招商证券：16万行代码炼成智能金融利器

引言：

在人工智能浪潮席卷各行各业的当下，金融科技领域正经历一场深刻的智能化变革。代码作为金融科技的核心驱动力，其开发效率和质量直接关系到金融机构的创新能力和市场竞争力。面对金融行业特有的专业门槛、安全合规、网络隔离和业务隔离等挑战，招商证券携手腾讯云，共同打造了一套具备券商特色的智能化金融科技研发工具，不仅显著提升了开发效率，更在安全合规的前提下，为金融科技创新注入了新的活力。

正文：

金融科技研发的特殊性与挑战

金融科技领域的研发环境与一般互联网企业存在显著差异。首先，金融业务逻辑复杂，对开发人员的专业知识要求极高，不仅要精通编程，还要深入理解金融市场、投研分析、投资交易、风险计算等专业领域。其次，金融数据的高度敏感性决定了安全合规的重要性，所有工具和模型必须支持私有化部署，且开发环境往往部署在虚拟的云桌面中。此外，网络隔离和业务隔离也是金融科技研发的常态，开发人员无法轻易访问外网，不同业务系统之间也存在严格的权限壁垒。

这些特殊性对AI代码助手提出了更高的要求，不仅要提供技术上的支持，还要在专业领域知识、安全合规、网络环境和业务隔离等方面提供专业的服务。

招商证券的智能化研发之路

面对上述挑战，招商证券于2023年启动了AI辅助编程的相关研究和实践，旨在构建一套适用于券商的AI编程助手。经过深入的评估和考量，招商证券最终选择与腾讯云AI代码助手合作，共同打造一个模块化、可扩展、具备券商特色的AI编程工具平台。

这一平台的设计理念主要体现在以下三个方面：

运营指标可扩展： 招商证券能够灵活地进行统计、上报、插件、工程等模块的热插拔，实现与内部数据分析系统和代码库的无缝对接，从而更好地度量工具的成效。
插件可拓展： 插件可以根据招商证券的需要扩展快捷指令，调整和扩展Prompt，支持定制化场景，满足不同业务线的需求。
模型可拓展： 借助腾讯云的代码大模型，结合招商证券的特定数据，实现代码的跨文件扩展，并支持集成招商证券的代码清洗逻辑，以及使用招商证券的代码语料库进行模型的预训练和精调，构建符合其代码特色的模型测评工具与测评用例集。

这种白盒式定制化的合作方式，使得招商证券能够深入参与到产品的设计和开发过程中，确保AI编程助手能够精准地满足其特定的业务需求和操作习惯。

技术细节与创新

在技术层面，招商证券采用了多项创新技术来提升AI编程助手的性能和用户体验：

私有化部署： 所有工具和服务完全托管在内网中，确保了数据的私密性和安全性。
领域知识库： 利用抽象语法树（AST）技术解析和结构化提取工程代码，构建金融证券领域的代码知识库，涵盖研究、交易、定价、风控等复杂场景，支持项目级代码补全。
端侧智能： 在本地部署Embedding模型和Qdrant向量库，将代码和文档转化为向量表示，实现快速向量检索，增强端侧的智能处理能力。
代码搜索优化： 集成Tantivy搜索引擎，快速检索代码库中的相关信息，帮助开发者快速定位问题，提高开发效率。

挑战与突破

在推进AI编程伙伴项目的过程中，招商证券曾遇到来自运营、体验、效果以及扩展性等四大方面的挑战。

运营方面： 通过管理视角的数据大盘来度量成效，引入采纳率和生成率等指标，并开发个人视角的工作台，鼓励用户形成良好的使用习惯。
体验方面： 重构JetBrains IDE对话模块，使用原生代码替换JCEF WebView浏览器，实现了体验的阶梯性提升。
*效果方面：不断优化信息的组织方式，提取与光标位置相关的上下文代码，并根据相似度进行排名，以提供更准确的补全建议。
扩展性方面： 结合Git管理、引入CodeInsight模块，以及优化代码评审和仿写功能，并将AI编程能力拓展到了Jupyter平台，以支持策略交易和衍生品定价等业务。

成果与展望

截至目前，招商证券的AI编程伙伴已覆盖近1000名用户，日活跃用户数超过300人，周活跃用户数超过550人，累计接受代码超过16万行，代码补全采纳率约为20%。这些数据充分证明了AI编程助手在提升开发效率和质量方面的巨大潜力。

招商证券的成功实践表明，通过与技术领先的合作伙伴携手，并结合自身行业的特殊需求，金融机构可以有效地利用人工智能技术，加速数字化转型和智能化升级。未来，随着技术的不断发展和应用的深入，AI编程助手将在金融科技领域发挥越来越重要的作用，为金融创新提供更加强大的动力。

参考文献：