一、培训对象
企业财务分析师、风险管理专员
数字化转型与IT支持人员
对“大模型+财务”应用感兴趣的产品经理与架构师
希望掌握云原生智能体开发能力的技术人员（Python基础优先）
二、培训目标
通过本课程，学员将能够：
理解云原生大模型智能体在财务风险预警中的典型应用模式
掌握基于阿里云百炼平台 + Qwen大模型 + 本地RAG的智能体开发流程
独立搭建“本地业务逻辑 + 云端大模型推理”的轻量级财务预警系统
实现异常检测、时序分析、风险评分等核心财务智能体模块
建立成本可控、数据安全的云边协同设计思维
三、培训内容介绍
一、大模型智能体财务应用认知与架构设计
解析财务风险典型场景（收入异常、现金流断裂等），建立“本地规则 + 云端推理”的云原生Agent架构思维，明确数据边界与协同方式。
二、百炼平台配置与本地RAG环境搭建
完成阿里云百炼平台账号注册、API-Key管理与安全配置，构建基于FAISS的本地向量检索库，实现财务知识与案例的本地化存储与检索。
三、本地财务智能体基础框架实现
封装统一API调用模块，注册本地财务工具（指标查询、比率计算、行业对比），集成RAG检索能力，设计Prompt模板，搭建可运行的Agent原型。
四、异常检测智能体：规则引擎与语义校验结合
配置本地统计异常规则（同比波动、偏离均值等），触发后调用大模型进行业务合理性判断，结合向量库历史案例实现高可解释性异常检测。
五、时序数据分析智能体：特征提取与趋势解读
在本地完成财务时序数据的特征计算（移动平均、环比、季节性指数），将结构化特征传入大模型，生成趋势归因与动态阈值建议。
六、风险评分模型智能体：多因子计算与推理融合
构建本地多因子评分体系（偿债、盈利、营运、市场等），结合企业背景与行业对比，由大模型输出调整后风险评分及关键风险因子解释。
七、综合实战：财务风险预警全流程编排
设计“企业风险全景评估”工作流，实现本地工具优先调用、云端按需推理的任务编排，完成从数据输入到风险报告生成的端到端智能体系统。
八、API调用优化与成本控制策略
学习请求合并、缓存策略、错误重试、流式响应等优化手段，建立token消耗与响应时延监控，培养“效果-成本”平衡的工程能力。
九、数据安全与隐私保护设计原则
实践财务数据脱敏、最小化上传、本地加密存储、传输安全等机制，构建符合《金融数据安全分级指南》等合规要求的智能体架构。
十、本地RAG知识沉淀与案例回流
将有效预警案例脱敏后回流至本地FAISS向量库，实现“使用即训练”的知识积累机制，持续提升检索相关性与预警准确率。
十一、可解释性风险报告生成与可视化
设计结构化输出格式（JSON），要求大模型附带风险因子依据，本地生成包含“本地计算部分”与“云端推理部分”的标准化风险报告。
十二、效果评估与后续演进方向
使用测试集评估预警准确率、响应时延、单次API成本等指标，探讨行业适配、多模态输入、企业微信集成、边缘模型蒸馏等后续演进路径。
