京东保险用多Agent协同定价与核保决策

京东保险采用自底向上模式建设定价 Agent：先夯实底层工具能力，再搭建顶层 Agent 交互体系，原因是当前 Agent 无法完全代理核保、精算、经营专家自主决策，也难以独立完成海量数据下的机器学习精准预估与百万商家/千万商品下的运筹求解。体系由负责交互与调度的 Master Agent，以及核保 Agent（风险审核与方案优化）、精算 Agent（费率表输出）、经营 Agent（价格运营与策略）组成，机器学习、运筹、数据作为被 Agent 调度的工具。 精算侧打法包括：用大模型多模态能力把商品详情页等非结构化数据转成结构化特征。对质量、意外、全保等多条延保产品线联合建模。建立近 7/10/15 天出险率预估模型并统一校准至满期 90 天口径，实现千店千面定价，定价效率从数月提升到周级别。经营侧用 Prophet、LSTM、Transformer 结合节假日、大促、天气等外部变量做未来 N 天出险率与收支预测，并经运筹优化与沙盘模拟输出策略。 对比多款基模在 7 个档位调价场景的表现后，确定基模尚不能在细粒度决策上最优化求解，故维持自底向上路线。