隨著以大模型為代表的人工智能技術持續推進，關于一味追求參數“量變”的規模比拼進入冷靜期，行業開始關注如何通過大模型應用的“質變”，在具體場景中產生真正價值。

憑借圍繞京東言犀大模型的技術深耕與實踐積累，大小模型協同這一理念，已成為京東云推動大模型落地的關鍵技術路徑，同時也是對行業未來發展趨勢的重要思考。大模型負責輸出通用能力，小模型負責實際推理執行，一方面提升系統的覆蓋度和準確率，另一方面亦可降低推理延時、保證隱私數據安全、節約算力。

京東科技領航者營銷平臺（以下簡稱領航者），秉承大小模型協同理念，依托持續迭代的領先技術，不斷推進大模型在金融營銷場景落地，助力金融營銷實現降本增效：

過去涉及產品、研發、算法、設計、分析師等多類職能才可完成的流程，如今只需要1人；從策劃到落地需要14天才能完成的一場營銷活動，現在被極致壓縮到1天上線；從大促前預熱到活動中的用戶觸達，低成本生成更符合金融業務特征的多套文案與素材，并按照用戶特征來組合投放，實現營銷的千人千面。

大小模型協同：升級三大技術，養成運營“私人營銷助手”

以技術驅動大小模型協同，源于業務自身需求。

過去，金融行業落地一場營銷往往需要橫跨多個系統，比如營銷活動要搭個系統，營銷策略也要搭個系統，不同系統的業務知識、用戶目標、用戶表述各不相同。但大模型的信息窗口有限，如何在同一框架下把這些系統管理在一起，還要解決窗口過長的遺忘問題、專業知識的注入問題，這些都是極大的挑戰。

為此，領航者實現三大技術升級：

第一階段，引入向量數據庫和RAG架構實現主框架聯動大模型完成串聯；

第二階段，用開放平臺的概念，引入Application、Domain、Skill三層架構，將核心能力與主框架融合，讓能力調用更加便捷。還定義了一套大模型與內部業務系統交互的規范，使內部業務系統API能快速與大模型整合，利用大模型驅動API調用；

第三階段，進一步引入Multi Agents概念，以主動服務方式自動完成復雜任務的協同。同時，將業務流程SOP引入大模型的任務規劃，提升大模型任務拆解和流程規劃的可控性。

通俗的說，就是最上層由一個總的Agent負責和用戶交互、識別理解用戶意圖，然后通過對任務的拆解，對應到不同的工具API進行編排，再調度到具體的領域小模型，最終滿足營銷中諸如活動搭建、活動投放、分析洞察等特定目標。

底層大模型則提供通用能力，使現有系統和后續接入的系統，能夠快速調用素材生成、文案生成、NL2SQL、知識庫問答等能力，從而提高營銷效率。其中，面向需求、面向指標的SQL生成方式，提升NL2SQL準確率至95%+，通過構建分析框架，讓用戶在Agent協作下自主完成活動運營分析。

這樣一來，底層的通用能力負責各個系統的快速調用；上層的應用能力完成具體的營銷動作，比如頁面搭建、圖片生成、風格設定，以及流量分發投放和數據分析。

構建專業數據集：定義一套AIGC SOP，讓算法更“懂”業務

當算法對業務有足夠理解，才能解決業務的實際問題。領航者的優勢，正在于京東金融場內4.6億用戶和十余年金融行業Know-How，這些專業知識沉淀構建的數據集，讓領航者的算法更懂業務的需求。

領航者在鍛造中，定義了AIGC中文案生成和圖片生成的可量化的多維評價標準，提升算法迭代效率：由業務方提供高質量種子數據以及行業素材經驗，算法基于種子數據構建數據評價模型，以實現大規模生成新的訓練數據。

在文案生成方面，京東金融運營團隊將多年沉淀的營銷理論、實踐經驗，凝結成金融運營白皮書，作為知識背景“喂”給大模型。同時協助算法團隊打標，將歷史優秀文案進行結構化拆解，梳理出了觸發時機、文案技巧、文案風格等信息，以此激發大模型的CoT（思維鏈）能力，形成更強的泛化能力，使其在新的場景中也可以生成優質營銷文案。目前，系統主觀評分從2.08分提升至3.5分，達到少量修改即可直接使用的水平。

在素材生成方面，京東金融算法工程師將設計師頭腦中的專業設計知識轉化為參數，將京東百萬級積累素材灌入大模型，指定風格素材更達到萬級擴充。為了讓素材具備更高可用性，算法工程師團隊引入了主動學習的方式，在模型迭代過程中，由28位專業設計師每人每天用1小時主觀評分，加速模型收斂。目前，由領航者生成的營銷素材，可用率超40%。京東金融“15理財日”“18權益日”的素材生成任務，已經全部交給了領航者。

由此，領航者從技術角度定義了一套AIGC SOP，針對用戶輸入進行關鍵信息的抽取、意圖理解、金融知識增強、prompt轉配、模型生成，以形成更好的營銷效果。

未來，京東科技領航者的領先技術能力還將對外開放，結合金融領域營銷、運營的數字化經驗，一同輸出給金融機構，適配其各類營銷運營場景需求，持續推動大模型落地金融行業。