Oculi：用于自动信用风险分析的对话式智能体平台

金融机构的信用风险分析传统上需要分析师手动编写 SQL 查询、运行统计计算并构建可视化仪表板。这是一个耗时的工作流程，限制了对熟悉部分的探索。我们推出 \textbf{Oculi}，这是一个对话平台，可将自然语言问题转化为全面的信用风险分析，并提供数据查询、统计测试和交互式可视化。 Oculi 采用三层架构，将推理（LLM 支持的代理）、执行（模型上下文协议工具服务器）和表示（代理 UI）分开，使分析师能够发现高风险的投资组合细分。在 Oculi 中，提出了一种新的细分发现流程，它将确定性统计方法与 LLM 引导的特征选择相结合，利用 LLM 语义领域知识和数据驱动的指标来识别有意义的、可操作的投资组合细分。通过对具有 200 多个功能的抵押贷款组合进行评估，Oculi 展示了发现以前通过手动探索难以处理的重大风险部分的有效性，显着缩短了洞察时间，同时保持了可审计性和统计严谨性。