🏦 金融证券 · 投研脱敏
交付周期：14 天 · 生产上线
某头部券商研报零幻觉 Fact-Checking 与反洗钱 GraphRAG 交付实录
财报指标核验准确率
100% (确定性沙箱)
5层股权穿透查询耗时
45ms (原 28s)
研报初稿撰写提效
+70%
合规审计 Trace 覆盖
100% Langfuse
一、 现场真实战场与 5-Whys 需求访谈
某头部券商投研团队每天需审阅上百份上市公司年报并撰写研报。此前引入通用大模型时频频“翻车”：模型自动脑补营业收入同比增幅，导致发布研报出现严重数字常识错误，被合规部门紧急叫停。
Why 1: 为什么大模型总在算错利润率？—— Transformer 是基于概率预测下一个 Token，不具备严谨数学计算能力。
Why 2: 为什么不能直接把公式写进 Prompt？—— 财报格式千差万别，跨页合并单元格导致文本切块后丢失行列上下文。
Why 3: 为什么风控股权穿透查得慢？—— 传统 SQL 多表 JOIN 在 4 层以上关联时导致数据库 CPU 飙升至 100%。
核心洞察：必须实行“数学计算归 Python 沙箱、知识检索归 GraphRAG、大模型仅做文本整合与语义归纳”的架构分工。
Why 2: 为什么不能直接把公式写进 Prompt？—— 财报格式千差万别，跨页合并单元格导致文本切块后丢失行列上下文。
Why 3: 为什么风控股权穿透查得慢？—— 传统 SQL 多表 JOIN 在 4 层以上关联时导致数据库 CPU 飙升至 100%。
核心洞察：必须实行“数学计算归 Python 沙箱、知识检索归 GraphRAG、大模型仅做文本整合与语义归纳”的架构分工。
二、 架构设计决策备忘录 (ADR)
ADR-2026-11: 确定性代码执行沙箱 + Neo4j 实体对齐架构
- 精准溯源：PDF 解析时将每个表格提取为 Pandas DataFrame 并标记 `(页码, 行, 列)`，大模型必须输出精准坐标引用。
- 指标计算：禁止模型直接生成最终数字，而是由模型生成 Python 计算脚本并在沙箱执行，运算结果强制注入输出模板。
📚 权威行业标准与参考文献 (Verified Citations)
- 中国人民银行行业标准 JR/T 0197-2020:《金融数据安全 数据安全分级指南》
- Neo4j: Building Robust Knowledge Graphs for Financial GraphRAG Applications
- Langfuse: Open Source LLM Engineering & Tracing Platform Documentation
⚖️ 适用边界与免责声明：本文档为技术交付方案复盘，所有涉及上市公司数据均为公开年报披露信息，不构成任何投资建议或证券买卖推荐。