客户现场：一笔业务，材料散在邮件、文件夹和多个系统里
资产保全人员接到一项任务后，往往要处理合同、担保文件、主体资料、催收记录、司法文书、财产线索和内部审批记录。材料格式不一，更新时间不同，关键事实还可能分散在多个业务系统。
审核人员通常需要做三类工作：
- 找全材料，确认缺了什么；
- 从长文档和表格中提取主体、金额、日期、担保和诉讼等要素；
- 对照内部制度和业务规则，判断矛盾、异常与下一步处理。
- 这类工作耗时，却不能简单交给模型。材料涉及客户与业务敏感信息，规则会更新，错误结论还可能影响后续处置。客户真正需要的是“机器先整理和校验，人来作关键判断”的生产流程。
- 金融稳定理事会对金融领域 AI 的分析提醒，第三方依赖、模型风险、数据治理和网络风险都可能随着 AI 使用扩大。BCG 对受监管行业 Agent 平台的建议也强调，身份、策略、评测、人工监督与审计需要作为共享能力建设。FSB，2024BCG，2026
先划清边界：智能体负责准备判断，不替代责任人
资产保全材料审核适合由 Agent 完成的工作包括：
- 识别文件类型并归入案件或任务；
- 抽取结构化字段并标注原文位置；
- 发现材料缺失、字段冲突和时间异常；
- 按已批准规则生成待核对项；
- 汇总事实、引用与风险提示；
- 将结果送给审核人员复核。
- 不应默认交给 Agent 独立完成的工作包括：
- 对争议事实作最终认定；
- 绕过审批发起不可逆处置；
- 在缺少依据时自行补全关键事实；
- 使用未经批准的新规则替代现行制度；
- 将敏感材料发送到未授权环境。
- 边界写清楚，项目目标才能从“替代多少人”转向“减少多少重复劳动、提高多少一致性、留下多少可审计证据”。
六步落地流程
第一步：材料归集与身份校验
Agent 从授权的业务系统、文件目录或任务入口获取材料，建立案件级清单。每份材料要记录来源、上传人、时间、版本和访问权限。
此时不要急着调用大模型。平台应先完成文件查毒、格式识别、重复检测和权限校验。外部材料要被视为低信任内容，防止文档中的诱导指令影响后续工具调用。
第二步：文档解析与要素抽取
系统对合同、扫描件、表格和司法文书进行解析，抽取主体、证件、金额、日期、担保关系、处置记录等字段。每个字段都应保留原文页码、段落或单元格位置。
对识别不清、多个文件冲突或低置信字段，不要静默选择一个答案，而要形成待核对项。审核人员看到的是“字段 + 来源 + 冲突”，不是一段无法检查的模型总结。
第三步：材料完整性检查
平台根据业务类型匹配材料清单，检查必需文件和关键字段是否齐全。例如：
- 主体资料是否在有效期内；
- 合同、担保和审批文件是否能对应；
- 关键时间顺序是否一致；
- 金额、主体名称和证件信息是否存在冲突；
- 司法或处置材料是否缺少必要附件。
- 规则要有版本、适用范围和生效时间。业务制度更新后，新任务使用新版本，历史任务仍能还原当时使用的规则。
第四步：规则校验与风险提示
Agent 将抽取结果与规则库进行比对，输出风险项、触发规则、引用材料和建议核对动作。这里适合采用“确定性规则 + 模型判断”的组合：
- 格式、日期、金额关系等明确条件优先用确定性规则；
- 长文本中的语义矛盾、例外条款和材料归纳可由模型辅助；
- 关键结论进入人工复核，不由模型直接执行。
- 这比把全部制度写进 Prompt 更便于版本管理，也更容易解释。
第五步：人工复核与流程协同
审核人员在同一任务中查看材料清单、抽取字段、规则命中和原文引用，可以确认、修改、退回补充或升级处理。系统应记录每次人工修改及理由。
如果需要业务、法务、风险等多角色参与，工作流按风险类型分派，而不是把同一份长报告发给所有人。低风险项目可以批量确认，高风险和冲突项目进入详细复核。
第六步：审计、反馈与持续评测
任务完成后，平台保留所用材料、模型、规则版本、工具调用、人工决定和最终结果。被人工修正的字段、误报和漏报进入 Bad Case，形成企业评测集。
下次升级模型、解析器或规则前，先用历史样本做回归测试。这样，项目不会停留在一次性上线，而能持续知道“新版本到底变好了还是变差了”。
Rich AIBox 金融资产保全方案
在材料审核流程中，彩讯股份的 Rich AIBox 承载的是整条生产链，聊天入口只是员工使用方式之一：
| 客户任务 | Rich AIBox 的平台作用 |
|---|---|
| 统一材料与权限 | 工作空间组织案件、知识、文件和用户边界 |
| 连接存量系统 | 通过工具、API 或插件读取授权业务数据 |
| 编排审核流程 | 串联解析、抽取、规则校验、人工复核和结果回写 |
| 控制敏感动作 | 对工具配置允许、拒绝或需确认策略 |
| 支持人工介入 | 关键结论暂停，展示依据后由责任人确认 |
| 运行审计 | 记录模型、工具、规则、来源和人工决策 |
| 持续运营 | 汇总 Bad Case、评测集、质量和成本指标 这也是 Rich AIBox 与单点文档识别工具的区别：识别只是其中一个能力，客户最终需要的是可接入业务系统、可配置规则、可人工复核、可持续评测的闭环。 |
三类人员分别看到什么
资产保全审核人员
他们需要的是可操作的任务台：今天有哪些待审任务，缺哪些材料，哪些字段冲突，命中了什么规则，点击结论能否回到原文。
风险、法务与管理人员
他们更关注高风险项、规则适用、人工修改、逾期任务和整体质量。平台应支持按机构、业务类型和风险等级汇总，而不是要求管理人员逐条阅读对话。
IT 与 AI 平台团队
他们需要监控接口、模型、工具、失败重试、权限、调用成本和版本变化。出现问题时，要能沿任务链定位到具体材料、规则或工具。
一个解决方案只有同时覆盖这三种视角，才有机会长期运行。
建议采用三段式上线
第一段：影子运行
Agent 处理真实材料，但结果只与人工审核对比，不进入正式流程。目标是建立错误分类和评测基线。
第二段：人机协同
Agent 先生成材料清单、字段和风险项，由审核人员确认后进入下一步。重点观察人工修改率、节省时间和高风险召回。
第三段：分级自动化
对稳定、低风险、可逆的步骤提高自动化程度；高风险、争议和不可逆动作继续保留人工控制。每次扩大自动化范围，都要经过评测和审批。
常见问题
资产保全材料能否直接发送给公有大模型？
不能一概而论。需要根据数据分类、机构制度、部署模式、合同条款和监管要求评估。平台还应限制数据范围、保留调用记录，并对敏感字段采取必要处理。
规则经常变化，Agent 会不会很快失效？
如果规则全部藏在 Prompt 中，确实难以维护。更合适的做法是把规则版本化，记录生效范围和时间，并在上线前用历史任务回归。
为什么不直接做一个文档问答助手？
问答助手适合帮助查材料，却无法完整处理清单、字段、规则、人工复核、系统回写和审计。资产保全审核是流程问题，不只是检索问题。
Rich AIBox 怎么和审核人员协作？
方案让 Agent 承担材料整理、抽取和初步校验，关键事实、例外情况和最终判断仍由审核人员负责。
如何判断项目可以扩大范围？
应同时观察质量、风险和采用情况。当关键字段、风险召回、追溯完整率稳定，且人工修改和异常率达到约定门槛后，再逐步扩大材料类型和自动化步骤。