反欺诈 AILLM + RAGLoRA安全部署人机协同
企业反欺诈 AI 平台
面向受监管的电信和公共领域场景建设生产级反欺诈 Agent，将确定性规则、NLP、大模型推理、RAG、安全部署和标准化 API 结合起来，达到每日 1500 万次调用。
问题与约束
欺诈案件既包含已知模式，也包含刻意绕开关键词的对抗性表达。原始案件数据不能离开安全环境，但系统仍需要提升处理速度、保持可审计性、接入多个客户环境，并保留人类最终责任。
工程职责
设计并建设三层 AI 架构，完成大模型微调、反欺诈知识检索、数据驻留方案和 API 标准化，并支持企业与设备厂商客户的生产部署。
系统架构
规则 · 25%→NLP / NER · 55%→LLM + RAG · 20%→人工复核→标准化 API
工程原则
- 在确定性方法更快、更便宜、更可靠时优先使用确定性方法。
- 只在传统方法失效的对抗性案件中使用大模型推理。
- 原始数据不离开安全边界，并保留人类最终责任。
技术方案
- 使用 LoRA 微调 Qwen-32B，并在 r=8–128 的消融实验后选择 r=64、alpha=128
- 采用单向知识蒸馏与向量导出，确保原始案件数据不跨越安全边界
- 基于 FAISS 和语义/关键词混合检索建设欺诈行为链知识库
- 为高风险输出设置人工复核，并监控系统生产行为
- 通过标准化 API 输出能力，响应低于 200ms，可用性达到 99.9%
生产影响
案件处理时间从 2–3 小时降至 20 分钟，干警采用率达到 85%，投诉率低于 0.1%，扩展至 25+ 家企业与设备厂商客户，每日处理 1500 万次 API 调用，累计合同额超过 1 亿元人民币。
该案例证明
证明我能在真实安全、延迟、集成、规模和用户采用约束下完成生产级 AI 工程，而不是只做模型演示。