关注下方“公众号”，获取更多开源资讯

导读

证监会《证券期货业科技发展"十四五"规划》把数字化转型列为行业基础设施建设的核心方向；国家数据局等 17 部门《数据要素×三年行动计划(2024—2026 年)》将"金融服务"列为数据要素重点应用场景，推动金融数据资产化。

对券商来说，最现成的数据要素不是交易流水，而是存量知识材料——尽调报告、私募产品资料、管理人档案、研报等等。这些材料规模以 TB 计，但归档之后大多处于"沉睡"状态。

但是材料找得到，不等于结论信得过。

---

券商的尽调材料，为什么做完一次就"沉睡"了？

答案：因为材料入库时未经治理——归档的是文档，不是结论。

券商知识管理有三个长期存在的痛点：

尽调成果难复用。对同一家私募基金管理人的尽调，团队 A 做过一遍，报告写了几十页，归档进系统。半年后团队 B 接手同一主体的新业务，往往要从头再来一遍——既有的尽调结论躺在库里，无法被结构化继承。人力重复投入，进度重复等待。

指标口径没有并存机制。同一指标在不同材料里取值不一致——比如某资产的管理规模，尽调报告写一个数，产品推介材料写另一个数。传统系统不会提示分歧，查询时只会给出其中一个取值。业务人员如果没发现，这个冲突值就直接进入了工作结论。

跨文档问题没有结构支撑。"某位投资经理关联哪几家管理人"——这类问题没有自然语言答案，因为它需要的不是检索某一段文字，而是把散落在多份材料中的对象关系串起来。

共同成因一句话：材料未经治理即进入索引。向量化解决了"材料找得到"，解决不了"结论信得过"。

材料都进了知识库，为什么有些问题还是答不了？

答案：因为通用检索问答在设计上不覆盖这类问题。

行业里很多券商已经部署了知识库问答系统，检索材料的能力已经普及。但有三类高频问题，纯"检索 + 大模型生成"的方案在方法上就答不好：

计数与聚合类。"待审核文档共有多少篇？"检索召回的片段里没有这个数，模型只能推断——同一个问题换种问法，答案就变了。没有结构化数据支撑，计数类问题无从谈起。

跨文档关系类。"某投资经理关联哪几家管理人？"检索能召回零散片段，但完整性无法保证，也无法枚举——漏掉哪一家，系统不知道，问的人也不知道。

口径冲突类。"甲资产的管理规模是多少？"两份材料两个取值，系统择一输出，不提示分歧存在。这在尽调和研报场景里是合规风险，不是体验问题。

还有第四类，更根本：**"这个字段抽自哪一句、由何人确认？"** 这个问题不属于检索问答的问题域——但在尽调场景中，取值的可信度与确认记录本身就是业务要求的组成部分。

所以结论是：通行方案提升的是"召回质量"，而券商场景需要的是"结论可信"。两者的差距，不在模型，在知识治理。

三条技术路线，差别到底在哪？

答案：差别不在模型，在于治理发生在哪一侧、材料以什么形态入库。

再看与主流厂商的方案定位，主要公开能力集中在"知识库检索问答 + 金融大模型 + 智能体平台"，治理重心在检索侧；对"指标口径冲突的显式提示与双出处保留""结构化结论的句级出处回查""字段级行级权限与追加写审计链"，公开信息中未见系统性描述——而这三点正是券商尽调、研报、投行底稿场景的合规硬约束。

这里要说明 Coco 的定位：解决"机构的材料怎么变成可审计的知识资产"。

路线层面的分野说清楚了。下面落进一个具体场景：一只私募产品的准入尽调。前面提到的每一类痛点，都会在这个场景里出现；Coco 的每一个做法，都会挂在场景的具体材料上。

场景：一只私募产品的准入尽调，从一包材料开始

券商财富管理条线引入一只新私募产品。按准入流程，产品部、风控、合规三个条线要对管理人做尽调。管理人发来的材料包：

• 路演 PPT，80 页——管理规模、投资策略、投研团队、历史业绩
• 尽调问卷 Word，23 页——按券商模板逐项填写
• 电话访谈录音，2 小时——投资总监口述
• 视频会议记录，1 段——投研团队答辩
• 产品净值月报，36 期

三个条线要从这包材料里回答同一组问题：这家管理人靠不靠谱、规模多大、团队稳不稳、业绩经不经得起复核。问题就出在这里。

第一个坎：两年前尽调过一次，这次为什么还要从头来？

两年前，这家管理人发行过另一只产品，当时做了完整尽调，报告两百多页，已经归档。

这次准入新产品，负责团队换了人。旧报告躺在系统里，结论没有字段化、没有结构化——要复用，只能把两百页报告从头再读一遍。多数团队的实际选择是：重新尽调一遍。

同一家管理人，两遍尽调，人力重复投入，准入周期重新拉长。材料归档了，结论没有沉淀。这是第一个坎。

第二个坎：管理规模三个数，到底哪个准？

材料包里的管理规模，出现三个版本：

• 路演 PPT 写 50 亿
• 基金业协会公示数据是 45 亿
• 从净值月报反推，在 47 亿左右

传统的检索问答系统面对这个问题，会给出其中一个取值，不提示另外两个的存在。50 亿和 45 亿之间 5 亿的差异被静默抹平——而这个数字，直接影响产品准入的评级、额度和风控结论。

第三个坎：这位投资经理，关联过哪几家管理人？

尽调必查项：核心投资经理的职业历史。他以前在哪些管理人任职、任职期间业绩如何、有没有过合规处罚。

这些信息散在材料包的角落里：简历在 PPT 的某一页，任职经历在问卷的一个问题里，一段处罚记录藏在录音访谈的一句话里。要拼出完整画像，需要跨文档关联——而"跨文档关系查询"恰恰是通用检索问答在方法上做不到的：召回的是零散片段，完整性无法保证，漏掉哪一家，问的人不知道。

Coco 在这一单尽调里，具体做什么

沿尽调流程走一遍：

入库。材料包里的 PPT、Word、录音、视频全部解析成可抽取的文本，进入写入侧治理链路：解析 → 抽取 → 例外路由 → 审批入库 → 对象物化 → 建立索引。材料全文保留，与结构化字段块同库关联——原文永远可回查。

抽取。按本体定义抽取字段：管理规模、成立时间、策略类型、核心人员、产品业绩。每个字段值附句级出处与置信度。高置信且有原文依据的自动放行；只有三类例外转人工：多源冲突、原文依据缺失、关键字段置信不足。

口径冲突。管理规模的三个取值先做量纲归一，再按阈值判定冲突——构成冲突时，三个取值连同各自出处一起呈现，转入人工复核队列。分歧不被掩盖，出处双方保留。人工审定必须保留：这是可信度的必要成本，系统做的是把人工工作量压缩到只审例外、只审冲突、只审关键字段。

对象物化。管理人、产品、投资经理被物化为对象，跨文档合并去重。投资经理对象关联到他历史上任职的每一家管理人——"关联过哪几家"从散落信息变成可枚举、可统计的关系网络，逐条附出处。

问答。业务人员直接问："张某关联过哪几家管理人？""这家管理人的规模三个口径差多少？"答案来自结构化对象网络，每条结论都能回查到原文哪一句、由何人确认。

Agent 落地。抽取、候选发现、多跳取证、横向对比由智能体执行；业务人员在审定提案箱里逐条裁定，驳回记录原因，全程留痕。智能体嵌在写入侧治理链路里，是持续运行的执行层，不是演示。

风控和合规，凭什么敢用？

内网部署。文档存储、解析抽取、对象库、检索索引、私有大模型与智能体层，全部在券商内网，无公网传输链路。材料不出机构。

行级权限。取数层行级过滤——越权文档在进入证据集合之前就被排除，智能体与大模型全程接触不到这部分数据。提示词约束是软约束，数据层过滤是硬约束，异常可定位到具体规则。

审计链。追加写审计链 + 哈希防篡改；每次问答记录命中的证据与生效范围。风控复核时，每个结论都能回查依据。

写在最后

从行业全景回到这一单尽调：一只私募产品，两年前做一遍、今天做一遍——结论能不能沉淀下来直接复用；管理规模三个口径，是静默择一，还是显式呈现。这两个细节，就是券商知识管理"可检索"与"可审计"的分界线。

三条路径的决策本质：纯向量库解决"可检索"，宽表/图谱解决"可查询"，本体驱动解决"可生长"。材料越攒越多是趋势，尽调不会少做——差别在于：结论靠人翻，还是靠资产复用。