近年来，银行数字化转型步伐加速，以AI为代表的数据智能技术成为金融创新与风控的核心驱动力，AI模型被广泛应用于银行各业务条线，并取得了显著成效。然而，建模过程中的关键瓶颈仍制约模型落地成效与合规性，例如：

基于多年来在金融业务化AI领域的深耕，魔数智擎自主研发打造的ME可解释、可干预、简单化建模平台（以下简称ME），已系统性解决了传统建模方法存在的问题，而Deepseek的引入，让魔数"大小模型深度融合"的想法成为现实，通过“预测型AI-精准决策”与“生成式AI-深度洞察”强强联手、优势互补，推动业务化AI迈向双脑智能新时代！

（魔数商业化落地RAG实战整体思路）

模型的能力并非是”即插即用“，其核心的优势必须在一个细分具体的领域的工程化设计中，才可以将其转化为实实在在的产品竞争力。如何将通用大模型锻造成行业专家？这就好比让一个会做很多菜但不精通的人变成精通做粤菜的厨师，这其中，让其具备“粤菜烹饪厨艺的核心知识库”是关键破题点。

因此，魔数智擎在大小模型融合设计中，结合多年来产品在金融风控建模领域形成的知识沉淀，打造LLM风控建模知识库，为“小魔啾MOJO”提供丰富的风控建模知识养料，而后在用户不断提问和建模的具体业务操作过程中，“小魔啾MOJO”将持续学习、迭代优化，与ME建模平台联动，最终完成数据分析及用户交互。

（小魔啾MOJO智能问答示意图）

在RAG实战过程中，魔数智擎创新性突破传统RAG单一静态知识源的局限，首创在“系统动态指标+专家经验逻辑”协同架构下的两大类知识库融合：

1）静态类专家实战经验知识库

2）产品动态指标类实时知识库

动静两大类知识库融合最终实现金融风控建模的全维度知识覆盖，为系统上的风控建模的业务人员提供丰富的先验知识指导的同时，还为大模型回答业务人员面临的具体的建模场景问题提供针对性的建设方案，极大降低了使用专业建模系统的门槛。