自研核心引擎 + 主流大模型API + 本地化部署
解决"底层用什么"的核心技术问题
我们不是从头训练大模型，而是自研"AI Agent操作系统"
核心竞争力不是模型本身（调用即可），而是：行业知识图谱 + 智能工作流引擎 + 私有数据训练层
家办龙虾采用"自研核心 + API调用"的混合架构：
| 模块 | 实现方式 | 说明 | 价值占比 |
|---|---|---|---|
| Agent调度引擎 | 完全自研 | 任务拆解、工具调用、多Agent协作、异常处理 | 30% |
| 知识库系统 | 完全自研 | 文档解析、向量化、检索排序、RAG增强 | 25% |
| 工作流编排 | 完全自研 | 可视化流程设计、条件分支、自动化执行 | 15% |
| 数据分析层 | 完全自研 | 客户画像、风险评估、智能推荐 | 15% |
| 大语言模型 | API调用 | GPT-4/Claude/文心一言/通义千问，按需切换 | 10% |
| Embedding模型 | API调用 | 文本向量化，支持开源模型本地部署 | 5% |
调用GPT-4人人都会，但：
| 部署模式 | 适用场景 | 数据存储 | 成本 |
|---|---|---|---|
| 公有云SaaS | 中小家办，快速启动 | 阿里云/腾讯云（国内节点） | 最低 |
| 专属云部署 | 大型家办，数据敏感 | 客户指定云服务商独立VPC | 中等 |
| 本地化部署 | 超大型机构，合规要求极高 | 客户自有服务器/机房 | 较高 |
全站HTTPS，API调用TLS 1.3，敏感字段额外AES加密
多租户架构，客户数据物理隔离，数据库级加密
完整操作记录，支持行为追溯，满足合规审计要求
调用大模型前自动脱敏客户姓名、身份证号等敏感信息
纬博家办客户可选择本地化部署方案：
| 维度 | 通用AI工具 | 家办龙虾（自研核心） |
|---|---|---|
| 行业知识 | 通用互联网数据，专业度不足 | 家族办公室专属知识库，10万+专业文档训练 |
| 工作流程 | 单轮问答，无上下文记忆 | 完整顾问工作流，多Agent协作，持续学习 |
| 数据安全 | 数据上传第三方，不可控 | 本地化部署可选，客户数据完全自主 |
| 业务闭环 | 仅提供建议，无后续支持 | 方案→执行→监控→优化，端到端服务 |
| 合规保障 | 不保证合规性 | 法规实时更新，合规性自动校验 |
我们的护城河不是某一个技术点，而是"行业Know-How + 产品工程能力 + 客户数据飞轮"的三位一体：
• Agent调度引擎v1.0开发完成
• 基础知识库系统上线
• 接入GPT-4/文心一言API
• 纬博家办试点部署
• 可视化工作流编排器上线
• 客户画像与风险评估模块
• 支持私有化部署方案
• B2C客户门户开发
• 供应商API对接平台
• 数据分析与BI报表
• 多模型支持（国产模型优先）
• 行业知识库开放共建
• 性能优化与稳定性提升
• 自动化运维体系
• 企业级安全认证
• 多语言/多地区适配
当前大模型API成本已大幅下降。以GPT-4为例，输入¥0.03/1K tokens，输出¥0.06/1K tokens。一个典型的客户咨询会话约消耗2K tokens，成本约¥0.15。按B2B订阅模式，单客户月费¥5,000可覆盖数万次调用。
我们采用多模型策略：核心架构与模型解耦，同时接入GPT-4、Claude、文心一言、通义千问等多个模型。任一模型不可用时可自动切换，且国产模型在中文场景下效果已非常接近GPT-4。
三重保障机制：
1. RAG检索增强：回答基于知识库检索，非模型幻觉
2. 专家校验：重要建议需人工确认后方可输出
3. 知识库更新：法规变动24小时内同步至系统
数据使用遵循以下原则：
• 默认不使用客户数据训练通用模型
• 仅在客户授权下进行私有化微调
• 敏感信息（姓名、证件号）自动脱敏
• 支持完全离线部署，数据不出本地
技术白皮书 v1.0 | 众盛共创科技 | 2026年3月
联系我们：tech@zsgccn.com