AI重塑金融时宏大的愿景总会让人浮想联翩，却在落地的“最后一公里”摔得头破血流。

元旦前的一天晚上，室友拖着疲惫的身子向我大倒苦水：加班到晚上11点，依然没有顺利解决AI智能体语义解析不稳定的问题，业务又催上线催得紧，心理压力巨大。

添加图片注释，不超过 140 字（可选）

简简单单一句话，愣是一千次调用解析，就解析出一千个哈姆雷特来。

其实，这在金融智能体建设过程中是十分常见的一个问题。

在交易市场，交易员之间的沟通并不是标准的书面语，而是一种充满了缩写、黑话和混杂信息的“加密语言”。

添加图片注释，不超过 140 字（可选）

就拿存款行情来说

“出 xx城商行 3Y/5Y 3.15% 可提支，另有 1Y 2.2% 不开，额度充裕”

文本具有以下特色

• 信息密度极大

• 词语之间隐含行业“黑话”例如：“国股”代表“国有银行及股份制银行”

• 期限时间类文字隐含业界规律例如，文本中出现多个期限（如3Y/5Y）但只有一个利率时，默认该利率对应期限最长的那一个

对于这种文本的标准化解析，解析不出来已经是家常便饭，时不时还会来点张冠李戴、南辕北辙的“解析事故”出来。

除此之外，面对的文本挑战包括但不限于：

• 格式随意，没有固定的语法。

• 一条消息里可能包含买、卖、询价多种意图。

• 容错率为0，方向反了就是事故。

• 跨消息的上下文依赖

• 否定与复杂逻辑的复杂嵌套

添加图片注释，不超过 140 字（可选）

01

事件回顾

为了让大家直观感受，这里还原一个真实的“翻车”现场。

存款原始喊价文本：

“出 xx城商行 3Y/5Y 3.15% 可提支，另有 1Y 2.2% 不开，额度充裕”

AI初版解析结果（错误版）：

添加图片注释，不超过 140 字（可选）

AI犯了两个大忌：

一是“张冠李戴”，把属于长端的利率赋予了短端； 二是“属性盲区”，完全忽略了流动性条款。

02

优化策略

玩笑归玩笑，看着室友憔悴的面庞，是该帮他想想办法了。

首先我确认了目前项目上使用的还是以prompt为主的优化思路，弄清楚了他们现在主要优化方式如下：

• 通过加入角色固定来提升上下文精度，例如：“你是一名拥有20年经验的债券交易员，精通各类交易术语...”，但这种效果有限，对生僻简称依然无解；

• 在提示词中增加约束条件，例如：“请严格区分tkn（买入）和gvn（卖出），如果遇到无法确定的价格单位，请根据市场常识判断”，这种很难说一定有正面效果，会让AI开始变得谨小慎微，很多正常数据也被它标记为“不确定”。

• 少样本学习，也就举例说明，在Prompt中喂入了10组典型的对话范例，涵盖了全价、净价、收益率的各种表达。这样确实可以在大部分范例覆盖场景上表现符合预期，但在范例之外的表达却无法保证胡编乱造。

以上这种仅靠优化Prompt工程，无法解决大模型本质上的“概率性”问题。我们需要的是确定性。

添加图片注释，不超过 140 字（可选）

当一个问题反复尝试各种角度都无法解决时，就表示这个问题有被进一步拆分解决的可能性。

限于篇幅，优化策略详细分析欢迎关注公众号【深橙语宙】解锁完整分析。