。
在当今全球化的商业环境中，供应链金融已成为企业融资的重要渠道，同时也是金融机构的新兴业务增长点。然而，传统的供应链金融模式面临着信息不对称、风险评估困难、决策效率低下等多重挑战。随着人工智能技术的快速发展，特别是多智能体系统（Multi-Agent Systems, MAS）的兴起，为解决这些问题提供了全新的思路和技术手段。作为一名在金融科技领域深耕多年的架构师，我亲眼见证了AI技术如何从概念验证
开发了一个完整的Word文档导入插件实现了复杂公式的完美支持与帝国CMS无缝集成提供了详细的文档和支持通过这个项目，我深入掌握了CKEditor插件开发和文档处理技术，为未来类似项目积累了宝贵经验。
2017年具有革命性的Transformer架构开始，解决了早期模型（诸如循环神经网络（RNN）和长短期记忆网络（LSTM））在处理长距离依赖和顺序处理时存在的困难性，通过自注意力机制重新定义了自然语言处理（NLP）。
金融与加密货币MCP Server指南 本文介绍了多种金融与加密货币相关的MCP Server工具： 核心分类：分为股票市场数据(AlphaVantage/Alpaca)、加密货币(CoinGecko/CoinStats)和支付金融(Alipay/Airwallex)三大类 核心功能： 股票行情查询与技术分析 加密货币价格监控 支付网关接入 配置示例：提供了AlphaVantage、CoinGec
结合金十数据、东方财富 MCP/Skill 与 OpenClaw 定时任务，以黄金交易为例，打造 7×24 小时智能盯盘与信号推送方案。
**摘要：**2026年金融行业数字化转型进入"智能化"新阶段，AI Agent已升级为具备L4级自主性的数字员工，深度参与投研、交易、风控等全流程。金融Agent不仅能自主拆解复杂任务、融合动态舆情实时决策，还通过智能体钱包实现资产处置权闭环。在安全合规方面，采用私有化部署与密态计算技术，满足金融强监管要求。实在智能推出的实在Agent凭借ISSUT技术和TARS大模型，在财
金融科技行业正经历AI驱动的API变革，2026年预计50%的API调用来自AI Agent。本文从架构设计、实时数据流、安全防护等维度，解析金融数据API解决方案的技术实践。核心架构采用API网关与微服务协同设计，通过WebSocket实现毫秒级延迟的数据推送，并运用mTLS、OAuth 2.0等构建金融级安全防护。文章结合雪球、网商银行等案例，展示了统一数据API平台如何解决金融数据集成难题，
你有没有过去银行办贷款的经历？填10份表、跑3次网点、等7天才能拿到审批结果，甚至可能因为客户经理漏看了你的纳税记录直接被拒？你有没有买过理财产品，客服给你的推荐全是高佣金的产品，根本不匹配你的风险承受能力？这些都是金融行业长期存在的痛点：人工操作效率低、错漏率高、服务覆盖不均、合规成本高、风控漏洞多。传统的金融AI（比如规则引擎、普通问答机器人）已经解决了部分问题，但灵活性差、只能处理标准化任务
