清华大学工程管理硕士（MEM）项目开放日，MEM校友王治豪应邀作"多模态检验智能体在金融信息的创新应用"主题分享，系统阐述了金融检验领域AI应用的顶层规划、架构设计、安全治理与落地路径，并线上与学生交流了工程管理人才在智能化转型中的角色定位。

顶层设计先行，破解三大落地难题

王治豪指出，检验领域的AI应用正从局部试点迈向规模化、体系化推进的关键阶段，亟需从顶层设计破题，重点回应三类问题：一是智能体体系的顶层设计问题，统一技术路线、架构边界与建设标准，明确分层分类与能力拆分粒度；二是智能体原生风险防控问题，厘清人机权责边界与可控可追溯机制；三是现有检验体系的适配演进问题，确立智能体与传统工具"共生共促、双向赋能、共同演进"的定位。

集中式为主，构建"总控—业务—基础"三层智能体体系

在部署模式上，他判断检验场景适合以集中式为主——模型推理、任务调度、数据存储与权限管控统一部署于服务端，实现标准统一、安全集中管控与token精细化管控，同时借鉴去中心化模式的技术设计理念。

整体架构分为四层：AI交互与接入层提供自然语言驱动的统一AI工作台；智能体层则由检验总控智能体（唯一调度中枢，负责任务拆解、全局调度与风险校验）、检验业务类智能体（端到端场景流程编排）与检验基础类智能体（原子化能力执行基座）协同构成；下层为检验工具基础能力与AI共享基础能力。设计上遵循统一入口管控、调用单向依赖、安全合规优先、合理分层解耦、能力粒度可控、平滑扩展演进六项原则。

安全可追溯：以"人在回路"筑牢护栏

针对智能体自主决策带来的新型风险，他提出五类应对：所有AI操作绑定真实自然人，实现身份、权限、审计"三同源"；构建"人在回路"机制，确保人工可介入、可确认、可终止；由总控生成唯一TraceID实现全链路追溯；建立指令合法性校验与MCP服务白名单机制；由总控统一分配任务、严格单向依赖以避免越权调用。他以AgentScope 2.0为基础框架，说明框架原生能力与项目组扩展开发、业务方参与的协同分工。

业务方变身"建设者"，非功能性报告识别率先落地

他特别强调研发模式的转变：推动业务人员从"单纯使用方"向"使用方+建设方"双角色转型，按非生产办公辅助、低风险只读分析、生产核心场景三类梯度参与。目前，非功能性多模态报告识别已作为试点场景落地——由总控智能体加载技能与记忆进行任务规划，经MCP工具获取报告后分发至图片分析子智能体并行处理，最终汇总回写业务系统。

"多模态检验智能体不仅是技术升级，更是金融工作流的范式革命。"王治豪总结，AI正从被动调用的工具转变为主动协同的"虚拟同事"，实现从"辅助执行"到"决策协同"的质变，未来集中式与去中心化架构将长期共存，多智能体协同、大小模型融合与AI原生应用将成为金融智能化的核心方向。

【嘉宾介绍】

王治豪：2023级清华大学自动化系，某国有大行研发主管