
中信银行:用 AgentCore 七个专科代理做 COBOL 逆向工程,人日从约 8 天降到约 2 天,质量门禁用代码而不是模型自评
一句话结论
中信银行要读懂二十多年 COBOL 里编码的监管报送规则,把单体分析代理改成由一个调度器带着七个专科代理、再用五道代码质量门把关的管线:同样输入下,人日从约 8 天降到约 2 天,约 4 倍是实测;银行估计的约 10 倍没有仪器化的人工耗时基线。这是八周概念验证,在三份报表产物上对照过客户的标准说明书,不是全行铺开后的产能账。
背景与理念
核心痛点不是把代码搬走,而是读懂二十多年 COBOL 里编码的监管报送与业务规则。读错一条规则,就可能变成错误的监管申报;新旧核心还要对账到每一笔,并保持可审计。第一代是近千行提示的单体分析代理:四个月写出 1,000 多份分析,但跨 100 多种报表类型会漂移。COBOL 出身的人会全量复核,数据工程师约 70% 的模型输出不经核实就接受——这本身就是监管风险。
具体做法
- 现方案跑在 Amazon Bedrock AgentCore 和 Strands Agents 上:一个调度器调度七个单一职责子代理,每阶段后走自动质量门。七个子代理分别负责扫描、并行的血缘和逻辑分析、桥接、功能说明书撰写、SQL 和单元测试。离线索引把 COBOL 和作业控制语言做成依赖图,扫描从过去两三轮手工查找变成一秒内的语法树级依赖。
- 五道门禁用代码计量,不用模型自评,因为测试中代理曾给自己不及格的输出打满分。第一道:漏关键组件则硬停;第二道:血缘覆盖至少 80%;第三道:映射完整度至少 80%;第四道:Oracle 语法解析有效,目标表尚不存在时,相应的「表不存在」错误视为通过;第五道:真实跑测覆盖至少 80%。第二到第五道最多重试两次。步进模式在每阶段暂停,等人批准、退回或批注重跑。
- 控制面把每次调用记入审计轨迹,包括代理注册表、提示版本、作者、时间和修订说明。默认 Bedrock 不保存、不审核、也不拿提示和补全去训练。文中写明,教训全部来自测试失败,而且都不是「换个更好的提示」能修好的,例如把分类规则写成强制动作、截断后要按结束标记续写、跨代理的语义合约,以及编码探测。平台是 AWS 与中信银行共验的内部原型,不是公开可下载的现成产品。概念验证里多数代理跑 Claude Opus,把更简单的分类和格式任务改到 Sonnet 是下一步成本控制计划。
关键数据/例子
客户接受的效率按同样输入的人日计:手工约 8 天,单体代理约 6 天(约 1.3 倍),多代理管线约 2 天,合计约 4 倍。分阶段大约是:文档分析 5 倍、报表程序生成 4.7 倍、Oracle SQL 和抽取转换加载生成 10 倍。端到端墙上时钟:一份产物约 1 天,三份里最简单的一份在 30 分钟内完成;银行估计约为人工的 10 倍,但文中写明没有仪器化的人工耗时基线,应以 4 倍人日为实测,10 倍为客户估计。工程事实上拆成 8 个代理(1 个调度器加 7 个子代理)、五道门、有界重试;八周在三份报表产物上做了端到端验证,并对照客户的标准功能说明书。文中另列的周转少于 1 天、功能说明书业务逻辑准确率至少 90%、SQL 有效 100%、测试覆盖至少 80%、每份产物人工介入不超过 2 次、跨操作者差异小于 5%,是目标而不是已经测到的结果。
创新点
第一,把质量保证从「看操作者懂不懂 COBOL」改成可自动执行的代码门禁,并且不用模型给自己打分。第二,按单一职责拆成专科代理,每阶段都可以暂停等人批准。第三,把截断续写、语义合约和编码探测写进工具层,而不是指望再写一条提示就能修好。
可否复用
- 在受监管的代码或规则还原里,用代码计量的质量门,而不是让模型给自己的输出打分。漏关键组件就硬停,覆盖和语法不达标就有界重试。
- 把分析拆成可单独检查的专科步骤,并在每一步留下人批准、退回或批注重跑的入口。
- 把截断、跨步骤语义和编码问题写进工具层,同时保留完整的提示版本和调用审计。这是三份产物上的概念验证,引用 4 倍人日时不要写成全行已铺开的 10 倍产能。