澜码科技简介
澜码科技成立于2023年2月，是一家基于大语言模型的企业级AI Agent平台公司，核心团队成员来自Google、IBM、腾讯、字节、阿里、依图等国内外知名互联网和AI公司。
主要产品：
目前，澜码已在金融、能源、政务、零售、教育等多个行业落地应用，并与多家上市公司和独角兽企业达成战略合作。
行业奖项：
澜码科技是中国信息通信研究院主持的多项大模型相关标准的牵头及参编单位，包括AI Agent标准牵头单位、金融人工智能标准参编单位、大模型一体机标准参编单位等；是《中国人工智能产业发展联盟》的成员单位、中国人工智能产业联盟金融组成员单位，以及中国信通院MaaS工作组首批成员单位；此外，澜码科技是2024年上海市签约的9个人工智能重点项目之一，也是其中唯一的AI Agent公司。
部分获奖情况：
据不完全统计，澜码自成立以来荣获媒体与智库榜单 17项、政府及研究院奖项 7项、产品及解决方案奖项 7项、参编行业标准3项等。
AskXBOT平台是澜码科技自主研发的基于大语言模型的企业级Al Agent 平台。平台集Agent与工作流设计、开发、使用、管理与知识沉淀于一体。
在AskXBOT平台上，企业用户可以设计、创建和管理Agent，快速定制企业级AI Agent来完成各类任务，提升工作质量的同时降低成本。
产品的核心功能有：
· Agent设计
预置多种Agent和工作流模版，用户可基于模版或自定义快速创建满足企业个性化、复杂任务场景的应用
· Agent管理
用户可以查看和管理所有企业内的Agent与工作流，包括状态管理、权限管理、使用情况查看等
· Agent使用
用户可随时随地通过对话使用Agent，结合界面交互更直观地查看过程和结果
提供内置开箱即用的Agent、工作流至公共市场；同时支持创建者将自定义的Agent/工作流发布至团队市场，实现创建者私有数据&租户共享数据隔离
Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环
· 仿真平台
通过多维度的性能测试，全面评估不同模型表现，包括准确率、召回率、推理速度和资源消耗等
产品的优势有：
· 快速搭建应用：用户可基于平台预置的Agent、对话流和工作流模版快速创建符合业务场景的应用，并提供低代码画布与组件搭建Agent
· 提供高度模块化和原子化的功能设计：可以自由组合和封装，以适应多样化的业务场景和需求
· 灵活适配：支持选用多种国内外大语言模型，以适应不同业务场景的需求
· 提供全面、精准的模型性能评估：通过多维度的性能测试评估模型表现，帮助客户选择符合业务场景的最优模型
· 易用性高：开箱即用，提供直观的产品界面和简化的操作流程
· 安全性和透明度高：提供全面的统计日志与审计日志记录
· 可追溯性高：清晰记录平台数据来源，并能实时记录用户与Agent的互动
· 多样化部署：支持API调用、私有化部署
与友商相比独特优势为：
一．专家知识
澜码科技认为，专家知识是AI Agent 得以在企业落地的关键。专家知识的高度决定了AI Agent能够提供的价值高度，数据会帮助专家快速迭代专家知识，从而提高AI Agent的通用性。
大语言模型缺乏企业特定领域知识，解决不了实际业务问题，如同一位名校毕业的高材生，由于缺乏实践经验而难以胜任具体的业务任务；此外，大语言模型对于自身能力边界的认知模糊，导致在面对超出自身能力范畴的问题时，仍试图依靠自身理解给出答案，结果往往南辕北辙，这就是常说的“模型幻觉”。因此，在企业级应用场景下，专家知识对大语言模型落地至关重要，可以说专家知识决定了AI Agent的天花板。
澜码科技的AskXBOT平台，可以沉淀专家的知识和行业经验，构建企业知识库，促进知识共享与传承。基于此，Agent辅助知识治理，配合专家知识数字化沉淀；专家知识赋能Agent与工作流，形成良性闭环。
二．模型中立及原子化能力
目前大语言模型厂商在发布模型时仅定义了参数，未对模型的具体特性参数（FeatureList）进行定义，这就意味着企业用户在落地应用大语言模型时往往面临盲人摸象的困境，难以准确评估模型在特定应用场景中的适用性和效率，以及难以根据自身需求高性价比的选择、调整和优化模型，这需要基于经验和实际情况不断进行匹配和调试。
作为模型中立厂商，澜码科技在过去一年多的大语言模型应用实践中，积累了大量实战场景下Agent原子能力的表现数据，因此更加了解在不同场景下的模型的表现和效果，能够基于企业的核心需求对大语言模型进行选择，并且及时调整、优化、组合模型，实现在不同业务场景下的应用落地。
标杆客户案例
案例1：银行贷款尽调助手
背景及详情：
国内某银行响应国家大政方针推出一项普惠贷款服务，旨在为中小企业提供便捷的贷款服务，以支持实体经济的发展和创新。但是在发放普惠贷款的过程中，银行难以全面了解借款企业信息状况和还款能力，尤其是对于缺乏完善财务记录的中小企业和个体工商户。因此银行客户经理要花费大量时间收集和分析各类资料，对申请企业进行尽职调查，并撰写尽调报告，其中包括但不限于客户情况分析、财务数据分析、尽调审核分析等。
此时，银行面临两大痛点：
1）一线客户经理的业务分析水平参差不齐，使得尽职调查和尽调报告的质量也质量不一，银行希望可以有系统能够辅助基层客户经理分析，帮助人工发现一些不易发觉的点或遗漏；
2）一线客户经理需要花费大量的时间在报告撰写工作上，而当前的系统给出的报告内容比较死板，无法直接使用。
因此，银行希望能够有一款基于大语言模型的AI Agent能够帮助银行去获取申请企业的信用相关数据，并自动生成分析报告，为客户经理减负。
客户价值:
澜码接到该银行的需求，基于大语言模型构建了尽调报告Agent，可以自动给出分析结论、生成报告，辅助一线银行客户经理的工作，能够节省客户经理80%报告撰写时间，同时还可以全面审核客户资料、减少错误率。这款Agent还可通过配置满足不同银行的模版要求，满足不同分行个性化需求。
案例2：某保险经纪营销辅助Agent
项目背景及挑战：
该保险经纪是国央企集团旗下的全国性、综合性保险经纪机构，其业务遍布全国各地，下属几十家分支机构，旨在为广大客户提供一流的保险经纪及风险管理服务。
该险企旗下的带病体/非标体保险产品有着广阔的市场需求，但其产品需求因人而异，面临定价难、核保难等诸多问题，传统的营销销售路径存在一定的瓶颈：
1）传统的获客成本过高，且难以应对当前市场的庞大需求。传统保险经纪人通常需要“人找线索”，经统计：每100人中，15～18%的人才是潜在目标客户，如再假设潜在目标客户漏斗为20%的转化率，销售聊100人，转化3人，人效比低。
2）保险经纪人员的团队规模和专业能力要求高。一方面，随着市场需求以及该保险经纪公司的业务范围不断扩展，对保险经纪人员的数量需求上升；另一方面，该险企区别于其它保险产品公司的关键是，其可承接市面上所有类型保险产品，并可为客户量身推荐产品或产品组合。也就意味着在面对用户需求时，如何根据不同因素如保费等级、地区等要求，有效、高效地为用户提供最合适的保险产品成为重点。
该险企联合澜码科技推出保险产品营销辅助Agent，实现自动对体检单提取健康状况及疾病相关的信息，专家知识通过自然语言的方式将产品匹配规则进行输入，Agent会自动根据抽取的信息和匹配规则，针对用户的健康情况，推荐适配的健康保障产品，同时辅助经纪人在已有客户上面进行更大范围的产品销售和推荐。
系统前端可实现多渠道接入客户线索，并可自动针对体检单健康状况及疾病相关的信息进行提取，并通过自然语言的方式将专家知识、产品匹配规则进行输入，Agent会自动根据抽取的信息、产品匹配规则，针对用户的健康情况推荐适配的健康保障产品，辅助经纪人在已有客户基础上进行更大范围的产品销售和推荐，打破传统“人找线索”营销困境。
同时，系统可仿照专家的分析和匹配过程，构建匹配AI Agent，打造会话式的“专家分身”，将专业内容转化为一般用户和保险业务员易懂的语言，便于对潜在客户进行保险产品和健康管理服务推荐，提升保险经纪团队的服务水平，实现保险产品的高效匹配，提高线索转化。
项目成效：
该险企带病体/非标体保险产品营销辅助Agent，作为该企业保险产品的AI 支撑平台，向上承接各种业务与用户的需求，向下衔接企业内各类产品，打造了真正意义的AI Native产品，宏观上整体改变了保险经纪的业务形态及业务推进方法。
产品销售层面，通过平台扩展线索来源，按专家经验构建AI分身，实现线索自动匹配，定向派单，提升线索转化效率，缩短预核保周期（从3周提升至3-5个工作日）；专家输入产品匹配规则、保险知识、体检报告解读等原始数据至系统中，Agent可根据消费者体检报告分析并输出该报告结果，并提供相应的保险产品推荐。在专家知识赋能下高效匹配用户及保险产品，由此实现对保险方案的定制化推荐，极大提升了保险销售人员的转化率。
公司运营层面，自动化构建保险专家知识，助力保险公司实现智能化知识管理；通过沉淀保险专家知识库，解放专家时间，使得本就少量的保险专家可以有更多的时间去针对客户场景选择和组合不同的保险产品，同时赋能Agent形成良性循环。
案例3：某国家电网单位智能结算稽核Agent
项目背景及挑战
随着国家高质量发展业务的要求迅猛开展，央国企、企事业单位在供应商付款管理方面主要依赖人工审核和传统的审计方法，这些方法存在效率低下、易出错、难以应对大规模数据处理等问题，针对付款稽核的工作日益繁重，存在稽核效率低、稽核成本高等问题。
以某国网单位业务为例，物资集采业务结算包括预付款、到货验收款、投运款和质量保证金等结算支付业务，此类业务存在业务结算涉及金额大、笔数多，每年结算业务笔数超过10万笔；并且业务管理环节多，对办理时限要求高；同时，结算业务相关数据信息结构化程度高、数据来源多，不同专业数据之间存在勾稽复杂、不严谨等情况。
智能结算稽核Agent通过搭建稽核专项模型，能够根据不同来源数据、文档、应用及流程，感知结算报账系统从填单、审批、分析和洞察全流程数据，提供各类精细化、智能化赋能应用，助力稽核/审计/费审等业务精细化、智能化管理升级。
系统架构清晰划分为数据采集层、数据处理层、AI模型层、应用服务层和用户交互层，各层级之间无缝对接，确保数据流动的顺畅与安全。
核心功能将涵盖以下几个方面：
2、异常识别与风险评估：利用先进的大语言模型算法识别数据中的异常点和违规项，评估潜在风险；
3、实时反馈与建议：为结算人员提供实时审核建议、批量稽核结果导出和分类展示，助力决策更加高效、精准；
4、报告生成与数据分析：自动生成详尽的审核报告，提供可视化的数据分析展示和提醒；
5、定制化稽核规则：支持根据业务需求，通过自然语言的方式，灵活设置稽核规则。
项目成效：
智能结算稽核Agent实现了预付款、到货款、货运款、质保款等核心款项的智能稽核，实现了10万多笔结算业务的智能化结合，大大提高了稽核效率、降低了结算风险。
在大语言模型技术赋能下，Agent能够快速识别异常和潜在风险和可视化的预警展示，能够实时向结算人员提供稽核结果处理建议和有针对性的稽核措施和解决方案，确保结算工作顺利进行。同时，通过自然语言的方式维护稽核规则，让稽核规则的更新和稽核归因追溯和洞察更加高效准确，实现了多来源、复杂的业务勾稽关系智能化的分析和洞察，挖掘出更多潜在风险，让结算稽核工作更加智能化、自动化。