拆解京东金融京小贝：多模型融合多智能体协同 实现金融市场用户决策闭环

京东金融近日官宣推出AI财富管家——京小贝，以多模型融合与多智能体协同为技术底座，融合京东大模型与金融垂类模型，实现对金融市场的快速响应与智能决策闭环。作为业内面向财富管理场景的Agent框架级解决方案，该产品依托京东云JoyScale智算平台，通过实时数据感知、智能资产分析与个性化服务，为技术生态提供了金融垂域AI落地的新范式。

四层架构：构建金融智能决策中枢

京小贝采用工具层、智能体层、模型层、网关层的分层架构设计，通过标准化模块与跨层协同机制，实现技术效率与场景适配的深度融合。

工具层通过API网关实时接入市场行情、基金净值等结构化数据，运用检索增强技术(RAG)对券商研报等长文本进行向量化处理，关键信息提取效率提升 60%。智能体层部署意图识别、资产分析等12个垂直智能体，依托工作流编排引擎实现毫秒级嵌套调用。

模型层构建“通用大模型+垂类模型” 体系：京东大模型支撑多轮对话逻辑，并强化数学推理，金融垂类模型提升机会解读等金融场景的理解准确率。网关层通过上下文管理维持对话状态跟踪，更好地理解用户的意图，提供更贴合用户需求的服务。

多智能体协同：提升金融场景决策效率

面对传统单模型架构在金融动态市场中的局限性，京小贝通过多智能体协同实现突破。

在基金诊断场景中，系统启动 “意图识别→持仓解构→因子分析” 智能体链式反应：京东大模型分解持仓维度，京东产业知识库注入相关数据，风险评估智能体运行模拟测算，数秒内输出包含10余项指标的诊断分析。市场分析智能体与行情数据接口实现毫秒级联动，突发政策下短时间内即可完成 “事件捕捉-政策解析-策略生成” 的全流程。这种协同架构使系统能够动态响应市场波动，为用户提供多维数据支撑的智能分析。

同时，记忆模块通过短期与长期记忆构建动态用户画像，结合大模型情感分析，可识别风险偏好细微变化，当用户连续关注高波动基金时，提升策略匹配度。

功能升级：从工具到管家的体验跨越

在功能体验层面，京小贝通过智能化决策、持续性陪伴、个性化服务等能力实现体验升级。

京小贝突破传统理财分析模式，通过京东大模型结合实时行情、政策新闻与用户画像，可针对市场政策调整快速生成针对性调仓建议；记忆模块与上下文管理机制使系统在用户首次咨询理财产品后，持续跟踪相关信息，提升用户粘性；风险评估与持仓分析智能体协同，结合宏观经济、市场趋势和投研观点，为用户提供建议，推动投资决策质量显著提升。

京东集团探索研究院相关负责人表示，京小贝基于京东大模型底座，强化多轮对话、深度分析和工具调用三大核心能力，构建了“通用语言理解+金融知识+可穿透执行链”的智能体体系，让AI不仅能与用户对话，更能合规、透明地解决实际金融问题。