银行信息系统架构详解

国家金融监督管理总局于9月发布了【一表通2.0（试用版）】（简称：一表通2.0），在原试点报送范围的基础上扩大了试点报送区域，意味着将陆续扩大试报送机构范围，推进的速度已明显加快。尽早规划和准备，帮助银行有更充足的时间做好监管数据质量的提升工作。经过试点报送后，一表通报送内容逐步完善中，一表通2.0在试点版的基础上修订了报送内容，对报送的表单、数据项持续优化和改善中。一表通的推进，意味着监管数据标准化对智能监管、穿透监管的重要支撑。从一表通数据标准来看，明细数据分为和。

2023年12月，国家金融监督管理总局下发了《关于做好2024年银行业非现场监管报表填报工作的通知》（以下简称《制度通知》）。非现场监管报表是监管机构对银行风险状况监测的重要抓手，制度内容充分体现了近期的监管法规要求，以及适应金融行业发展变化。

为进一步提升银保监会监管科技能力，完善监管数据标准化规范，发挥监管标准化数据在防范金融风险、促进银行业机构数据治理和合规发展等方面的作用，银保监会于近期发布了《中国银保监会银行业金融机构监管数据标准化规范（2021版）》（简称《规范》，即EAST5.0版），该《规范》是在《中国银保监会银行业金融机构监管数据标准化规范（2019版）》（银保监办发〔2019〕198号，即EAST4.0版）基础上修订的。一、规范修订内容及数据报送要求（一）规范修订原则本次《规范》修订聚焦银行业务发展额监管实际，突出科学性和实用性

利用基于网关的限流功能，实现对高并发交易的流量控制；使用一站式网关后，当出现高危安全漏洞，在安全团队研判后，应用可以直接在网关侧作出即时响应，如配置相应路由策略、拦截策略（拦截携带特定代码块的请求、拦截上传特定文件格式的请求、拦截上传请求等），极大缩短了漏洞的修复周期，保障应用系统的安全性。一站式网关解决方案涵盖通用的非业务功能，如动态路由、请求修改、限流、熔断、交易缓存、灰度染色、请求（路由）隔离等，并通过联动工行现有网关类产品，形成适用于工商银行架构、可对标业界“云原生网关”的企业级网关集群。

工商银行信用卡专业共享数据服务团队建设信用卡发卡、调额申请审批基础指标聚合、信用卡风险基础指标聚合，实现贴源粒度的审批通过标志、逾期不良标志、异常标志等数十个基础数据，通过维度信息上卷建设数百个核心人员指标，减少了研发维护成本，实现了从底层数据到各维度统计数据业务逻辑的技术口径统一，业务时效从原先的T+7提升到T+0。这套系统不单是规避了手工记账的不规范，更是在系统层面完成了访问入口、资产明细、血缘关系的整合，降低了用户的使用门槛，方便业务完成数据资产的口径调研、使用以及开发人员对于数据资产的维护。

工行软件开发中心秉持创新理念，持续探索并构建了较为完善的自动化测试模式，涵盖接口测试、批量测试等多种模式，以案例执行率等核心指标为牵引，为保障软件质量做出了积极贡献。工行软件开发中心通过对海量已有测试用例场景的深入研究与分析，创新地构建了“测试准备-测试执行-数据断言”三段式标准化案例框架，并定义了“要素（数据、断言）-模块-案例-场景”四层测试资产结构（如图2所示），这一结构化资产不仅支持用户以“积木式”便捷快速组装出标准案例，推动自动化测试向规模化测试发展，还在资产复用方面实现了显著提升。

随着信息技术的飞速发展，尤其是云计算和大数据技术的广泛应用，银行业在面临业务量激增和技术更新换代时，分布式架构的应用成为必然趋势。在分布式架构转型的过程中，中国工商银行软件开发中心（简称：工行软开中心）积极推进微服务架构、容灾体系建设和技术底座的更新换代，旨在提升运营效率、保障系统稳定和提升用户体验。本文将对工商银行的微服务框架演进历程、技术挑战进行解读。一、分布式架构转型的背景与动因移动互联网时代到来，业务规模的持续扩张和交易复杂度的不断提升，这种架构模式的局限性日益凸显。

针对选择开启的会议，会议启动后将自动开启录制，也可由会议主席暂停或重启录制，在会议录制期间，工行会议服务端会将客户端收录的音频流持续推送至AI引擎进行ASR语音转写，并自动识别断句、根据指定语言进行翻译，将转写及翻译结果返回工行会议服务端，服务端将结果处理后通过字幕接口广播至各客户端，供参会用户查看，信息包含发言人、发言时间、发言内容、翻译内容，如图2所示。用户选择一键摘要后，系统将通过大模型进行分析计算，将已有的转写内容进行识别分析，生成前序会议内容的摘要，以帮助用户快速了解入会前的会议内容。

工商银行软件开发中心坚决扛起防范化解风险的政治责任，按照“稳定大局、统筹协调、分类施策、精准拆弹”的方针，坚持“境内境外、表内表外、商行投行、线上线下、总行和下属机构”的“五个一本账”管理，建设企业级智能风控平台，完善全面风险管理体系，切实维护经济金融稳定大局。也可及时解决规则效果衰减的问题。企业级风险决策服务中心与全行营销、审批、交易等各类对客系统对接，提供风险特征、规则、策略的灵活布控、快速上线、毫秒级实时计算和自动化决策能力，统一部署、管理、监控底线规则，快速应对风险变化，保障业务高质量发展。

2020年，依托集团业绩分成系统，投产了第三方支付自动化分成功能，实现了收入按动因、按权责发生制自动核算至网点，构建了自上而下、基于业务动因的统一分成规则，分成的精细度和透明度明显提升，业绩反映与业务实质高度匹配，分成数据的公平性、可比性进一步提升，推动了第三方支付客户规模和业务收入大幅提升。为解决传统业绩分成的问题，2019年，工商银行软件开发中心创新研发了基于管理会计方法的业绩分成系统，将分成结果纳入管理会计总账，既体现了实账分成“实” 的优点，又体现了模拟记账的便捷性和灵活性。

结合业界先进溯源理念和我行管理要求，依托大数据、分布式搜索分析引擎等技术，构建PB级海量数据加工分析和小时级快速核验、检索、溯源手段（如图6所示），支撑6种客户敏感信息关键要素的单一或组合溯源，形成行之有效的数据安全溯源流程，配套落地自动化快速泄露样本真实性核验和灵活高效的溯源能力，通过数据相关属性的自动化分析，实现追踪泄露源头、明确泄露路径的目标，为有效应对数据安全事件，降低和消除风险与不良影响，开展事后追责处置工作提供体系化解决方案。提高数据排查的自动化程度和排查效率，降低人工成本。

在前两个步骤工商银行软件开发中心对跨行收报的代码和流程进行了梳理分析与敏态点识别，初步具备稳敏态功能分离的基础，但现有系统在应对未来新需求的涌现或既有需求的变更时，还存在业务逻辑硬编码、稳敏功能代码物理耦合等痛点，我们需要对敏态点进行重构，持续探索更灵活、可扩展的架构设计，以期在保持业务生产平稳运行的同时，更好地支持业务的动态发展。通过表达式编排与记录业务规则，封装规则引擎解析执行实现相关业务逻辑，替代原有的硬编码实现，规则引擎简化了复杂的业务逻辑，使得业务规则的调整和扩展变得更加直观和高效。

以宏观维度即北极星指标（MAU和AUM）承接愿景，微观指标由洞察客户目标的结果确立，客户目标的达成决定微观指标的达成，并以活动运营的效果反馈到整体业务目标的达成效果，进而指导下一轮客户的洞察和运营目标的确立。基于客户生命周期和实时行为，洞察客户行为偏好，感受客户所需，支持属地分行定制特性运营方案，提供智能化、精准化的渠道引流推荐服务，为客户提供陪伴式的服务，提升客户线上服务黏性。通过线上优惠触达，客户线下核销等方式，智慧运营系统实现了线上运营与线下服务的场景化融合。

一是内容标签体系的持续更新和丰富。目前，业界普遍建立了完善的内容标签体系和对应的打标模型，通过对内容进行标签体系建设和智能打标建设，方便业务人员开展高质效内容运营，助力数据赋能业务，实现内容精准推送，提高内容的拉新、促活、留存、转化能力，最终实现核心平台月活跃用户数（MAU）、资产管理规模（AUM）提升。软件开发中心从标签应用场景出发，构建内容标签体系核心能力，从使用标签的具体业务场景（如运营策略制定、客户/客群分析、产品推荐等）出发，推导出需要的能力，即标签体系构建、内容打标、内容分发、数据分析等。

许多关于 DeepSeek R1 的复现文章，主要聚焦在“rewards的设计、训练指标的变化、benchmark测评”这些内容，但是对于“本地训练”这个开启深度探索的关键前置步骤，却很少有人深挖。可能有人觉得，照着readme操作就能轻松训练了吧？太天真啦！实际动手就会发现，和自家的环境各种水土不服，大模型不是训不起来就是训的太慢，问题多到让人头大。为了解决本地训练的适配性问题，今天挑选HuggingFace的开源项目open-r1，为大家带来一场全流程实操演示，从怎么在8卡A100（40G）上跑通基于Q

推理模型能力的持续提升，推动大模型迎来“可用”到“好用”的拐点。推理强化和应用拓展启动了大模型下半场的新赛程。个人智能体潜力初步显现，行业应用渐次走深，开源开放日益成为大模型的核心竞争力组成。大算力、多模态、强推理、广开源、准数据、智能体、深应用等，成为当前发展的重要趋势。一、大力出奇迹的算力投入模式尚未见顶DeepSeek以557万美金的低成本训练，给全球带来很大震动。但这并未颠覆大模型需要大算力的底层逻辑，实际上，该模型单次训练成本相当于国外同类模型成本的八分之一左右，尚未有数量级的差别，其意义是以更集

来总结下， MCP的编写本身是非常简单的，我们需要实现的是定义工具的名字，参数（从LLM中自然语言的方式获取），以及用代码描述的真正执行工具的流程，并且将这些都绑定到我们的Server上，我们只需要关心我们在调用什么工具和我们需要什么数据就行了，至于给大模型的提示词，多轮对话暂存，格式化输出验证等需要考虑到问题，MCP的SDK都能帮我们搞定。对于LLM本身的能力进展来说，通过工具使用的方式积累真实世界的数据，并且进行后训练，也会成为LLM的垂直能力和LLM工作准确率进一步提升的关键。我们的LLM在哪里？

本文详细介绍了 JavaScript 中次要垃圾回收的 Scavenger 算法和主要垃圾回收的标记-清除算法的实现细节，以及各种算法在并行、并发、增量上的优化方案，最后介绍了 JS 中垃圾回收的触发时机。在详细介绍 JavaScript 的垃圾回收算法之前，我们先来了解下 V8 引擎中的分代布局。

针对风险特征错综复杂、黑产人员从个体到团伙化发展等问题，应用知识图谱技术，以客户、账户、IP、设备、地址、GPS等为节点，通过登录、转账交易关系、地址相似、IP相同、GPS相同等维度，利用社区发现、图神经网络等图算法，学习团伙欺诈的行为特征和模式，建立了涉赌涉诈、关联关系、交易图谱等模型，实现了观察视角从个人维度到全局关系的转变，反欺诈手段由点到面的提升，个体隐藏关联欺诈风险由浅到深的挖掘。同时，可在线挖掘风险特征，快速部署模型，提高建模效率及对欺诈热点的响应速度，有效管控新型欺诈风险。

架构洞察及巡检方面，基于静态代码分析、运行时上下 文、调用链路分析等技术，定期对微服务间依赖、应用访问数据库、应用访问云服务等架构问题进行洞察、巡检，实现架构问题“自动发现、汇聚、分派、改进、回检”的数字化闭环；一方面，通过静态代码分析、微服务调用链路分析等方式，提供API变更范围及变更API关联上下游的精准分析、推荐关联测试案例的能力，解决代码发生变更但API未直接变更、API关联多个上下游时，人工分析测试范围难度大、易遗漏的问题，实现更全面、精准的测试范围分析；兼数字金融发展办公室主任 周天虹。

以下是一个基于Spring Cloud的银行核心业务系统实现方案，涵盖架构设计、关键模块实现与生产级部署方案。该系统设计满足金融级高可用、强一致性和监管合规要求。

以下是一个基于Spring Cloud的银行风险管理系统的架构设计与核心实现方案，重点展示风险识别、评估、监控的核心流程与分布式系统集成。

以下是一个基于Spring Cloud的银行授信用信系统额度管理系统的架构设计与关键实现示例。系统将采用微服务架构，重点展示额度管理的核心功能与分布式系统设计。

二是开启了“智慧+”创新新模式，强化数字化智能化应用；工商银行聚焦金融大模型行业应用，按照“全栈自主可控、全面技术突破、全域场景赋能、全辖安全防护”的目标，构建集算力、算法、数据、工具、安全、应用、生态于一体的“工银智涌”企业级金融大模型技术应用体系，形成以大模型为核心的新一代金融业务赋能模式，打造“人工智能+金融”行业新质生产力。工商银行建成“通用、行业、企业、领域、任务”五个层级的知识架构，形成质量优、覆盖广的金融数据集，并创新打造了“采集、清洗、管理、应用”的金融数据高效运营新模式。

云数智融合工作涉及面广，技术难度高，工程量大，工行软件开发中心成立跨技术领域、跨地域的专家级攻坚团队，利用其在云计算、大数据、人工智能多个领域积累的技术经验，通过深度整合与创新，成功打造了同业领先的云数智融合一体化生态，使得通用算力、智能算力具备高度的灵活性和可扩展性，能够快速适应业务的发展和变化，为工商银行在金融科技领域的持续创新奠定了坚实的基础。云计算平台的弹性扩展能力为大数据的存储、处理和分析提供了高效的基础设施支持，使得大数据技术能够在云平台上以更低的成本、更高的弹性进行应用。

互联网金融的运营逻辑是从互联网用户的流量入手，通过场景融合沉淀有效的金融数据，而传统金融的逻辑则更多是通过企业端（G、B端）用户到账户，再到产品，最后到风控定价，进而实现消费端业务拓展和资金留存。基于智能运营引擎，运营团队通过运营工作台来配置运营目标，以运营目标为导向，分解运营指标，规划旅程配置，再通过运营位和触点的灵活配置，进行旅程的客群圈选、内容编辑、产品推送、投放形式和渠道触点设置等，将旅程策略发布至渠道应用，实现与用户互动，引导用户一步步完成旅程路径，给予全旅程的互动、引导和陪伴；

这个示例展示了最核心的会计引擎处理逻辑，实际银行系统的会计引擎通常会处理更复杂的业务场景，但借贷平衡和交易原子性这些基本原则是通用的。

本文选自中国工程院院刊《中国工程科学》2024年第1期作者：兰沣卜，赵文博，朱凯，张涛来源：基于具身智能的移动操作机器人系统发展研究[J].中国工程科学,2024,26(1):139-148.编者按具身智能指将AI融入机器人等物理实体，赋予它们像人一样感知、学习和环境动态交互的能力。移动操作机器人系统因其优秀的运动、规划、执行能力成为具身技术首选的硬件载体。基于具身智能的移动操作机器人系统作为实现跨领域、多场景、多功能的自主具身智能平台，将成为引领未来新一代信息技术和人工智能发展的关键。中国工程院院刊《中国

该文档是大任智库关于 DeepSeek 企业落地应用的讲义精华，全面介绍了 DeepSeek 在企业中的应用，涵盖模型特点、应用场景、落地实践及对企业的影响等内容，为企业利用 DeepSeek 进行数字化转型提供指导。智能增强：为解决通用大模型问题，可搭建本地知识库，采用 RAG 技术，介绍了其原理、工作流及搭建工具。企业价值：为企业提供高性价比模型，助力构建 AI 应用生态，推动员工主动应用 AI，提升企业创新和运营效率。以抖音账号为例，可根据不同需求生成起号方案，涵盖账号定位、内容方向、运营计划等。

以下是对国内几家主要银行核心业务系统供应商（长亮科技、同方通、电讯盈科、中电金信、方正奥德、南天科技、浩德科技）在和。

利用deepseek AI制作视频的小白教程

银行传统的研发工艺流程通常以瀑布模型或部分敏捷开发为主，但在企业架构（Enterprise Architecture, EA）理论的指导下，可以升级为更加灵活、高效和业务驱动的研发流程。

通过机器学习技术，银行可以自动化地将原生客户端程序转换为微信小程序，包括代码分析、界面转换、逻辑迁移和数据适配。这些技术可以显著提高迁移效率和准确性，为银行的数字化转型提供支持。未来可以结合更多数据和更复杂的模型（如深度学习、强化学习）进一步提升转换效果。此外，结合自动化工具链，可以实现持续的迁移和优化，进一步提高开发的自动化程度。

通过机器学习技术，银行可以自动化地实现逆向工程中的代码反编译、模式识别、协议分析和数据提取。这些技术可以提高研究效率和准确性，为银行优化自身系统和确保合规性提供支持。未来可以结合更多数据和更复杂的模型（如深度学习、图神经网络）进一步提升逆向工程的效果。此外，结合自动化工具链，可以实现持续的逆向工程研究，进一步提高研究的自动化程度。

通过机器学习技术，银行可以自动化地将业务模型转换为低代码和组装式编程中的应用工程，包括业务模型解析、模块自动组装、代码生成和模型优化。这些技术可以显著提高开发效率和准确性，为银行业务的快速迭代和创新提供支持。未来可以结合更多数据和更复杂的模型（如深度学习、强化学习）进一步提升转换效果。此外，结合自动化工具链，可以实现持续的模型转换和优化，进一步提高开发的自动化程度。

通过机器学习技术，银行可以高效地将手机银行原生Android代码转换为原生iOS代码，降低迁移成本并提高代码质量。print(f"Android API {android_api} 映射到 iOS API {ios_api}")4. 平台API映射：将Android的API调用转换为iOS的等效API调用。2. 代码结构转换：将Android代码的结构转换为iOS代码的等效结构。3. UI组件映射：将Android中的UI组件映射到iOS中的等效组件。

以下是一个基于Python的银行账户管理中AI应用的示例代码，演示如何利用机器学习实现异常交易检测。该示例使用随机森林算法对交易数据进行分类，识别潜在的欺诈行为：pythonimport pandas as pdfrom sklearn.ensemble import RandomForestClassifierfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import classification_

银行核心系统单元化改造是数字化转型的必经之路，需以。

通过以上策略，银行可逐步实现总行与卡中心的科技能力深度协同，为数字化转型提供坚实支撑。

银行监管报送系统需要根据国家金融监管机构（如中国银保监会、人民银行等）的要求，定期提交各类监管报表。这些报表涵盖银行经营状况、风险水平、合规性等多维度信息，是监管部门评估银行安全性和稳健性的重要依据。