风险识别系统产品系统Vibe Coding

项目描述：
● 按照银监会相关要求，设立主要风险的识别和评估标准，确保主要风险得到及时识别、审慎评估和监控；

● 项目主要包括风险水平评估和风险管理能力评估，针对政策风险、战略风险、银行账簿利率风险、合规风险、流动性风险、声誉风险、信息科技风险、国别风险、集中度风险、剩余信誉风险等维度，设计综合打分卡模型实现对各类风险进行评估；融合大模型的文本理解与图神经网络的关联分析能力，重构原有的线性回归评分卡。实现了对政策风险、战略风险、国别风险等十大维度的动态权重调整与智能化评估。
● 通过“大模型+RAG+知识图谱”技术范式，实现风险从被动响应到主动预测的战略升级，为信贷审批、内部审计等关键业务提供实时、精准的智能决策支持。利用 Neo4j 知识图谱技术，将分散的客户信息、交易流水、宏观政策构建为多维关联网络。通过图算法深度挖掘隐性关联交易、集中度风险与潜在的欺诈模式，实现风险的“可视化”与“关联化”识别。

● 负责项目的的spring AI的多智能体的设计开发，数据库设计设计并实现基于 Spring AI的多智能体（Multi-Agent）协作架构。封装复杂的银行内部API工具集，实现智能体对复杂风控任务的自主规划、工具调用与结果反思，显著提升大模型在垂直领域的推理准确率。
● 负责从业务数据抽取到智能检索的全链路设计。针对金融风险语料特点，优化文本 Chunking 策略与Embedding模型，基于Milvus向量数据库构建低延迟、高召回的语义检索引擎，解决大模型“幻觉”问题。
● 基于 Python (FastAPI/Django)​ 与 Spring Boot AI 构建高可用微服务后端，设计灵活的风险指标计算引擎。主导关系型数据库（MySQL/Oracle）与图数据库、向量数据库的异构数据同步与存储方案