《北京金融科技產業聯盟：2025基于大模型的企業架構建模助力銀行數字化轉型應用研究報告（66頁）.pdf》由會員分享，可在線閱讀，更多相關《北京金融科技產業聯盟：2025基于大模型的企業架構建模助力銀行數字化轉型應用研究報告（66頁）.pdf（66頁珍藏版）》請在三個皮匠報告上搜索。

1、基于大模型的企業架構建模助力銀行數字化轉型應用研究報告北京金融科技產業聯盟2025 年 2 月版權聲明本報告版權屬于北京金融科技產業聯盟，并受法律保護。轉載、編摘或利用其他方式使用本白皮書文字或觀點的，應注明來源。違反上述聲明者，將被追究相關法律責任。編制委員會編委會成員：聶麗琴劉雷朱道剛馮春龍柳元鑫王文強劉剛鄭江奎李鋒裴亞民汪宗斌編寫組成員：馬祥遠張建華尹劍翀臧亮坤劉亞張文怡殷偉王崇成周星耀杜昆鵬沙偉方宇倫張少敏石文娟姜帆王哲宋昊暘趙晉強高宇張笑冬陳國中賴欣黃彪石聰秦小波馬姚編審：黃本濤劉昌娟參編單位：北京金融科技產業聯盟秘書處交通銀行股份有限公司中國銀聯股份有限公司中國農業銀行股份有限公司

2、國家開發銀行興業銀行股份有限公司中國光大銀行股份有限公司上海浦東發展銀行股份有限公司華為技術有限公司北京信安世紀科技股份有限公司北京同創永益科技發展有限公司目錄第 1 章 研究背景：洞察時代脈搏，探尋企業架構發展之源.1（一）銀行數字化轉型的迫切性.1（二）企架是銀行數字化轉型的首選路徑.4（三）大模型時代的到來.5第 2 章 現狀剖析：銀行企業架構的現狀審視與問題透視.7（一）企業架構模型介紹.7（二）同業實施現狀.17（三）企業架構存在的問題.25第 3 章 方法探索：大模型賦能，探索企業架構建設新路徑.27（一）實施思路.27（二）技術路線.29（三）輔助規范業務資產.36（四）輔助生成

3、企架模型.40（五）輔助生成結構化需求.44第 4 章 實施方案：融合大模型，構建企業架構資產平臺.54（一）架構設計.54（二）關鍵技術點.55（三）典型應用場景.57第 5 章 總結展望：回顧與前瞻，繪制企業架構的未來圖景.59參考文獻.621第 1 章 研究背景：洞察時代脈搏，探尋企業架構發展之源（一）銀行數字化轉型的迫切性（一）銀行數字化轉型的迫切性數字化轉型，是通過深化應用新一代信息技術，激發數據要素創新驅動潛能，建設提升數字時代生存和發展的新型能力，是加速業務優化、創新與重構，創造、傳遞并獲取新價值，實現轉型升級和創新發展的過程。11.國家戰略要求銀行進行數字化轉型1.國家戰略要求

4、銀行進行數字化轉型近年來，我國政府對數字化轉型非常重視，相關部門連續出臺各項政策引導數字化轉型：2019 年 12 月，原銀保監會發布中國銀保監會關于推動銀行業和保險業高質量發展的指導意見2專門提出要堅持科技賦能，轉變發展方式，為銀行保險機構創新發展提供有力支撐。2020 年 9 月，國資委發布關于加快推進國有企業數字化轉型工作的通知3，為國有企業提供了數字化轉型的戰略方向和行動指南，明確了轉型的目標、路徑和措施。通知特別強調了數字化轉型對于提升國有企業競爭力的重要性，將數字化轉型作為改造提升傳統動能、培育發展新動能的重要手段，將數字化轉型上升到了國家戰略高度。2021 年 3 月，全國人大常

5、委會發布中華人民共和國國民經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要4，文中專門指出，要加快數字化發展、打造數字經濟新優勢，優化金融體系結構，深化國有商業銀行改革，加快完善中小銀行和農2村信用社治理結構，規范發展非銀行金融機構，增強金融普惠性，穩妥發展金融科技，加快金融機構數字化轉型。2021 年 12 月，國務院關于印發“十四五”數字經濟發展規劃的通知5中，專門強調要充分發揮數據要素作用，要全面加快金融領域數字化轉型，合理推動大數據、人工智能、區塊鏈等技術在銀行等領域的應用發展智能支付、智慧網點、智能投顧、數字化融資等新模式，穩步推進數字貨幣研發，有序開展可控試點。2021

6、年 12 月，人民銀行印發金融科技發展規劃（20222025 年）6的通知，明確了金融數字化轉型的總體思路、發展目標、重點任務和實施保障；原銀保監會則發布了關于銀行業保險業數字化轉型的指導意見7，截至到 2025 年，銀行業保險業數字化轉型取得明顯成效為工作目標，為銀行業和保險業的數字化轉型提供了明確的戰略方向。上海、北京、天津、河北、山西、黑龍江、遼寧、吉林、安徽、江蘇、浙江、廣東、四川、貴州、西藏、廣西、青海、甘肅、內蒙等地，也紛紛出臺相關數字化轉型政策，大力推動數字化轉型與數字中國的建設工作。2.同業競爭驅動銀行進行數字化轉型2.同業競爭驅動銀行進行數字化轉型目前世界經濟呈現高通脹、高利

7、率、高債務、低增長、低貿易的“三高兩低”態勢；國內經濟增長雖然相對穩定，但因全球3經濟增長放緩和不確定性的增加，企業信貸需求減少，個人消費支出下降，銀行的貸款和零售業務受到了相當的影響。受經濟形勢的影響，國內商業銀行之間的競爭日趨激烈：為響應政府鼓勵普惠金融發展的政策號召，在低迷的經濟形勢下尋求新的增長點和發展機會，近年來國有大型銀行不斷下沉服務重心，將金融服務延伸到縣級及以下市場，包括鄉鎮和農村地區，擴大對普惠小微群體融資供給“空白地帶”的覆蓋，為原先從未從銀行獲得貸款的客戶提供金融服務。這些國有大行在下沉過程中往往面臨獲客成本高、服務成本高、風險成本高的挑戰，為了應對這些挑戰，為了更好地服

8、務這些市場，保持自身市場地位，大行必須開發更適合當地需求的產品和服務，運用先進的金融科技手段降低服務成本，提高服務效率。面對國有大行的“返鄉”，中小銀行則感受到極大的競爭壓力，原先由地方性小型銀行主導的市場面臨著來自大行的巨大沖擊，市場競爭日益加劇，部分小銀行正在失去優質客戶，市場份額被大行蠶食。如何通過差異化競爭、強化社區聯系、提供更加個性化的服務、獲得競爭優勢成了這些中小銀行的當務之急。3.新金融業態驅動銀行進行數字化轉型3.新金融業態驅動銀行進行數字化轉型與此同時，新金融業態的產生也驅動著銀行業加快變革商業模式和經營方式。隨著互聯網與金融科技企業、第三方支付等機構紛紛入局，在他們潛移默化

9、的影響下，客戶逐漸形成了“互聯網思維”，對于互聯網的依賴越來越大，對數字化服務的需求越4來越高，特別是年輕一代客戶，更傾向于使用數字化渠道進行銀行交易。在“新政策”“新業態”“新技術”三重因素的疊加影響下，銀行業變革商業模式和經營方式成了大勢所趨如果一家銀行未能跟上這些創新步伐，可能會失去市場份額給那些已經采取行動的競爭對手。因此，如何提供更快捷、更方便的服務，從而吸引更多客戶，同時降低成本、管理風險，有效管理資產質量，成了所有商業銀行關注的重點。對銀行業而言，數字化轉型已不是“選擇題”，而是關乎生存和長遠發展的“必修課”。（二）企架是銀行數字化轉型的首選路徑（二）企架是銀行數字化轉型的首選路

10、徑在數字化轉型的過程中，銀行更重視對自身業務流程、服務模式、組織結構和管理體系進行全面升級，以擴展業務覆蓋范圍、改善客戶服務體驗、提升風險管控能力、提高銀行內部運營效率、降低公司運營成本、挖掘數據資產價值、探索全新商業模式為切入點，運用各類新興技術，對傳統金融行業的產品和服務進行創新和改進，嘗試重構產品和服務流程、重塑銀行體系，以持續提升信息時代企業的生存和發展能力，加速業務優化升級和創新轉型。以上這些訴求，與企業架構工程的內容和價值高度契合。實際上，金融監管部門連續出臺的數字化轉型政策，早已多次提及“企業架構”相關概念：早在 2020 年，國資委在關于加快推進國有企業數字化轉型工作的通知中即

11、明確提出要“以企業架構為核心構建現代化5IT 治理體系，促進 IT 投資與業務變革發展持續適配”2，專門強調了企業架構的在數字化轉型過程中重要性。2022 年初，原銀保監會的關于銀行業保險業數字化轉型的指導意見中提出“加快推動企業級業務平臺建設，加強企業架構設計，實現共性業務功能的標準化、模塊化”5，也與企業架構工程的內容和價值高度契合。國資委發布的 關于加快推進國有企業數字化轉型工作的通知以及原銀保監會出臺的關于銀行業保險業數字化轉型的指導意見提出的要求均與企業架構工程的內容和價值高度契合。各家銀行也逐漸認識到企業架構應當成為銀行開展數字化轉型的首選路徑。如何通過企業級架構建模方法論從業務、

12、IT、應用、數據和技術架構等層面打造銀行企業級全能力地圖，沉淀企業級架構資產，構建企業級工程方法，是金融機構進行差異化競爭的關鍵之舉。（三）大模型時代的到來（三）大模型時代的到來大模型技術，尤其是大型語言模型，近年來在技術領域取得了顯著的進展。這些模型通過海量數據的預訓練，在自然語言處理任務上展現出了卓越的性能。隨著計算能力的增強和算法的不斷優化，大模型的規模和參數數量急劇增加，從百萬級別擴展到千億級別，顯著提升了模型的學習能力和泛化能力。此外，大模型正在逐步向多模態學習領域發展，能夠處理包括文本、圖像和聲音在內的多種數據類型。6金融行業是大模型技術應用的前沿領域之一。在風險管理、信貸審批、市

13、場分析和客戶服務等方面，大模型已經開始發揮重要作用。例如，通過深入分析交易數據和用戶行為，模型能夠預測市場趨勢并識別潛在風險。在信貸審批過程中，大模型能夠輔助評估借款人的信用狀況，提高審批流程的效率和準確性。金融機構也利用大模型來提升客戶體驗，通過智能客服和個性化推薦來滿足客戶需求。隨著監管科技的發展，大模型也被用于滿足反洗錢和客戶身份識別等法規要求。大模型技術正在深刻地改變銀行業務的形態。自動化和智能化的提升使得銀行能夠以更低的成本提供更高效的服務。個性化服務的實現，基于客戶的歷史數據和行為模式，為客戶提供定制化的金融產品和服務。此外，大模型技術還能夠增強銀行的決策支持系統，通過深入分析市場

14、數據和內部信息，幫助銀行制定更精準的業務策略。在合規性方面，大模型技術的應用有助于銀行更好地遵守法規，降低違規風險。同時，大模型技術還為銀行帶來了新的業務模式，例如基于區塊鏈的金融服務，這將進一步推動金融行業的創新和發展。隨著技術的不斷進步，大模型在金融行業的應用將更加廣泛和深入，不僅成為提高效率和降低風險的重要工具，更是推動金融行業創新和發展的關鍵驅動力。金融機構需要不斷探索和利用大模型技術的潛力，以適應快速變化的市場環境，保持競爭力。同時，也需要關注大模型技術可能帶來的倫理和隱私問題，確保7技術的應用符合社會價值觀和法律法規的要求。這不僅涉及技術層面的挑戰，也涉及對金融行業未來發展方向的深

15、刻理解和預見。第 2 章 現狀剖析：銀行企業架構的現狀審視與問題透視（一）企業架構模型介紹1.整體介紹（一）企業架構模型介紹1.整體介紹企架業務模型是一種多維透視的業務需求表達方式。類比建筑行業中的不同繪圖方式，從簡筆畫到線描圖再到透視圖，所表達的精確度和結構化程度依次加深。業務模型采用結構化的描述方式，如同透視圖一般，可以從不同視角展現企業業務運營體系。經過十多年的實踐檢驗，企業架構作為銀行數字化轉型有效路徑的價值已經得到了業界的廣泛認可。在戰略落地層面，企業架構能夠打破部門壁壘，塑造企業級視角，建設企業級能力平臺，從而實現戰略的高效拆解與精準落地，同時做到項目資產的復用，避免重復建設。在業

16、技融合層面，企業架構能夠統一業務與 IT溝通語言，優化協同機制，從而推進復雜需求的結構化管理。2.重要概念2.重要概念業務模型：對銀行業務進行抽象，采用一定的方式（圖形、符號、文字等）對業務過程、業務概念、產品、用戶體驗的結構化分類、分層描述。戰略目標：是企業一定時期內，根據其資源和能力，為實現長遠發展和競爭優勢所設定的一系列的目標，這些目標通常與企業的使命和愿景緊密相關。8能力模型：用自上而下的方法分析業務戰略目標，拆解為可執行并可落地實現的能力。流程模型：用標準化的方式對業務過程中事件、活動、角色、任務等進行分層結構化描述。數據模型：從數據視角對業務過程中的業務信息進行抽象，根據一定的規則

17、得到邏輯化的、分層化的數據視圖。產品模型：對銀行產品的功能、限制約束等業務特征信息的結構化描述。業務架構：從企業級視角規劃支撐業務經營要素的整體結構、相互關系和原則標準，為實現企業戰略目標和戰術需求的匹配，對企業當前和未來狀態的設計、框架和行為等內容結構化表達，抽象業務模式，最終實現業務標準化、組件化。業務領域：緊密關聯的業務活動的集合，該集合向各業務角色提供完備的業務價值。業務規則：業務規則是業務服務過程中必須遵守的約定，既包括常見的業務制度，如銀行中大量的內部經營管理制度，也包括產品服務承諾。業務規則一旦建立，就會形成對業務的指導和對崗位的約束。業務組件：功能內聚的業務能力分組，具有相似資

18、源、人和專業技能的任務的組合，是獨立的業務模塊，擁有獨立運營的潛力。業務對象：反映業務本質的、一組關聯實體的集合。遵循高9內聚松耦合的原則，關聯的實體沒有重復沒有缺失。IT 架構：指導 IT 設計決策的 IT 框架，是承接業務架構的容器，與業務架構結合為企業打造適合業務的 IT 信息化建設綜合藍圖。傳統需求：指未經過建模的、非結構化的，以行內傳統格式書寫并以傳統方式提出的業務需求。研發過程：指產品或服務等業務需求功能化、具象化的過程，一般從業務需求設計開始，到上線后版本迭代結束。3.模型定位3.模型定位傳統方法中，從業務需求到開發呈現垂直式體系結構，易造成系統孤島。在傳統過程中加入企業級建模后

19、，整體起到承上啟下的作用。（1）向上梳理業務收斂需求，將不斷變化的場景需求通過業務建模轉換為模型的參數變化，以相同的組件支撐多變的需求，規劃出穩定又靈活的業務架構；（2）向下以業務架構指導 IT 架構的承接，將結構化組件化的業務特征映射到系統，使業務目標真正落到實處。企業級建模橫向貫穿從業務到技術的整個實施路徑，縱向貫穿整個企業所有業務領域，作為一種標準化的方法、標準化的語言貫徹整個企業前中后臺。企業級建模過程中，也將企業級三個視角的旅程貫穿始終。（1）客戶旅程，站在客戶視角體現全流程的客戶體驗管理，10洞察痛點問題，發現改善機會；（2）用戶旅程，站在行內用戶的視角全面評估用戶任務執行流程，做

20、到崗位精簡，效率提升；（3）管理旅程，立足于管理者視角，提供高階的靈活配置，將業務與管理融合。通過企業級建模，將三個旅程從業務中提煉出來，并落實到具體的 IT 系統。4.建模內容4.建模內容（1）業務模型業務模型由能力模型、流程模型、數據模型、產品模型及相互關系構成。能力模型：能力模型的目標是幫助人們理解現狀的業務、發現存在的問題、并提出改進的方案。通過分解企業整體戰略目標、發現行內核心業務現狀痛點，明確企業核心能力并對這些能力，進行定義和描述，在此基礎上進行能力分解與分級，按照業務模型的層級、粒度和視角進行識別、細化。流程模型：流程模型的目標是精準描述業務需求，說明流程、數據、產品的結構銜接

21、關系。11通過業務現狀梳理、業務現狀建模、引入能力需求、業務目標建模和業務組件聚類等工作，對業務流程及產品功能進行梳理，將業務流程進行領域、價值流、活動、任務和步驟的五級拆分、并進行歸類合并和標準化。產品模型：產品模型的目標是通過對產品現狀信息及產品功能的梳理，支撐銀行產品組件化、模塊化、參數化的需要。產品模型包括產品線、產品組、基礎產品、產品組件、產品條件等內容，根據不同的業務領域自身特點，采取自上而下、自下而上或者自上而下和自下而上相結合的三種方式來識別歸納出基礎產品、產品組件及產品條件。數據模型：數據模型的目標是對業務概念進行邏輯化的、一致的表述，用數據語言說明業務需求，體現業務規則，從

22、根本上、系統性解決數據不一致等數據問題，指導各應用數據模型統一設計。數據模型采用自上而下確定主題域模型；再自下而上從流程和產品模型、業務需求及存量庫表中抽象出實體及屬性，不斷迭代完善，建立各主題域包含的業務對象、關鍵實體及實體間的關聯關系。作為業務建模的核心內容，流程、產品、數據模型共同承接各個層級的業務戰略視圖。業務戰略視圖由上至下分為四層，最高層是戰略層視圖，主要描述全局的、整體的高階架構內容；第12二層是管理層視圖，描述了重點架構內容，關注其中的關聯性、可控制性；第三層是設計層視圖，主要描述各個解決方案的架構內容，注重于可實現性；最后一層是實施層視圖，描述的是具體的落地內容，關注可操作性

23、。流程、產品、數據模型本身就具有由上至下的分層結構化特征，各個層級的產出物內容與各層業務視圖相映射，形成“四橫三縱”的整體框架。（2）模型與架構業務架構是企業級建模產出物的一種集成形式，整體遵循高內聚松耦合的原則把各個模型按照特定模塊進行拆分，使得集成后的業務架構能夠完整表達業務戰略，同時也能靈活地承接未來的業務調整變化。業務架構由業務領域、業務對象、業務組件構成。業務領域是流程建模中緊密關聯的業務活動的集合，業務對象是數據模型中緊密關聯的實體的集合，業務組件整合了流程建模中的任務、數據建模中的實體，不同業務組件之間形成高內聚松耦合的關系。業務組件與業務領域是支撐關系，一個業務組件可以被不同的

24、業務領域使用，但不屬于任一業務領域，應單獨管理；業務組件與業務對象是歸屬關系，一個業務組件至少對應一個業務對象，一個業務對象只能映射到一個業務組件。（3）模型與傳統需求通過企業級建?？梢跃_、完整地還原和表達傳統業務需求，將傳統業務需求通過企業級建模的方式傳導給 IT 設計和開發。13通過能力模型、產品模型、流程模型、數據模型承接傳統需求中產品參數類需求、流程規則類需求、業務信息類需求。此外業務模型還需要體現與其他需求的關系，其中查詢類需求、屏幕類需求、接口類需求、關聯系統需求、會計核算需求、報表需求、憑證打印需求、非功能性需求需要完成與業務模型對接，對接工作包括業務模型與各類需求的關系、業務

25、模型承接各類需求的層級、顆粒度及對接規則和示例。（4）模型與開發IT 實施過程應完全承接前序建模產出結果，以業務架構指導 IT 架構，IT 架構支持業務架構的落地。IT 架構包括應用架構、數據架構、技術架構、安全架構，其中受業務架構影響的主要為應用架構和數據架構。業務領域的活動會指導 IT 設計中系統用例里事件流的串接，業務組件指導聯機服務、批處理服務、數據服務的設計，其中的輸入、輸出信息和控制邏輯來自業務組件中任務的輸入、輸出，C 和 D 模型（即IT 庫表設計）承接和擴展了業務對象中的實體結構。另外，產品建模的產品條件能指導微服務設計參數化，微服務可接受產品工廠的可售產品配置文件，當所有的

26、產品條件確定后，每個微服務的內部控制邏輯可根據產品條件的取值執行既定的分支處理。IT 實施時除了承接企業級建模中的業務架構外，也應當考慮技術側的問題，增加技術端對于應用、數據、安全等問題的考量和解決方案，融入 IT 架構中。14（5）模型與工具產品工廠是在企業級建模的基礎上特有的提供給產品經理使用的、能夠快速組裝配置產品、使產品快速更新迭代響應市場的工具，產品工廠一方面在建模過程中從資產管理平臺同步產品建模的結果，一方面在實際生產上將產品配置結果信息同步給各個系統。除了產品工廠，資產管理工具作用于整個企業級建模實施過程，一方面作為建模人員實際使用的建模工具，具有創造、維護模型資產的功能；一方面

27、能夠呈現出完整的模型產出物以及各個模型之間的關系，提供企業級的模型資產視圖。（6）模型與研發過程企業級架構建模的引入也引起了研發過程的改進。企業級架構建模將改變傳統的各經營管理部門按各自想法隨時提出業務需求的方式，形成從企業經營管理戰略出發，自上而下的有規劃的能力需求建設模式，預判性地進行業務能力建設，以產品的快速組裝，應對快速變化的市場環境。采用企業級架構建模方法后更加需要能夠支撐大規模組織的高效溝通協作、協調各部門各角色和環節的流程辦法，使得大規模的設計和軟件實施工作能夠迭代、有序、高效、持續地進行，各階段交付物能夠逐層遞交、反饋和確認，確保業務需求、業務模型、應用實現能夠貫徹落實。155

28、.建模路徑5.建模路徑（1）確認業務目標企架建模的第一步，即確認戰略目標。戰略目標既包括高階的指導性全局戰略，又包括具體領域層的細化業務痛點。戰略目標可以來自外部或領導視角的整體戰略規劃，也可以來自實際工作中的經驗總結，這是整個建模工作的綱領。（2）能力建模第一步，通過自上而下的戰略解析，自下而上的痛點分析來識別所需要的企業級或領域級能力需求。第二步，然后將能力需求按照項目維度，從可實現可落地產生實際價值的角度形成能力主題。第三步，根據能力主題設計能力主題解決方案，將能力需求細化到業務需求，并落實到流程模型的四級任務和五級步驟、產品模型的基礎產品和產品條件及取值、數據模型的業務實體和屬性。第四

29、步，確定實施范圍，分析能力解決方案對現有系統的影響，指導規劃的業務能力建設落地。（3）流程、數據、產品建模根據能力模型的拆解分析，進行數據、流程、產品的具體建模工作，使用建模工具創建/更新業務模型資產，調整業務架構。建模工作一般分為現狀建模和目標建模兩個階段：16第一階段，現狀流程梳理，保證現有的業務模型梳理工作完整全面，然后按照業務建模方法和原則將現狀業務通過結構化、標準化的方式抽象整合；第二階段，將能力需求解決方案內容、痛點問題形成的需求在模型中正確完整地體現，實現高階戰略至底層執行方案的逐級分解。在某些情況下可以考慮直接做目標建模，比如已經對業務目標與痛點有了全面分析，通過梳理后得到了目

30、標需求，則可以直接參照目標需求進行目標建模。三個模型的建設順序一般遵從以流程為主線的并行模式：人員組織形式上通常根據模型設置不同的工作小組，各小組分配不同人員專門負責相關模型建設工作，流程、產品、數據三個工作小組同時啟動，在建模的關鍵節點不斷進行模型間對接。一般三個模型會先進行高階設計，比如產品模型先識別產品分類，流程模型先識別前三級，此節點完成基礎產品和活動的對接工作，確?；顒觿澐值念w粒度和完整度是否與行內產品相符；在流程模型識別到四級任務時，數據模型同步識別到關鍵實體，此節點進行任務與實體的對接、任務與基礎產品的對接；在流程模型識別到五級步驟時，數據模型同步識別到屬性，產品模型同步識別到產

31、品條件，此節點進行步驟與實體和屬性的對接、步驟與產品條件的對接。同時產品條件也受到數據模型中域和實例組的管控，存在映射關系。各個節點對接的過程，其實也是一個跨組核驗的過程，據此不斷調整優化整體模型結構。17實際建設時可以根據具體項目情況對上述模式進行相應調整，比如在沒有存量庫表提供給數據模型作為輸入，且流程模型五級步驟已充分建模的情況下，可以根據步驟的業務規則來抽象實體、屬性，再根據數據模型對整個實體結構的分析反向驗證流程模型任務、步驟劃分維度是否合適。無論哪種模式，只有保證各個組在建模過程中不斷進行對接和溝通，才能最大程度保證模型間一致性，使得三個模型在不同層次上劃分維度一致、對同一元素語義

32、理解一致、對同一元素命名標準一致。業務架構的劃分整體應遵循高內聚松耦合的原則：首先把數據建模中的實體劃分為不同的業務對象，根據業務對象下包含的業務實體被哪些任務創建或更新，將這些任務進行聚合，從而得到業務組件，業務組件可以支撐不同的業務領域供其使用，協助完成活動的串接。除了根據業務建模產出物自下而上地劃分外，也可以在高階層面的整體規劃上對業務對象、業務組件進行預設，后期再根據建模產出進行驗證和調整。（二）同業實施現狀（二）同業實施現狀早在 2011 年，建設銀行就率先開展了企業架構轉型項目，取得了顯著的效果。在建行成功效應的帶動下，各類金融機構都紛紛展開了企業架構轉型的實踐，如交通銀行、工商銀

33、行、中國銀行、郵政儲蓄銀行等國有大行都啟動了企架改造的相關工作。目前，企業架構的浪潮，正由大型銀行向中小型銀行、由銀行向非銀金融機構，在整個金融業拓展開來，如杭州銀行、上海18銀行等也都積極投入其中。據不完全統計，目前在業界，已經實踐或開始計劃企業架構項目的，包含 6 家大型國有銀行、5 家股份制銀行、2 家頭部城商銀行、1 家省級農信社和 2 家非銀金融機構。1.建設銀行1.建設銀行88建設銀行新一代核心系統建設工程自2010年12月啟動實施，歷時 6 年半、投入約 9500 人、版本變更超 2 萬次，是中國金融業有史以來最為龐大的系統建設工程，是包括業務轉型、IT轉型、實施轉型在內的全方位

34、數字化轉型。在系統建設之前，建設銀行先從企業級視角進行業務建模，把建設銀行集團，包括海內外、子公司所有的業務、產品、流程全部進行了梳理，圍繞產品管理、營銷支持、產品運營、業務支持、風險管控、決策與報告等六大價值鏈，分析現有問題，明確發展目標，進行針對性設計。通過實施標準化建模，建設銀行將自身的戰略能力需求以及日常操作性需求，通過結構化、層次化、標準化的方法，轉化為流程模型、數據模型、產品模型和用戶體驗模型來描述，自主構建成覆蓋總分行、境內外及子公司的企業級業務模型，涵蓋所有業務流程；應用研發方面，自主開展IT架構設計，系統自主研發率超過 90%。通過進行業務建模，建設銀行共計提煉出 26 個業

35、務方向，102 個轉型舉措，形成了 114 個業務組件；特別值得一提的是，19建設銀行的業務流程由當時的 11000 個三級活動大幅降低到 969個，并且其中近一半活動可以跨部門共享復用。建設銀行的業務流程再造打破了原有機制和既有流程，業務建模過程曾經遇到相當大的阻力。與之相對的，企業級建模成功以后，成效也非常顯著：通過搭建統一企業級業務模型，建設銀行由于過去部門級、豎井式需求所引起的內部IT系統重復建設、外部系統客戶體驗差等問題從根本上得到了解決。2.工商銀行2.工商銀行99工商銀行參考IBM持續價值創新方法，吸收Open Group TOGAF等主流企業架構的框架理念，結合自身實際形成了工

36、行特色的企業架構方法論，包括業務架構設計方法、IT架構設計方法、新技術創新方法。工商銀行從 2015 年開始啟動IT架構轉型，并在 2017 年全面實施“智慧銀行ECOS工程”建設，企業級業務架構是ECOS工程建設過程中的核心內容：工商銀行業研中心基于“一張視圖、一套原則、一條路徑”的“三個一”思路，建立了全行境內外業務領域整體視圖，將全行業務劃分為 33 個產品領域、30 個管理領域；業務架構則為“三橫三縱”：縱向由業務領域、業務組件、業務對象構成，橫向由產品模型、流程模型、實體模型構成，運用該體系對中國工商銀行 20212023 年發展規劃進行戰略20解析，形成戰略能力庫，包含 385 條

37、戰略能力，3220 條業務需求；在 2021 年末，全行已經積累了 13 萬條涵蓋業務架構資產、標準化需求用例、IT架構資產的業務資產，其中可復用標準用例8000 余條，涉及 49 個業務領域。在此基礎上，工行在業內首創基于業務架構的業務研發落地實施，推行業務架構與IT架構雙向對接、雙輪驅動，推進需求設計與業務架構分析同步、IT服務設計與業務架構對接同步，形成相關資產在設計、研發過程中的閉環與動態更新。工商銀行在構建企業建模的過程中投入了巨大的成本，而且剛開始時只做了部分領域，可見傳統的企業架構建模的成本之高。3.交通銀行3.交通銀行2022 年，在全行數字化轉型的大背景下，交通銀行提出建設企

38、業級架構，以系統化、數字化的思維進行破局，統籌規劃、循序漸進，一方面通過高階建模強化頂層設計，一方面對特定領域進行深耕，構建企業級系統，逐步完善全行企架業務版圖。實施層面，先行選擇客戶體驗迫切、價值貢獻較大、復用性較強的零貸、B2B支付兩個領域進行探索，在此基礎上在對私存款、借記卡、對公存款、對公貸款、風險等多個業務領域進行推廣。作為企業級架構建設的組織架構支撐，交通銀行組建專項團隊，根據企業級建設要求，結合“集中管理、分層實施、交叉融合”設置了總體組、架構組、任務組的組織架構，涵蓋了前中后21臺等 13 個總行部門，邀請試點分行參與建設，樹立全行參與，總分共建的企業級思維扎實推進項目建設。交

39、通銀行結合自身實際，基于標準企架方法論，提出了“微建?！钡母拍?，針對不同的場景，可以對三大模型進行靈活定制，如標準化建模、輕量級建模、“4+X”建模等等，以滿足不同領域的需要。同時，圍繞三大建模方法，拆解各個標準化的單一產品，形成組件化、參數化、共享化可配置的產品組裝能力，打造樂高式搭配的產品創新模式。數據模型方面，參考業界實踐，交通銀行自主研發雙“T”數據模型架構，構建“輕量化”“智能化”“開放化”的企業級邏輯數據模型：其中倒“T”模型中的公共模型，基于企業架構視角的方式將業務數據劃分為五大主題分類，再自下而上抽象形成各主題分類的邏輯模型，業務分析模型是對公共模型內容進一步細化加工，打造面向

40、具體分析場景的數據模型。依托建模方法論，交通銀行落地產出一套科學完整可復用的建模資產，建立業務資產管理、應用和迭代的完整工作機制，確保企業級架構有效延續。同時，基于目前業務建模的成果，延伸探索交通銀行特色的企業級架構工作方法論和跨部門協同模式，不斷強化自身的企業級思維和數字化素養。224.郵政儲蓄銀行4.郵政儲蓄銀行10102024 年 1 月 27 日，中國郵政儲蓄銀行新一代公司業務核心系統全面投產上線。該系統是郵儲銀行歷時兩年半、舉全行之力進行科技攻堅共同完成的重要成果。在建設系統時，郵儲銀行引入了企業級建模方法：基于企業級視角，以客戶為中心，將交織纏繞的流程進行解耦，重塑業務和服務流程，

41、以簡馭繁，大幅提升客戶體驗；同時，郵儲對其實施工藝進行了敏捷創新，將業務模型與應用構件逐一映射，設計出 5000 多個可靈活裝配的標準化“零件”，以技術敏捷驅動業務敏捷，滿足個性化、差異化、定制化的產品創新需求。5.興業銀行5.興業銀行興業銀行于 2022 年 8 月啟動企業級架構規劃工作，明確企架實施路線圖，以“夯實基礎、公共先行”，“逐步推廣、重點突破”等實施策略，穩步推進企業級應用架構落地。在企業架構轉型過程中，優先完成基礎性、先導性、戰略性工作，為興業銀行數字化轉型奠定扎實的基礎。一是規劃企架藍圖。2022 年，一是規劃企架藍圖。2022 年，興業銀行結合業務和系統現狀，規劃形成了 1

42、19 個業務組件、152 個物理應用組件、14 個物理交互組件，形成全行一張架構藍圖。二是進行公共基礎組件建設。二是進行公共基礎組件建設。興業銀行以優先打造公共能力的工作思路，推進企業級組件建設。2023 年開展員工作業平臺、場景流程平臺等公共組件的23建設。三是大力推進企架工程。是大力推進企架工程。從 2022 年開始，興業銀行以“企業級、標準化”為指導思想，實施“大營銷工程”“大運營工程”“大投行工程”“大財富工程”“大風控工程”五大企架工程，持續開展企業級系統建設。四是加強企架總分協同。四是加強企架總分協同。2023 年 3月份開始，根據“共性業務總行建設，特色業務分行建設”的總體策略，

43、興業銀行以深圳分行先導試點，逐步擴大企架總分協同試點分行范圍，并行推進上海、廣州、杭州、昆明、濟南等 5 家試點分行項目建設，促進總分行共性組件復用。五是開展“新城建設、舊城改造”工程建設。五是開展“新城建設、舊城改造”工程建設。2024 年初興業銀行啟動新城舊城工程，旨在從企業級架構和服務全行的視角出發，通過新建、重構或整合等方式打造跨部門、跨條線的企業級系統或組件，對關鍵業務領域中的一些外購系統替換，實現自主掌控。五是建設標準需求庫。五是建設標準需求庫。興業銀行于 2024 年 5 月啟動標準需求庫建設工作，組織業務專家和技術專家對全行主要業務領域的重要系統開展業務對象和任務組件的梳理工作

44、，形成全行標準需求庫。六是建設企業級架構管控體系。六是建設企業級架構管控體系。2023 年，興業銀行通過總分行及同業調研，初步建立一套企業級架構管控的長效機制，從有部門級需求管理、豎井式開發模式，轉變為企業級需求整合式管理、組件化開發模式，實現企業級架構及其制品的保鮮，保障企業級能力有序合規的落地。通過數字化手段提升企業級架構管控能力，建24設企業級架構管控平臺。6.四川農信6.四川農信1111為實現銀行核心系統從傳統大型主機向分布式云平臺全量遷移，以及高質量、高效率地完成分布式核心設計及關鍵場景驗證，四川農信開展了業務建模的相關工作，為分布式核心系統的應用設計、領域中心設計、應用數據模型設計

45、等提供結構化、組件化和服務化的業務需求輸入。四川農信推進企架建設中最大的亮點是用定制化的業務建模方法梳理形成一套業務模型（涵蓋流程模型、數據模型、產品模型），在建模過程中專注于對IT設計有指導作用的部分，對傳統建模方法的建模范圍和顆粒度進行了裁剪，同時為支持業務快速創新需求，對部分業務模型元素進行了細化。以此為基礎，形成結構化業務需求資產，為IT設計提供有效輸入；形成了從業務建模到中臺和應用設計貫穿的設計方法，推進業技融合。具體實施過程中，對個人核心系統的存款業務進行業務建模，包括流程建模（1-4 級），產品建模和數據建模。結合項目的核心目標和時間要求，項目采用領域先行的實施方式以及輕量級業務

46、建模方法對現狀核心系統需求進行了梳理，完成了業務建模與產品、合約、賬戶等 10 個企業級能力中臺設計、存款應用設計迭代印證并創新。四川農信在企業架構過程中投入了巨大的人力物力，目前主要是做了零售領域。25（三）企業架構存在的問題（三）企業架構存在的問題在銀行數字化轉型的背景下，企業架構（EnterpriseArchitecture,EA）的建設顯得尤為重要。然而，在構建企業架構的過程中，我們面臨一系列挑戰，這些問題若不妥善解決，將直接影響數字化轉型的進程和成效。1.企架構建過程中的協同障礙1.企架構建過程中的協同障礙在企業架構的構建過程中，協同問題尤為突出。首先，缺乏有效、規范的溝通語言是導致

47、這一問題的主要原因。業務專家傾向于從產品模型的角度出發，而 IT 專家則更關注技術實現。這種以產品為中心的方法雖然有助于快速形成 IT 資產，但可能忽視了企業架構的整體性和戰略性需求，造成設計對接上的障礙。此外，企業架構的標準化和一致性問題也不容忽視。由于缺乏統一的標準和規范，不同部門和團隊在構建企業架構時可能會出現不一致的情況，這不僅增加了架構的復雜性，也影響了其在企業中的推廣和應用。2.企架模型的質量控制難以保證2.企架模型的質量控制難以保證模型質量不高是企業架構面臨的另一個重要問題。流程模型顆粒度控制不足是其中的一個關鍵點。業務人員在定義流程模型時，往往難以掌握適當的顆粒度，太細的顆粒度

48、容易導致 IT 設計過于復雜，而顆粒度太粗又無法精確滿足業務需求。與此同時，業務人員對數據模型中業務對象和業務實體的理解不足也是一個問題，這可能會導致業務需求與 IT 實現之間的不一致，影響26企業架構的準確性和有效性。3.傳統企架模型難以應對快速變化的需求3.傳統企架模型難以應對快速變化的需求企業架構需要具備一定的動態適應性，以應對快速變化的市場環境和內部管理需求。然而，現有的企業架構往往過于僵化，構建的企架模型越大，越是難以動態、靈活地進行調整，以適應外部變化，其在實際應用中的效果大打折扣。如何使建模過程變得更敏捷、更高效，是擺在目前各商業銀行面前的巨大難題。4.企架模型建設需要大量資源投

49、入4.企架模型建設需要大量資源投入銀行進行企業架構構建和業務建模，需要投入海量資源，包括人員、技術資源、經費以及大量的時間投入，且在短期內很難見到立竿見影的效果，只有在模型構建到一定規模、覆蓋大量業務領域，形成規模效應之后，企業架構的作用才能真正得到發揮。大量的資源投入，即使是對大型商業銀行，也是一個巨大的挑戰；對于中小型商業銀行而言，資源的限制也大大提高了進行企業架構改造的門檻。5.模型的維護和保鮮難度大5.模型的維護和保鮮難度大即使銀行投入大量人力物力完成了企業架構和業務模型的構建，企業架構的維護和保鮮也是一個很大的難題，資源分配、模型追蹤、技術更新、人員培訓、成本控制等都可能成為更新和維

50、護的障礙，影響企業架構的適應性和前瞻性。很多商業銀行在企架建設過程中更多地將企架作為一個大型項目，項目執行過程中會構建專項團隊，并投入大量的人員與27經費，但是在模型建設成功后，相關團隊即告解散，只保留少量人員進行后續的日常保障工作。但在目前快速變化的金融環境中，企業架構必須持續更新以適應新的業務需求和技術發展，過少的資源投入難以保證模型的保鮮，隨著時間的推移，模型與現狀偏差度越來越高，企架將無法再發揮出其應有的威力，甚至可能會變成“死資產”。第 3 章 方法探索：大模型賦能，探索企業架構建設新路徑（一）實施思路（一）實施思路企業架構模型是承接業務戰略，指導 IT 落地的強大工具，然而構建一個

51、全行級的業務模型成本高昂，動輒數億的投入讓中小型銀行望而卻步。在此背景之下，探索一種成本效益更高的企業架構建模方法意義重大。本課題提出了一種創新的快速建模方法，我們利用大模型按照 SBVR 的范式梳理業務術語和業務規則，以實現企業架構的快速構建。業務術語和業務規則至關重要，統一的業務術語能夠有效減少溝通過程中的誤解，為團隊成員間的協作提供清晰、一致的語言基礎，業務規則是銀行業務運作的指導和控制機制，規定了業務流程，是交易系統需求和約束的來源。然而由于業務術語和業務規則存在于紛繁的業務文檔中，人工梳理起來耗時耗力，因此鮮有銀行嘗試先從梳理業務術語和業務規則入手進行企架建模。如今大模型技術的飛速發

52、展，其強大的長文本分析能力和生成能力，為自動從業務文檔中提取規范化的業務術語和業務規28則提供了可能。我們將梳理業務術語和業務規則分成如下五個階段（見圖1）：圖 1 業務規則五階段原始態：業務規則分散于規章制度、業務需求、政策文件、專家腦海中，處于無序散亂狀態。在這一階段，規則缺乏統一的管理和整合，難以實現的知識共享與應用。階段 1（顯性化）：此階段的目標是利用大模型，采取SVBR 范式將業務規則從繁雜的文檔中提煉出來顯性呈現，重點在于去除冗余、歸納總結以及補充遺漏，確保規則的完整性與一致性，形成業務資產知識庫。階段 2（資產化）：隨著業務資產知識庫的建立，企業架構數據模型中的實體、流程模型中

53、的 L3（活動）和 L4（任務）可以利用大模型從知識庫中提煉而來，IT 人員可對輸出進行補充和優化，形成企架資產知識庫。階段 3（結構化）：企業知識庫是一個企業級的框架，可將這個知識庫通過 RAG“外掛”到大模型中來生成結構化需求，幫助不同部門和團隊在需求收集和分析過程中保持一致，避免需求沖突和重疊。29階段 4（數字化）：將結構化需求轉化為數字化模型，使其能夠被 IT 系統所識別和處理，比如配置表、規則引擎、服務調用等技術手段。本報告主要是業務層面建模，不涉及此階段。階段 5（IT 自動化）：將業務規則進一步融入 IT 中，通過軟件指令實現智能識別與自動處理，減少人工干預，實現業務流程的自動

54、化，指導 IT 開發。本報告主要是業務層面建模，不涉及此階段。通過這種利用大模型從梳理業務術語和業務規則入手企架建模的方法，我們不僅能夠提升架構師建模的效率，還能夠顯著降低企業架構建模的整體成本。（二）技術路線（二）技術路線技術路線包括原始態、顯性化、資產化、結構化等幾個階段，技術路線示意如圖 2。圖 2 技術路線示意1.文檔拆分1.文檔拆分文檔拆分技術涉及將大型文檔分解為更小的、更易于處理的部分。這可以通過自然語言處理（NLP）技術實現，如識別段落、30句子或主題。文檔拆分有助于提高處理效率，使得模型能夠更專注于文檔的特定部分，從而提取更準確的信息。在銀行業務文檔的處理中，文檔拆分技術可以被

55、用來將復雜的合同或報告分解為更小的部分，如條款、子條款或段落。這樣，大語言模型可以更有效地處理每個部分，提取出關鍵的業務術語和概念。例如，將一個復雜的貸款合同拆分為多個條款，可以幫助模型更準確地識別每個條款中的關鍵信息，如貸款金額、利率和還款期限。這種方法不僅可以提高信息提取的準確性，還可以幫助銀行構建更全面的知識庫。2.大語言基礎模型2.大語言基礎模型大語言模型（Large Language Models，LLMs）是基于深度學習技術的先進工具，能夠理解和生成自然語言。這些模型通過在大量文本數據上進行訓練，學習語言的模式和結構，從而能夠執行語言理解、文本生成、翻譯等多種任務?；趶碗s的神經網

56、絡架構，如 Transformer，能夠捕捉語言的細微差別和復雜性。在銀行業務文檔的處理中，大語言模型可以被用來識別和提取關鍵的業務術語和概念。通過訓練模型識別銀行業務文檔中的特定語言模式，可以自動從大量文檔中提取出有價值的信息。3.Prompt 工程3.Prompt 工程Prompt 工程是一種通過設計特定提示（prompts）來引導語言模型執行特定任務的技術。這些提示可以是問題、指令或示例，能夠使模型更好地理解任務需求并生成相關的輸出。通過精心設31計的 prompt，可以顯著提高模型在特定任務上的表現和準確性。在銀行業務文檔的處理中，Prompt 工程可以用于指導大語言模型專注于提取特定

57、的業務術語。例如，通過設計一個prompt：“從以下貸款合同中提取所有與利率相關的條款”，模型可以被引導專注于識別和提取與利率相關的文本片段。這種方法不僅可以提高提取的準確性，還可以減少人工干預，提高處理速度。4.大模型答案生成4.大模型答案生成大模型通過深度學習技術，利用預訓練階段在大規模文本數據上的學習，構建了復雜的詞向量表。這些向量表將詞匯映射到高維空間，每個向量點代表一個詞或短語的語義特征，從而捕捉詞匯間的細微差別和語義關系。在生成答案時，模型通過預測下一個最可能的詞或短語，逐步構建回答。這一過程依賴于先進的算法，如 Transformer 架構中的注意力機制，使模型在生成每個詞時能夠

58、考慮整個輸入序列，確保生成的內容既符合語法規則，也符合語義邏輯。通過不斷調整和優化預測，使模型最終生成結構化、準確且連貫的答案。銀行文檔包含復雜的業務術語和規則，大模型通過深度學習和自然語言理解能力，自動提取關鍵信息并轉化為結構化的業務資產。該技術通過深入理解文檔中的業務術語、規則和流程，能夠自動提取關鍵信息并按照業務規范生成準確的業務資產，如業務術語庫、業務規則摘要等。325.實時/離線質檢5.實時/離線質檢實時質檢技術通過在內容生成的瞬間進行審核，確保每一條回答都符合預設的格式和合規性標準。這種技術能夠快速識別和阻止任何不符合要求的內容發布，從而保障信息的準確性和合規性。離線質檢則更多地應

59、用于對已經發布或存儲的內容進行定期或按需的審核，通過回顧和分析歷史數據，確保其持續符合銀行的合規要求。在銀行業務中，大模型生成的業務資產和回答必須滿足嚴格的格式和質量要求，同時遵守銀行的合規性標準。為此，銀行采用實時和離線質檢技術，實時質檢確保內容在生成時即符合格式規范和語言準確性，而離線質檢則對已發布內容進行定期審查，確保持續合規。這種雙重質檢機制不僅提高了內容的生成效率和準確性，還增強了銀行業務的合規性和客戶信任度，保障了銀行在處理大量業務文檔和回答時的專業性與安全性。6.RAG6.RAG檢索增強生成（Retrieval-Augmented Generation,RAG）技術是一種結合了信

60、息檢索和自然語言生成的技術。允許大型語言模型（LLMs）在生成回答之前，從外部數據源檢索相關信息，以此來補充模型的知識點，確保輸出的準確性和時效性。RAG 技術通過將用戶的查詢與索引的文檔進行匹配，檢索出最相關的信息，并將這些信息與原始查詢一起作為上下文提供給語言模型，從而生成更加準確和豐富的回答。這種方法有效避免了 LLMs 可33能出現的幻覺問題，即模型在沒有答案的情況下提供虛假信息的情況，并且可以解決模型知識截止日期的問題，讓模型能夠訪問最新的數據。值得注意的是，外部的數據源可以通過自動、手動兩種方式進行更新。知識庫可以對外部文檔添加標簽，設計自動化流程，定期觸發知識庫的更新操作。同時，

61、在答案生成過程中，用戶發現可檢索答案調用的知識庫信息，若發現信息錯誤，也可直接手動對該信息進行修訂。利用 RAG 技術，通過語義解析等方法結合企業架構建模的理論知識，生成企業架構資產庫。例如，當業務人員需要查詢特定業務實體、業務屬性或流程模型中的元素時，RAG 系統可以通過檢索增強的方式，從內部文檔或知識庫中檢索出最相關的信息，并將這些信息結構化地呈現給業務人員。這樣不僅可以提高檢索的準確性和效率，還可以確保業務人員獲取到的信息是最新和最相關的，從而更好地支持決策制定和業務流程的優化。7.向量化技術7.向量化技術向量化技術是將文本轉換為數值向量的過程，這些向量能夠捕捉文本的語義信息。常見的方法

62、包括 Word2Vec、GloVe 和 BERT等。通過將文本轉換為向量，存入向量數據庫，后續可以進行進一步的文本分析和信息檢索。在銀行業務文檔的處理中，向量化技術可以被用來將提取的業務術語和概念轉換為向量，從而進行更深入的分析。例如，通34過計算術語之間的相似度，可以發現相關術語之間的關系，從而構建更全面的知識圖譜。這種方法可以幫助銀行識別和理解業務術語之間的復雜關系，提高知識庫的質量和實用性。8.向量檢索技術8.向量檢索技術向量檢索技術是一種高效的文本檢索方法，通過將用戶問題的文本內容轉換為數值向量，并在向量空間中進行相似度計算來實現。這種方法利用了文本的語義信息，通過計算向量之間的距離來

63、衡量文本之間的相似性。常見的向量表示方法包括 TF-IDF、Word2Vec、BERT 等。在回答用戶的問題時，系統首先將知識庫中的文檔轉換為向量形式，并建立索引。當需要生成企業架構資產庫時，系統可以通過向量檢索技術快速找到包含相關業務信息的文檔，從而提取出業務實體、屬性和流程模型中的元素。這種方法不僅提高了檢索的效率，還確保了生成的企業架構資產庫的全面性和準確性。9.重排序優化檢索（Re-ranking）9.重排序優化檢索（Re-ranking）重排序優化檢索技術是一種先進的信息檢索方法，用于改善搜索結果的相關性和準確性。這項技術基于初始的檢索結果，通過進一步的分析和評估，重新對搜索結果進行

64、排序。在這一過程中，Re-ranking 技術考慮了多種因素，包括但不限于語義相似度、文檔的權威性，以及與查詢的上下文相關性。通過機器學習模型對這些因素進行綜合評估，Re-ranking 能夠提升最相關文檔的排名，從而優化用戶的搜索體驗。35企業在構建企業架構資產庫時，需要從大量的業務文檔中提取關鍵信息，如業務實體、業務屬性和流程模型中的元素。初始檢索可能會返回大量相關文檔，但其中只有一部分與查詢的語義緊密相關。應用 reranking 技術后，系統能夠對這些文檔進行深入分析，評估查詢的匹配度，并據此重新排序結果，確保了最準確、最相關的信息被優先展示。10.SFT/RLHF 持續反饋調優10.

65、SFT/RLHF 持續反饋調優RLHF（Reinforcement Learning with Human Feedback）即利用人類反饋進行強化學習，是一種通過人類評估者提供的信息來指導機器學習模型的訓練過程的方法。SFT（SupervisedFine-Tuning）即監督式微調，是一種在預訓練模型的基礎上，使用標注數據進一步訓練模型以適應特定任務的方法。RLHF 通常關注于評估和改進模型的輸出質量，而 SFT 則側重于調整模型以更好地執行特定任務。當大模型生成的答案未能滿足預期效果時，可以通過 RLHF和 SFT 技術進行優化。首先，將用戶對答案的反饋收集起來，形成反饋庫。這些反饋可以是

66、用戶對答案準確性、相關性或滿意度的評價。然后，利用 RLHF 技術，根據這些反饋來調整模型的輸出策略，強化那些能夠產生更好答案的行為。同時，使用 SFT 技術，將反饋庫中的數據作為訓練集，對模型進行微調，使其更適應用戶的具體需求和偏好。通過這種方式，模型能夠學習如何更好地響應用戶的查詢，提高答案的質量和相關性。36（三）輔助規范業務資產1.實踐方法（三）輔助規范業務資產1.實踐方法為了將業務術語和業務規則從繁雜的文檔中提煉出來，我們把業務管理辦法、業務需求、規章制度等業務文檔通過 RAG 外掛到知識庫中，然后使用合適的 Prompt，利用大模型從這些業務文檔中按照 Concept Speak

67、和 Rule Speak 的規范提取出業務術語和業務規則。Concept Speak 和 Rule Speak 是 SBVR（Semanticsof Business Vocabulary and Business Rules，業務詞匯和業務規則的語義）下的兩種規范，是由對象管理組（OMG）發布的標準，ConceptSpeak 可以看作是 SBVR 在概念模型設計方面的一個應用或擴展，專注于如何構建和表達業務概念模型。而RuleSpeak 則是 SBVR 在業務規則表達方面的一個實踐，提供了一套具體的指導原則和模板，幫助業務人員和 IT 人員以一種清晰、一致的方式來表達和溝通業務規則。提取出的

68、業務術語和業務規則再經過離線質檢，形成一個初步的規范化的業務資產知識庫。當有新的業務文檔產生時，大模型能夠通過對比的方式，檢查出業務資產知識庫是否需要更新，并提示出需要更新的內容有哪些，這樣就最終形成一個可迭代的業務資產知識庫。整體流程如圖 3 所示。37圖 3 業務資產知識庫構建流程提示工程（Prompt Engineering）是解鎖大模型能力的一把鑰匙，在不需要對大模型進行重新訓練或微調的情況下，針對特定的使用場景優化提示詞能夠大大提高的大模型的能力。經過測試，一份優秀的 prompt 模板通常要包括以下三部分的內容（見圖 4），才能更好地發揮大模型的能力：闡述問題：闡述問題：向大模型提

69、出問題，盡可能描述清楚問題的需求。設定目標：設定目標：給大模型設定一個目標，告訴大模型具體的任務，例如回答問題、生成代碼，或潤色文字等。補充要求：補充要求：向大模型輸入對任務的要求，例如規范輸出格式、限制輸出內容等。圖 4 Prompt 模板構成38大模型是根據用戶的輸入信息來完成推理的，因此用戶的輸入信息越充分，模型的推理效果越好，為了讓大模型能夠擁有動態地獲取知識的能力，業界通常采用 RAG 協同大模型助力研發資產。不需要將所有的知識放在大模型中，而是通過“檢索”的方式獲取知識，然后將其加入大模型的輸入中，這種方式不僅提升了大模型在專業領域的推理能力，同時用戶也能通過這種“外掛”的方式避免

70、了信息的泄露。RAG 最核心的部分是“Embedding+向量數據庫”，通過這種方式 RAG 可以無監督地對文本數據進行語義維度的匹配，典型結構如圖 5 所示。圖 5 RAG 技術2.初步研究成果2.初步研究成果測試平臺：測試平臺：華為 LakeSearch 平臺。LakeSearch 平臺可進行基于盤古大模型的語義搜索，內置文檔拆分能力。該平臺自帶 UI，支持一鍵文檔上傳、解析、搜索，支持 PDF、Word、XML 等多模態文檔生成知識庫。測試文檔：測試文檔：太平洋借記卡業務管理辦法中借記卡掛失部分內容。以借記卡管理的業務管理辦法中卡掛失部分進行測試，將其通過 RAG 的方式外掛到大模型中，

71、卡掛失業務管理辦法詳細內容如下。39客戶實體太平洋卡卡片丟失后可以申請掛失，掛失分為正式掛失和應急掛失。正式掛失和應急掛失均立即生效、長期有效。無介質太平洋卡不提供卡片掛失服務，客戶可通過手機銀行或網上銀行對此類賬戶進行鎖定及解鎖，鎖定后，賬戶即為止付狀態。電子現金賬戶不掛失、不止付。掛失手續：（一）正式掛失。1.客戶遺失卡片但未遺忘交易密碼的，可持本人有效身份證件或委托他人通過全國任一營業網點柜面、手持終端、智易通辦 理卡片掛失。委托他人代辦的，代理人需出示持卡人和代理人雙方有效身份證件原件。兒童卡辦理掛失需由開卡監護人持兒童卡持卡人身份證件以及開卡監護人身份證件辦理?？蛻粢部赏ㄟ^電子渠道（

72、包括網上銀行、手機銀行、電話銀行自助語音、自助通、智易通、云上交行等）憑交易密碼自助辦理卡片掛失。2.客戶遺失卡片并遺忘交易密碼，可特本人有效身份證件通過全國任一營業網點柜面、手持終端、智易通以及云上交行辦理卡片及密碼雙掛失。（二）應急掛失?？蛻暨z失卡片并遺忘交易密碼，且無法及時至網點辦理書面掛失手續時，可通過電話銀行人工客服辦理應急掛失。應急掛失后，如需辦理后續補卡或銷卡的，須由持卡人本人或委托他人到 全國任一營業網點辦理正式掛失手續。根據前文所示的 Prompt 模板，大模型的輸入和部分輸出如圖所示。#輸入：#輸入：40#輸出：#輸出：可以看到，大模型能夠從復雜的業務文檔中，較為準確地提取

73、業務術語，能夠按照 SBVR 的標準對業務規則進行規范化輸出，從而形成規范、統一的業務資產。（四）輔助生成企架模型（四）輔助生成企架模型411.實踐方法1.實踐方法將業務術語和業務規則從紛繁的業務文檔中整理出來后（顯性化），就可輔助生成企業架構模型了。我們將 3.3 節整理出來的業務資產知識庫通過 RAG“外掛”到大模型中，然后利用 3.3.1的 Prompt 模板編寫適當的 Prompt 提示詞，來生成企架模型中數據模型的實體部分以及流程模型的 L4-任務部分。其流程如圖 6所示。圖 6 構建企業架構資產知識庫2.初步研究成果#輸入：2.初步研究成果#輸入：42#輸出：#輸出：43大模型與業

74、務專家建模成果對比，如圖7:大模型與業務專家建模成果對比，如圖7:圖 7 大模型與業務專家建模成果對比由上述對比可以看到，大模型根據業務資產生成的任務準確率約為 80%（針對業務管理辦法中涉及的部分），但是卻能夠節省 85%左右的工時。我們通過分析發現影響建模準確率的關鍵因44素就是提供給大模型的輸入，上圖生成的任務 1、任務 2 和任務3 和業務專家基本一致，但是任務 4、任務 5 和任務 6 卻有所缺失，主要就是因為我們給大模型的業務管理辦法并沒有涉及這部分，可見大模型的輸出十分依賴輸入，如果我們能輸入完整、規范的業務管理辦法，就能夠建立質量客觀的企架元素。除了卡掛失以外，我們還做了集中制

75、卡管理、對公存款和對公貸款等領域的流程模型建模，在輸入完整、規范的前提下，其流程模型 L4-任務建模的準確率均達到了 70%以上，工時都能夠節省 80%以上。（五）輔助生成結構化需求1.結構化需求的價值（五）輔助生成結構化需求1.結構化需求的價值在軟件開發過程中，需求是極其重要的一環，向前與業務方案打通、向后承接 IT 設計，是業務和技術溝通的橋梁。但是由于業務和技術人員存在著目標、工作方式和思維模式等上的差異，技術人員常常難以清晰地理解業務的需求，這不僅給開發帶來了困難，甚至可能會導致后續的返工，極大地浪費了開發的資源。為了打通業務與技術之間的壁壘，貫通企業戰略、業務需求、IT實施這一條企業

76、內部運營脈絡，形成內部合力，“結構化需求”應聲而出。結構化需求通過建立標準化的信息描述語言，實現跨越業務、需求、設計的需求結構化管理，確保業務需求的準確傳遞，最終形成研發過程的全鏈路打通。而企業級業務架構（Enterprise Architecture,EA）作為一種戰略工具，從客戶需求出發，以企業的服務流程為主線，全45面覆蓋企業的所有業務場景，有效地消除了業務場景之間的差異性。在企業架構中，流程模型提供了一套統一的標準和框架。這些標準能夠使得需求編寫人員能夠在統一的語言和一致的顆粒度下組織和表述需求架構。這種一致性不僅促進了跨部門的溝通，也提高了需求管理的效率和準確性。數據模型作為企業架構

77、的另一關鍵組成部分，清晰地界定了業務活動所涉及的數據實體及其關系。這使得業務和技術人員能夠直觀地理解業務流程中的每一步如何影響數據狀態，從而確保數據的一致性和完整性。產品模型則進一步細化了業務架構的應用層面，不僅指導了產品的功能設計，還確保了產品設計與業務目標和客戶需求的一致性。通過產品模型，企業能夠確保技術解決方案與業務戰略緊密對接，實現業務價值的最大化。因此，企業級業務架構是標準化信息描述語言的最佳實踐，是實現結構化需求的基石。為需求管理提供了一個清晰的藍圖，確保了從概念到實現的每一個環節都能夠精準地反映企業的業務目標和客戶需求。將企業級業務架構資產沉淀到結構化需求中，實現企業級業務架構與

78、結構化需求的緊密結合，能夠不斷地提升需求的質量和可執行性，打通業務與技術的壁壘，推動業務和技術的融合。通過這種方式，企業能夠構建出既靈活又穩健的業務系統，以適應不斷變化的市場環境和客戶需求。462.實踐方法1)結構化需求模板設計2.實踐方法1)結構化需求模板設計由于現在的大模型仍在發展中，能力上面還不夠完善，我們的實踐重點在于生成需求的業務層面。該模板如下圖所示，主要包括兩個方面，一個是需求概況，其中主要包括需求背景及目的、需求簡述和術語定義；二是業務流程和業務交易。業務流程和業務交易這兩個目錄層級是需求的骨架，分別對應著企架流程模型的活動跟任務，這樣需求編寫人員就能夠以統一的語言及顆粒度描述

79、業務流程和業務交易，使需求章節標題逐步固定，促進了需求的結構化。有了這些清晰地“業務流程片段”之間的串接和依賴關系，當一個“業務流程片段”變更時，業務人員和技術人員能夠快速定位到哪些“業務流程片段”受到了影響，這不僅保證了功能不發生遺漏，同時也能夠有效地避免重復開發。472)生成任務線性拆分2)生成任務線性拆分2022年，Google發 布 的 論 文 Chain-of-ThoughtPrompting Elicits Reasoning in Large Language Models中首次提出，通過將一個復雜問題分解為若干個子問題，并一步一步地進行推理，這種方式可以顯著提升大模型的性能12

80、12。這種推理方法就被稱為思維鏈（Chain of Thought）。CoT（思維鏈）的本質是將一個高度不確定的復雜任務，拆分成若干個確定性較高的子任務，以此提升整個系統的效果和確定性。當我們面對一個復雜任務時，僅對輸入進行改造是不夠的，我們還需要進行任務維度的分解，用 CoT 的方式進行建模。這樣我們不再是單純的“input-output”，而是通過一種“人機協同”的方式，人與大模型共同參與生產，這樣更有利于大模型的落地。我們將上述的結構化需求的模板進行了任務拆分，如圖 8 所示。先讓大模型根據簡短的一句話需求生成需求概況，然后讓大模型從企架知識庫中篩選出最符合該需求的活動和任務及這些任務設

81、計的業務規則，最后將這些內容拼裝成一個完整的結構化需求。圖 8 生成任務拆分示意3.初步研究成果3.初步研究成果以借記卡管理的卡掛失為例，現有如下的“一句話需求”：48“為了提高卡掛失業務的處理速度和安全性，同時優化客戶體驗，需要對現有掛失流程進行升級和優化，增加客戶通過網上銀行發起掛失申請的功能，系統根據客戶提供的身份信息，進行身份驗證”。我們先按照直接端到端的方式來生成結構化需求：#輸入：#輸入：#輸出：#輸出：4950可以看出，上述使用端到端的方式直接輸出最終的結構化需求，無論是在輸出的格式和內容的準確性上都十分欠缺。即使我們已經在 Prompt 中詳細地告訴了他應該怎么做，但是在這么一

82、個復雜的生成任務時，大模型的表現不能夠令人滿意。下面我們根據 4.1.2 提出的 Cot 線性拆分方法，將生成任務進行拆分，先根據該需求生成需求概況（步驟 1），然后分析該需求概況中涉及哪些活動（步驟 2），再明確涉及該活動下的哪些任務（步驟 3），最終生成完成的結構化需求（步驟 4）。步驟 1（生成需求概況）：#輸入：#輸入：51#輸出：#輸出：步驟 2（分析涉及的活動）：#輸入：#輸入：52#輸出：#輸出：步驟 3（分析涉及的任務&規則）：#輸入：#輸入：#輸出：#輸出：步驟 4（生成結構化需求）：#輸入：#輸入：53#輸出：#輸出：54通過對比可以看出，經過 Cot 線性拆分生成的結構化

83、需求，無論是在格式還是在內容上的準確性上都已經基本令人滿意，遠比直接采用端到端方式生成的結構化需求質量更高?？梢娒鎸碗s任務時，進行任務拆分，讓人與大模型協同工作，這樣更加有利于提升大模型的性能。第 4 章 實施方案：融合大模型，構建企業架構資產平臺“企業架構建?！笔且环N專為大規模企業級應用而設計的業務梳理方法，以企業的經營戰略和管理目標為出發點，全面規劃和整合企業的業務流程。目前很多銀行業務人員建模主要是通過Excel 方式進行，這種方式存在著諸多問題，如模型數據共享困難、模型的配置管理困難、模型的質量難以校驗等。為了促進業務建模資產的高效構建與管理，并確保這些資產的可復用性，我們提出構建一

84、個集成的企業架構資產平臺，并在其中嵌入大模型的諸多能力，這樣在企架模型的建設、管理和使用的過程中，充分發揮大模型的效力。下面我們給出具體的實施方案。（一）架構設計（一）架構設計模型的總體架構如圖 9 所示。我們將由業務文檔逐步輔助生成的業務資產知識庫、企架資產知識庫和結構化需求作為不同的模塊，在其建設、質檢和管理的過程中，充分調用大模型的能力，最大化地減少人力成本。55圖 9 模型的總體架構（二）關鍵技術點1.構建業務領域視圖（二）關鍵技術點1.構建業務領域視圖基于大模型與現有業務架構，將存量需求按業務領域進行需求歸類，形成全行級業務領域視圖，形成高階建模資產。如發現有需求無法匹配到現有領域的

85、，則提供更新業務領域的建議，供業務與開發人員進行評估。2.識別業務術語、概念和規則2.識別業務術語、概念和規則在銀行業務文檔的處理中，內嵌文本工具，基于大語言模型可以識別和提取關鍵的業務術語、概念和規則。通過訓練模型識別銀行業務文檔中的特定語言模式，自動從大量文檔中提取出有價值的信息。例如，模型可以識別貸款合同中的關鍵條款、利率、還款期限等信息，并將其結構化輸出。563.構建完整業務模型3.構建完整業務模型基于大模型，結合業務術語及概念，對業務需求進行提煉抽象，識別活動、任務，輔助建模人員構建業務模型。例如，基于借記卡相關需求，識別標準活動“執行借記卡掛失”，及該活動的主要任務：“受理掛失申請

86、”“驗證客戶身份”“執行掛失操作”“通知客戶掛失結果”。4.生成結構化需求4.生成結構化需求通過選擇不同的知識庫，使用提示工程的方式調用大模型的能力，支持生成業務資產和企架資產，將“一句話需求”自動補全成結構化需求；同時，對現有存量需求按企架思路進行拆分與整合，形成一份覆蓋業務全生命周期的完整業務需求。特別地，對于復雜需求，通過對內容進行線性拆分，通過識別段落、句子或主題，對需求內容進行提煉，與業務模型進行掛鉤，通過思維鏈的方式生成結果，以提供生成內容的準確性。5.進行質量檢測5.進行質量檢測通過有效的質檢，保證企業級架構的質量，降低相關建模人員的工作量。實施過程中，使用傳統工具（如使用代碼對

87、必輸項進行檢查）以及大模型的推理能力相結合的方式對生成內容進行合理性、一致性和規范性的檢測。主要流程包括：（1）確定質檢對象57（2）選擇質量檢查（3）開展質量檢查（4）輸出檢查結果（5）反饋及復檢（6）審核質檢結果（三）典型應用場景1.生成業務資產（三）典型應用場景1.生成業務資產用戶可在架構資產平臺上選擇相應的業務文檔，然后調用大模型平臺的推理生成業務資產，具體如圖 10 所示：圖 10 生成業務資產流程圖2.生成企架資產2.生成企架資產用戶可在架構資產平臺上選擇相應的業務資產，然后確定要生成的企架元素類型，再通過調用大模型的推理能力生成企架資產，具體如圖 11 所示：58圖 11 生成企

88、架模型流程圖3.生成結構化需求3.生成結構化需求用戶可在架構資產平臺上選擇相應的企架資產，然后給出需求描述，調用大模型的推理能力自動生成結構化需求，具體如圖12 所示：圖 12 生成結構化需求流程圖59第 5 章 總結展望：回顧與前瞻，繪制企業架構的未來圖景企業架構模型的最終目的是統一全行業務和科技的語言，幫助業務人員快速定義 IT 需求，幫助 IT 人員快速理解業務邏輯。而企架本身的“建模使能維護”的整個過程是工作量浩繁且極其依賴架構人員和使用人員自身能力的。隨著本課題深入開展和驗證思路的過程中，諸多難點隨之浮現，其中最突出的還是來源于大模型自身能力的不穩定，以及工程方法的不成熟，解決了這些

89、問題，相信大模型輔助建模將會有質的飛躍?，F就本課題中遇到的四大主要難點提出一些解題思路。（一）大模型生成企架專業表述內容不穩定，構建專業場景模型是快速提升生成精準度的有效方式。（一）大模型生成企架專業表述內容不穩定，構建專業場景模型是快速提升生成精準度的有效方式。大模型 Transformer 架構本質是基于概率學的關聯語義生成，因此，在模型參數精度調低的情況下（降低模型精度，以降低大參數量模型的推理算力消耗），生成結果可能不穩定，即輸入相同提示詞，多輪回話的內容表述結果無法保證完全一致。而企架建模又是一個相當“咬文嚼字”的工程，一字之差可能含義大相徑庭，因此這是我們已遇到的最可能影響建模質量

90、的問題之一。隨著市場上“百模大戰”的白熱化，更大參數量、更高精確度的模型版本會不斷涌現，企架語言生成的統一性和穩定性問題相信在不久的將來便能得到很大改善，甚至可能出現轉為企架建模領域的專業場景模型（L2 層模型），以兼顧生成效果和推理資源效能，其使用體驗將會更佳。60（二）大模型生成 tokens 數受限，長序列技術或將成為長文本需求文檔生成質量提升的破題點。（二）大模型生成 tokens 數受限，長序列技術或將成為長文本需求文檔生成質量提升的破題點。當前受限于大模型普遍的單次生成 token 數限制（一般是40k-100k），我們在測試全量需求文檔生成時，當單輪會話生成達到最大 tokens

91、 時，需新建會話以繼續生成，但會話之間無記憶，導致生成段落之間關聯度低，甚至有內容相悖的情況。我們了解到，領先大模型公司們正在全力攻克無損長序列和多輪會話記憶的問題，大模型窗口正在快速增長，例如，kimi 已支持 200萬漢字上下文長度，Gemini-1.5-Pro 已支持達 1M tokens 長窗口；而正在研發中模型版本將支持更長窗口的生成，通義千問將支持 1000 萬漢字上下文，文心一言和智腦模型將支持 500 萬漢字。未來業務需求文檔的大段落生成，甚至全文生成將成為可能，從而省去了大量提示詞工程和人工核驗成本。（三）實體模型無法使用大語言模型單獨完成，多類型大模型共存的架構是必然選擇。

92、（三）實體模型無法使用大語言模型單獨完成，多類型大模型共存的架構是必然選擇。實體模型涉及大量 ER 圖表達，本課題受限于大語言模型的能力，僅能夠識別實體名稱和粗略關系描述，在實際建模工作中直觀性不足，且在知識庫中難以探尋到所需的實體關系，后續伴隨多模態大模型能力的完善，以及在圖數據庫結合向量數據庫方案的突破，可以期待未來以更便捷的方式直接構建實體關系圖，輔助提升數據建模人員的建模效率。（四）企架模型資產知識庫保鮮難度大，智能化知識管理是（四）企架模型資產知識庫保鮮難度大，智能化知識管理是61資產有效運營的方向。資產有效運營的方向。企業架構模型雖然總體相對穩定，但是新業務、新產品的推陳出新勢必會

93、帶來業務流程的變更以及實體的迭代，而傳統的模型看護模式是依賴架構專家人工維護的，即便銀行建設了完備的企架資產目錄或企架管理系統，依靠人工在目錄中快速定位某具體流程和實體屬性也是相當挑戰的任務，特別是當一家銀行的業務形態極其復雜時，此問題會更加突出。在我們的課題中，使用向量數據庫維護企架知識資產，當有新業務知識補充或更新時，也需要人工定位替換，或進行時間標注。未來或許能夠在知識庫構建流程中引入新的智能體（或許是一個新的大模型或專業化的機器學習模型），由 Agent 模式調用各個模型能力或配套工具，因此向智能體注入知識時，自動巡檢和比對新老知識，經架構專家確認后自動更新知識庫，最大化節省企架維護人

94、員工作量。本課題只是對企業架構建模工程中的部分環節智能化的可能性進行初次探索，在廣袤的企業架構模型管理領域中點亮一點星星之火，希望能夠給各方從事企架建模的同仁帶來一些線索和啟發。62參考文獻1 國家市場監督管理總局、國家標準化管理委員會，信息化和工業化融合 數字化轉型 價值效益參考模型EB/OL 2022-10-12.2 中國銀行保險監督管理委員會，銀保監發201952 號 中國銀保監會關于推動銀行業和保險業高質量發展的指導意見EB/OL 2019-12-30.3 科技創新和社會責任局，關于加快推進國有企業數字化轉型工作的通知EB/OL2020-09-21.4全國人大常委會，中華人民共和國國民

95、經濟和社會發展第十四個五年規劃和 2035 年遠景目標綱要EB/OL 2021.3.11.5 國務院，國務院關于印發“十四五”數字經濟發展規劃的通知EB/OL2021-12-12.https:/ 中國人民銀行，中國人民銀行關于印發金融科技發展規劃（20222025 年）的通知EB/OL2022-01-04.7 中國銀行保險監督管理委員會，銀保監辦發20222 號 中國銀保監會辦公廳關于銀行業保險業數字化轉型的指導意見EB/OL 2022-01-17.8 李明富,新一代核心系統建設：建設銀行數字化轉型探索實踐EB/OL 2019-07-31.9 郝毅.工商銀行企業級業務架構建設J.中國金融電腦,2022,(02):39-42.10 中國郵政儲蓄銀行,郵儲銀行新一代公司業務核心系統全面投產上線EB/OL2024-01-27.11 中電金信,某省農信銀行通過輕量級業務建模為分布式核心系統提供需求及設計輸入EB/OL.12 Wei,Jason,et al.Chain-of-thought prompting elicits reasoning in largelanguage models.Advances in neural information processing systems 35(2022):24824-24837