在国家“人工智能+”行动与新质生产力发展的双重指引下,金融科技正迈入以大模型为核心驱动力的智能化新阶段。在银行科技体系内部,从需求提出、软件研发、软件测试到系统运维的全生命周期中,基于大模型的创新应用不断涌现。作为国有大型商业银行,中国邮政储蓄银行(以下简称“邮储银行”)积极推进数字化转型,创新性地构建面向金融科技领域的需求知识库,实现了需求编写、领域知识转化、智能需求场景应用、反馈迭代优化的全流程闭环,为软件研发生命周期注入智能动力。需求知识库通过标准化建设、多模块协同与场景化赋能,将散落的业务知识转化为可复用、可迭代的业务资产,构建了企业级需求知识管理的全新范式,成为银行业以科技赋能业务、夯实智能化转型基础的典型。
一、困局与挑战:传统需求管理与智能化转型之困
需求文档是软件研发过程的基石与蓝图,承接着业务愿景与技术实现。其质量与流转效率直接决定项目推进节奏与最终成果,但传统需求管理模式长期受多重痛点掣肘,普遍存在以下问题:
一是需求文档质量参差不齐。需求编写高度依托需求分析师的知识储备与主观判断,文档清晰度、准确性、一致性差异大。
二是知识沉淀复用难。历史需求文档分散在不同平台,缺乏有效的整合与集中管理,且需求文档的隐性业务逻辑与技术细节未被系统化梳理,无法转化为可复用资产,业务经验传承易断层。
三是大模型应用受限。缺乏高质量业务知识底座支撑,大模型易出现“幻觉”输出,且难以精准匹配银行业务规范与技术细节,智能化赋能效果大打折扣。
四是知识流转单向化。传统模式下知识仅从“沉淀”到“应用”单向流动,缺乏应用反馈对知识的反向优化机制,导致知识无法随业务变化动态更新,逐渐失去实用价值。
这些痛点不仅让开发团队难以准确理解与执行,还为项目后期埋下了隐患,极易引发频繁的需求变更与返工。这既造成资源浪费与交付延误,也严重制约了银行科技研发的效率,阻碍了整个科技体系向智能化、标准化演进的步伐。
二、从标准体系到实施框架:需求知识库的“三维协同+闭环迭代”建设方案
面对挑战,邮储银行从顶层设计入手,围绕数据质量、技术选型与安全合规三大维度,建立了一套严格的金融科技领域需求知识库建设标准,并设计了“三维协同+闭环迭代”的系统化实施方案。通过打通不同平台的历史需求数据,整合异构文本信息,构建从需求编写、领域知识转化、智能需求场景应用到反馈迭代优化的的完整闭环流程,实现知识内容在T+1动态保鲜。方案还通过预定义模板驱动的文件解析技术与多维度知识标签体系,实现了数据系统化分类,同时为业务侧提供灵活的检索机制,且能通过应用反馈持续完善知识质量与应用效果。需求知识库方案总体架构如图1所示。
图1 需求知识库总体架构
1
三大核心标准:奠定知识库建设的“压舱石”
(1)数据质量规范:确保知识的“源头活水”
一是权威性。优先选取正式发布的规章制度、政策文件、技术规范等权威来源作为数据采集对象,确保知识的准确性与合规底线。
二是场景性。采集的知识来源须紧密围绕知识库的目标应用场景选择。例如,针对智能需求生成场景,历史需求文档是关联度高且具转化价值的核心知识来源。
三是时效性。需建立与上游需求管理系统的自动化数据接入通道,确保知识内容能够定期更新与汰换,保证知识的时效性;同时通过建立知识的版本管理能力以及接入应用场景反馈数据,构建知识反向优化机制。
四是一致性。需保障采集数据的完整性。首先,确保与原始数据源系统的数据一致;其次,在加工处理(如文本解析、切片)后,生成的切片内容必须与原始内容保持一致,实现无损的信息提取,避免内容损耗。
(2)技术选型要求:保障系统的“高效智能”
一是高覆盖文本解析。文本解析是知识库构建的基础环节,其准确性直接决定内容完整性。知识库文本解析服务需最大化覆盖业务中常用的文件格式,如DOC、DOCX、PDF、压缩包等格式。
二是自适应文本切片。文本切片的粒度直接影响知识召回的质量。技术方案应支持根据原始知识的结构特点进行自适应切分,例如对于结构化文档(如标准模板需求文档),应按其固有逻辑结构(如章节)进行切分;对于非结构化文本,可采用定长或按段落切分,并合理设置重叠部分大小以保障上下文的完整性。
三是企业级向量存储。文本及向量数据的存储服务需具备企业级可靠性,能够支持海量业务文档的存储与动态扩容,并具备数据备份与容灾机制,保障数据不可丢失。
四是灵活高效的检索机制。知识召回时需支持混合检索策略,通过向量相似度…