北京
来源：鑫智奖·2026第七届金融机构数智化转型优秀案例评选
获奖单位：阳光保险集团
荣获奖项：大模型与智能体创新优秀案例奖
一、项目背景及目标
当前全球AI编程工具赛道呈现分层竞争格局，国内外均发布了编码能力优秀的产品，如Claude Code、Cursor、Codebuddy、Trae、Qoder等，这些通用型产品代码生成能力出色、能够处理一些复杂的任务，但在保险行业落地应用中，还存在不理解业务、代码生成准确率低等行业适配不足的痛点，难以满足金融保险行业严苛的合规与业务需求，尤其是在存量系统开发场景，普遍代码准确率低于30%。
该项目基于存量的数据开发场景，在通用AI编程技术基础上，通过构建细分场景思维链、搭建领域知识库等多种方式，为数据开发团队提供基于保险场景的AI编程工具，从而提升数据开发效率。
二、创新点
该项目具有以下创新点：
（1）形成了一整套在存量数据系统增量开发场景提升AI编程能力的方法，为通用AI编程工具在行业的逻辑提供一套其实可行的实践方法；
（2）构建保险知识库，并通过机器学习自动完善知识库，为近万张数据表和近30万个字段自动补齐注释、指标、主题等知识，为AI开发提供完备的知识环境；
（3）构建了完备的AI编程工具和大模型的测评体系，可以快速科学的选择适合保险场景的工具和模型；
（4）构建基于细分场景思维连，引导AI正确的思考和决策，降低AI的不确定性；
（5）重新定义AI开发新范式：建立AI更容易识别和决策的规范、规则、知识文件，确立了人机结对编程的新方式；
（6）能力体系创新：构建三大标准化能力模块，补齐通用工具行业适配短板：通过标准化技能模块（SKILLS 集）封装资深研发经验与领域知识，覆盖全技术栈，降低研发门槛；通过规范化规则模块（RULES 集）固化保险研发规范与流程，统一团队标准、严控合规质量；通过轻量化插件模块（插件集）整合多交互模式，优化操作体验，提升研发效率。
三、项目技术方案
该项目采用大模型、IDE、知识库、提示词工程、代码上下文分析等技术，以“工具+平台+模型”为核心，搭载三大智能能力集，实现灵活组装、按需赋能。
产品架构分层如下：
前端工具层：包括插件、IDE、CLI三种产品形态，兼容Windows、macOS、信创等操作系统，支持Java、Python、Go等主流编程语言。
中台平台层：统一管控SKILLS集、RULES集两大核心能力库，搭配开放API实现能力调度、权限管理与共享，向下对接模型层、向上支撑工具层，保障能力标准化输出；并提供统一的保险知识库，将规范、规则、案例、元数据、保险术语等专业知识统一管理。
后端模型层：采用内外混合大模型架构，通用场景调用外部优质大模型，保险垂直场景采用私有化精调模型，兼顾技术先进性、数据安全性与成本可控性，为三大能力集提供底层算力支撑。
产品具有较高可扩展性：架构层次化、功能组件化的方式提升产品可扩展性，对于新技术的引入或者替换，可以快速、低成本的改造，不会对现有产品颠覆式改变。
产品也具有高可用性：产品应用架构采用微服务架构、数据库使用分布式数据库、可以灵活切换多种模型，最大程度提升产品高可用性。
四、运营情况
该产品内部用户100人左右，覆盖了所有数据开发岗，数据开发团队通过使用该工具取得了一定效果，开发效率提升20%以上。
五、项目成效
在数据开发场景，代码采纳率20%左右提升至80%以上，其中：新增维度/指标场景的AI代码准确率90%以上，报表迁移场景和语法转换场景准确率95%以上，提数场景AI代码准确率80%以上；新增简单报表场景的AI代码准确率80%以上，新增复杂报表场景的AI代码准确率75%以上。
六、经验总结
AI编程在保险行业的落地，不能仅依靠工具和大模型自身能力，更需要通过知识库让AI理解保险业务和保险逻辑，需要通过构建场景思维链，引导AI思考，降低AI不确定性，同时还需要各种智能辅助工具，帮助大模型延伸某一细分领域能力。最终通过“AI工具+大模型+知识库+思维链+智能辅助工具+代码/数据治理”这一整套方式才能实现AI懂技术、懂保险、可落地的突破。
更多金融科技案例和金融数据智能优秀解决方案，请在数字金融创新知识服务平台-金科创新社案例库、选型库查看。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
