如何用 Agent 提升金融风控的实时性和准确率？

先这样答

用分层架构提升金融风控的实时性和准确率。规则引擎先做毫秒级拦截，承担第一道判断。Agent 不替换规则，而是放在规则之后，对灰度 case 做秒级深判。系统再用异步批处理回捞，处理需要补充判断的情况。

实时性还要靠特征预计算。系统提前准备风控特征，Agent 只做增量推理。这样可以减少单次推理需要处理的内容，也能把 Agent 的处理范围控制在需要深判的 case 上。规则引擎负责快速筛选，Agent 负责更复杂的判断，批处理负责回捞。

准确率方面，Agent 可以生成证据链，辅助人工复核。复核结果再回流训练，让后续判断参考真实的复核结果。面试里要强调，Agent 的位置很重要。它应该放在规则之后，作为深判和复核辅助，而不是直接替换规则引擎。

面试官会怎么追问

• 「为什么不让 Agent 直接替代规则引擎？」 规则引擎能做毫秒级判断，适合承担第一道拦截。Agent 需要做更深入的推理，放在规则之后更符合分层架构。直接替换规则会影响实时处理的稳定性，也没有发挥两者各自的作用。

• 「Agent 参与风控后，怎么保证实时性？」 系统先用规则引擎完成毫秒级拦截，再让 Agent 对灰度 case 做秒级深判。特征提前预计算，Agent 只做增量推理。需要补充判断的 case 交给异步批处理回捞。

• 「Agent 怎么帮助提高风控准确率？」 Agent 生成证据链，帮助人工复核判断。人工复核结果回流训练，让后续判断利用已有复核结果。这样 Agent 不只输出结果，还能提供复核所需的判断依据。

回答的坑

把 Agent 放在规则引擎之前或直接替换规则，会削弱毫秒级拦截的作用。

只讲 Agent 做深度推理，不讲特征预计算、增量推理和异步批处理，就没有回答实时性问题。