先说几个直观感受。近期，在2026开放原子开源生态大会上，润和捷科的吴瑨俊提出了一个非常值得关注的行业洞察：当AI Agent真正深入金融核心业务场景时，技术基础固然重要，但决定成败的核心要素，是对行业Know-how（领域知识）的深度理解与沉淀。

2026开放原子开源生态大会“AI Agent的创新与应用”论坛现场实况

在这场题为《打造行业级智能体矩阵：润和捷科以AI Agent精准赋能金融业价值跃迁》的演讲中，吴瑨俊深入拆解了其核心策略：一套名为“1+N”的智能体编排框架，一套自主研发的Harness服务框架，以及从近100个落地项目中沉淀的工程实践经验。这些内容，对正在规划AI智能化转型路径的金融机构而言，具有极高的参考价值。

润和捷科金融科技事业部解决方案总监吴瑨俊正在发表主题演讲

金融智能体在规模化落地过程中，究竟面临哪些关键瓶颈？吴瑨俊分享了一组触目惊心的数据：30%到50%的Token算力浪费在重复加载历史上下文上；数据孤岛问题严重制约核心数据的灵活调用；大模型产生的“幻觉”在零容错的金融环境中，其风险被急剧放大；固定化的业务编排模式难以适应快速变化的业务需求；各部门之间的竖井式建设导致资源重复投入；此外，一线业务人员与AI能力之间仍存在显著的使用鸿沟。在当前国产算力供给有限的现实约束下，金融行业迫切需要一套既能深度理解业务、又能实现精确输出，同时还能降低一线使用门槛的综合解决方案。这，才是真正考验技术供应商实力的核心所在。

业务破局：从AIPaaS迈向智能体，以行业Know-how重塑核心竞争力

吴瑨俊特别强调了一个容易被忽视的关键点：润和捷科之所以能在智能体赛道上快速取得突破，并非仅仅依赖技术工具本身的新颖性。自2023年孵化AIRUNS产品以来，他们确实覆盖了异构算力调度、模型训推、数据工厂等基础能力，掌握了智能体全生命周期的开发工艺与技术。

然而，真正构成其竞争壁垒的，是深耕服务金融客户十余年来沉淀的深厚行业Know-how。2024年下半年，他们全面发力智能体赛道，围绕金融机构“技术+业务+管理”的全链条能力体系，成功构建了近100个智能体，最终形成了一个完整的行业级智能体矩阵。在这个矩阵之上，他们还进一步沉淀出了一个能够快速复用的通用能力平台。

润和捷科金融行业级智能体矩阵全景展示

目前，这些智能体应用已覆盖金融开发、智能运维等技术服务场景，并深入渗透到信贷、零售金融、对公业务、监管报送、智慧办公、合规审计等核心业务领域。更重要的是，通过RAG知识库体系，他们为多家金融机构提供了精准的智能问答与数据查询服务，真正将AI能力嵌入到业务人员的日常工作之中。

技术破局：以Harness框架重构金融智能体工程范式

那么，支撑这一切落地的工程范式是什么？吴瑨俊重点介绍了自研的Harness服务框架——这是一套开源的多智能体编排框架。该框架的设计包含四个非常务实的特色，每一项都直击金融场景中的核心痛点。

润和捷科智能体开发平台——Harness服务框架核心示意图

特色1：三层记忆系统

该系统包含短期记忆、长期记忆与记忆整理三个层次。针对30%到50%的Token算力浪费问题，Harness的做法是大模型不再盲目加载全部历史上下文，而是从本地向量库中按需检索相关信息。实际效果是Token用量直接压缩了70%，这对于弥补国产GPU算力短板，是一项实实在在的效率优化。

特色2：四大核心引擎

技能引擎支持Agent即插即用；任务引擎允许通过自然语言创建并自动化运行任务；进化引擎能持续优化记忆检索，简单说就是越用越智能；防护引擎则专门防止工具滥用与越权操作。这套引擎系统让智能体开发实现了无代码化，仅需简单配置即可快速上线。

特色3：1+N架构

这是解决竖井式建设问题的关键设计。通过一个统一的多智能体管理器负责注册、调度与服务分发，下方调度N个部门独立的智能体。最关键的是，每个部门都拥有隔离的存储、记忆和配置权限，甚至可以为每一个智能体设定专属角色、权限和业务属性。这意味着每个部门都能获得一个专属的、懂业务的数字员工，业务逻辑与实际场景紧密绑定，远比传统的多租户方案更加灵活和实用。

特色4：MCP协议无感接入

这个特色主要解决“好不好用”的用户体验问题。系统优先适配用户已有的办公环境，让AI服务像水电一样自然融入日常工作流，而不是让用户被迫去适应一个全新的系统界面。

场景落地：Harness框架实践案例

理论再好，也需要实战验证。吴瑨俊分享了多个非常具体的金融场景案例。

案例一：智能客服

传统的对话流程采用固定DAG（有向无环图），一旦面临催收与投诉叠加等复杂目标，模型便难以应对。Harness采用动态编排方案，让大模型自主从智能体池中按需组装能力，实现全流程自动化闭环，显著提升了消保处理效率。

案例二：对公财务报告分析

这是一个典型的“OCR精准转化+结构化清洗+大模型推理+数据校验”四步流水线。核心目标只有两个：识别准确率与财务科目理解能力。最终效果令人印象深刻：单证录入从半天缩短至5分钟，财报录入从1天缩短至5分钟，数据错误率降至0.2%，关联企业识别从2天缩短至10分钟。这对提升信贷审批的客观性和效率来说，几乎是革命性的突破。

案例三：联络报告

客户经理拜访完客户后，撰写报告往往是最让人头疼的环节。通过多模态采集（语音、照片、文件）结合长记忆向量库沉淀，再辅以KYC自动提取，系统可以做到“无感记录+智能处理”，客户经理全程无需任何手动操作，报告自动生成，客户画像深度呈现。

案例四：AI原生重构大零售

这是一个真正体现架构创新的典型案例。通过多模态向量化、MCP协议和Agent封装，构建了四层AI原生架构。其效果是将大零售业务从传统的“人找系统”模式，彻底转变为“系统找人”的主动服务模式。吴瑨俊将其形象地称为“背靠专家团，一事一助”，最终目标是让“冠军销售”的能力可以实现无限复制与规模化扩展。

除此之外，基于RAG和多模态文档解析技术，他们还实现了尽职调查报告的一键撰写功能，确保报告内容可追溯、可验证。另一款产品JettoPro平台引入了数据飞轮技术，让测试数据能够反哺模型训练，测试设计效率平均提升了60%。

整体来看，润和捷科已经成功构建了从技术平台到业务场景的完整闭环。作为一家在金融科技领域深耕十余年的技术服务商，他们的策略非常清晰：不盲目追逐概念，而是围绕金融核心业务场景，持续打磨“能用、好用、实用”的解决方案。让AI真正融入业务、赋能一线员工，这或许正是金融机构在智能化浪潮中实现稳健发展的关键所在。

江苏润和软件股份有限公司（简称“润和软件”）成立于2006年，2012年在深圳证券交易所创业板上市（证券代码：300339），是首批国家规划布局内重点软件企业、全国文明单位。公司总部位于南京，在北京、上海、深圳、香港等22个国内主要城市设有研发中心或分子公司，在日本、新加坡、美国等国设有海外分支机构，全球员工约17000人，拥有全球化的技术整合、客户响应与服务到达能力。

秉承“做民族软件脊梁，担世界进步责任”的使命，润和软件以“AI转型共建者、AI落地护航者、AI价值兑现者”为核心定位，致力于成为中国数智技术与服务创新的引领者。公司依托多年深耕行业的深厚积累、软硬件一体化解决方案与全生命周期服务能力，持续助力客户实现数字化转型与智能化升级。