融策信贷尽调与审批辅助平台

项目定位

这是一个信贷尽调与审批辅助平台，解决资料多、尽调慢、审批信息分散、风险判断依赖经验的问题。AI 用于辅助摘要、检索和风险提示，但最终审批必须由人确认。

项目思维导图

核心流程

技术架构

技术	作用
Spring Boot	尽调、审批、审计接口
MySQL	企业资料、审批记录、风控意见
Redis	会话、权限、热点数据
MQ	通知、流转、异步归档
Elasticsearch / 向量库	尽调文档、制度、历史案例
Spring AI	摘要、问答、风险提示

AI 接入点

• RAG：审批制度、尽调规范、风控规则、历史案例。
• Tool Calling：企业资料、工商信息、财务指标、审批记录。
• Agent：材料摘要、风险判断、审批建议、人工确认。

项目亮点

• 很适合讲合规和边界。
• 能体现“AI 只做辅助，不越权决策”。
• 适合中高级岗位表达。

面试追问

1. 信贷审批为什么必须人工确认？
2. 尽调材料如何做权限和脱敏？
3. 风控建议如何避免模型幻觉？

1 分钟介绍

这个项目是一个 Java+AI 企业级项目，核心不是单独做聊天机器人，而是把大模型能力接入真实业务流程。我的讲法会先说明业务痛点，再讲 Java 后端负责流程、权限、事务和审计，最后说明 RAG、Tool Calling 和 Agent 分别解决知识检索、业务查询和多步骤编排问题。

3 分钟介绍

我会先从业务背景讲起：这个项目要解决的是传统系统中信息分散、流程依赖人工经验、处理效率不稳定的问题。整体链路上，用户先发起业务请求，Java 后端完成鉴权、参数校验、状态流转和数据落库；AI 层负责理解意图、检索知识、调用受控工具并生成草稿或建议。

技术上，项目通常会用 Spring Boot 承接核心业务接口，用 MySQL 保存业务主数据、状态记录和审计日志，用 Redis 做热点缓存、会话上下文和幂等控制，用 MQ 解耦通知、索引同步和统计任务。AI 能力上，RAG 负责检索企业知识和历史案例，Tool Calling 负责受控查询业务数据，Agent 负责编排多步骤任务。正式写操作和高风险动作不会让模型直接执行，而是进入人工确认或 Java 业务服务事务边界。

面试时我会重点强调三点：第一，AI 只是辅助理解和生成建议，不能绕过权限和审计；第二，所有工具调用都要做白名单、参数校验、限流和日志；第三，模型超时、无召回、低置信度或输出不合法时，要能降级到规则模板、人工处理或只展示已有业务数据。

简历一句话写法

我负责信贷尽调与审批辅助平台的 Java+AI 方案，覆盖 RAG、Tool Calling、风控辅助、权限审计和人工确认。