链金引擎 · AI材料智能分析引擎架构设计 V1

一、核心问题

当企业用户或资金方在三大AI智能体板块上传各自的企业材料（PDF/Word/Excel），AI如何精准解析材料、理解需求、做出诊断、匹配出极其精准的结果？

设计目标

构建一个统一的文档智能层，让三个AI智能体（获客/融资/风控）共享同一套材料解析+画像提取引擎，但各自输出差异化的诊断报告和匹配结果。做到：上传即解析 → 解析即画像 → 画像即诊断 → 诊断即匹配 → 匹配即触达。

AI智能体共享引擎

5层

分析处理流水线

14维

企业画像提取

双引擎

链金AI+规则

二、五层分析流水线

从用户上传文件到输出精准匹配结果，经过5层递进式处理：

文件上传

PDF/Word/Excel
Base64编码上传
→ 服务器存储

→

文本提取

pdftotext(已知)
antiword(Word)
xlrd(Excel)
→ 纯文本

→

AI摘要

链金AI引擎
summarize_document()
→ 结构化摘要

→

画像提取

链金AI引擎
extract_profile_
from_text()
→ 14维JSON画像

→

诊断+匹配

模块专属AI
诊断报告生成
+精准匹配引擎

三、统一文档智能层（已实现）

三大模块共享的底层能力——材料解析和企业画像提取：

📄 summarize_document()

输入：提取后的材料纯文本（前15,000字）

处理：链金AI引擎以"企业融资材料分析专家"身份，生成结构化摘要

企业核心业务概述
财务状况关键指标
融资需求与条件
风险提示与亮点
AI建议与结论

🔍 extract_profile_from_text()

输入：材料纯文本

输出：14维结构化企业画像JSON

companyName — 企业名称
industry — 所属行业
location — 所在地区
scale — 企业规模
revenue — 年营收
financingAmount — 融资金额
term — 融资期限
purpose — 资金用途
assetType — 可抵押资产类型
years — 经营年限
businessDesc — 业务描述
advantage — 核心优势
targetCustomers — 目标客户
riskPoints — 风险点

🗄️ user_files 表

存储：所有上传材料及其AI分析结果

original_name — 原始文件名
stored_name — 服务器存储名
file_type — 文件类型
module — 来源模块(acquire/finance/risk)
extracted_text — 提取文本
ai_summary — AI摘要
ai_profile_json — 画像JSON
status — 处理状态

四、三模块差异化分析引擎

同一份企业材料，三个AI智能体各自关注不同维度，输出不同诊断：

AI获客 (acquire)

资金方视角

上传：投资偏好/资金类型/风险偏好材料

AI提取：投资行业偏好、资金规模、风险容忍度

匹配：从71万+政府名录企业库中筛选匹配企业

企业方视角

上传：公司简介/业务介绍/获客需求

AI提取：企业画像、客户画像、获客需求

匹配：从40,318家资金方中匹配

专属输出

线索匹配度评分联系方式解锁 AI邮件触达

AI融资 (search)

企业视角

上传：财务报表/业务计划/资产证明

AI提取：财务健康度、融资需求、资产结构

诊断：5维融资诊断（资产/营收/信用/行业/期限）

匹配引擎

从40,318家资金方中多维度匹配

5维独立评分：行业匹配/规模适配/区域匹配/利率适配/期限匹配

专属输出

融资诊断报告资金方匹配卡片匹配度环形图+雷达图一键触达引擎

AI风控 (risk)

企业视角

上传：贸易合同/财务文件/资质证书

AI提取：合同条款、交易结构、合规性

扫描：20种供应链金融骗局模式匹配

风控引擎

规则引擎预筛 → LLM深度分析

5维风险评估：合同/交易/资金/主体/操作

专属输出

风险扫描报告骗局模式预警风控建议清单合规性检查

五、精准匹配引擎设计

从企业画像到精准匹配结果的核心算法：

多维度匹配算法

匹配引擎采用规则预筛 + LLM精准排序双阶段架构：

阶段1: 规则预筛

从71万+政府名录企业/1.7万+资金方库中，用SQL快速筛选：行业匹配、地区匹配、规模范围、资金需求区间。目标：10秒内从百万级缩减到百级。

阶段2: 5维评分

对预筛结果逐个评分（每维0-100分）：
①行业匹配度 ②规模适配度 ③区域匹配度 ④利率/价格适配 ⑤期限匹配度

阶段3: LLM精排

链金AI引擎对Top 20候选项进行深度分析：理解企业画像与资金方偏好的语义匹配，生成匹配理由和推荐排序。

阶段4: 触达闭环

匹配结果→AI邮件生成→mailto:一键发送→状态追踪。形成"匹配-触达-反馈"完整闭环。

六、AI智能体高效工作流

以AI融资为例，展示从材料上传到精准匹配的完整工作流：

完整工作流（以企业融资为例）

用户上传材料：企业上传财务报表（PDF）+ 业务介绍（Word）→ 前端Base64编码 → POST /api/acquire/upload
服务器文本提取：pdftotext提取PDF文本 → antiword提取Word文本 → 合并为纯文本
AI摘要生成：ai.summarize_document(text, "finance") → 链金AI引擎生成300字结构化摘要
画像自动提取：ai.extract_profile_from_text(text, "finance") → 14维企业画像JSON
表单自动填充：前端收到画像JSON → 自动填充融资表单字段（行业/规模/融资金额/期限/用途）
融资诊断：ai.ai_diagnose(profile) → 5维诊断报告（资产覆盖/营收健康/信用评级/行业前景/期限匹配）
资金方预筛：SQL从40,318家资金方中按行业+地区+规模预筛 → Top 50
5维评分：对Top 50逐个评分 → 排序取Top 10
LLM精排：链金AI引擎对Top 10进行语义匹配分析 → 生成匹配理由
结果展示：前端渲染匹配卡片（匹配度环形图+5维雷达图+维度分解+匹配理由）
一键触达：用户点击"AI触达" → 链金AI引擎生成个性化邮件 → mailto:调起邮箱发送
状态追踪：触达状态记录到数据库 → 后续跟进提醒

七、技术实现现状

已实现的代码与待增强的部分：

✅ 已实现（本次部署）

summarize_document() — AI文档摘要
extract_profile_from_text() — 14维画像提取
/api/acquire/upload — 文件上传端点
/api/acquire/files — 文件列表端点
user_files 表 — 材料存储+AI分析
pdftotext/antiword 文本提取
前端文件上传UI（资金方+企业方）
画像自动填充表单字段
lead配额管控（解锁联系方式）

🔧 待增强（下一步）

Excel解析（xlrd/openpyxl）
OCR图片文字识别（Tesseract）
画像向量化 + 余弦相似度匹配
用户反馈学习（匹配结果评价→调优）
多文件合并画像（多份材料综合分析）
AI融资模块接入文件上传
AI风控模块接入文件上传
匹配结果追踪与转化率分析

八、实施路线

已完成：AI获客文件上传+解析

acquire.html 文件上传UI + 后端 /api/acquire/upload + AI摘要+画像提取 + 表单自动填充。已部署上线。

进行中：资金方增量爬虫

investor_crawler.py 双引擎爬虫（Web+链金AI）已部署，每日03:00自动增量爬取200家资金方联系方式，丰富investors.json。

下一步：AI融资+AI风控接入文件上传

将文件上传+AI解析能力复制到search.html（融资）和risk.html（风控），实现三模块统一材料分析。

远期：向量化匹配 + 反馈学习

企业画像向量化（embedding）→ 余弦相似度精准匹配。用户对匹配结果评分 → 持续优化匹配算法。

AI 材料智能分析引擎架构

设计目标

文件上传

文本提取

AI摘要

画像提取

诊断+匹配

📄 summarize_document()

🔍 extract_profile_from_text()

🗄️ user_files 表

资金方视角

企业方视角

专属输出

企业视角

匹配引擎

专属输出

企业视角

风控引擎

专属输出

多维度匹配算法

阶段1: 规则预筛

阶段2: 5维评分

阶段3: LLM精排

阶段4: 触达闭环

完整工作流（以企业融资为例）

✅ 已实现（本次部署）

🔧 待增强（下一步）

已完成：AI获客文件上传+解析

进行中：资金方增量爬虫

下一步：AI融资+AI风控接入文件上传

远期：向量化匹配 + 反馈学习

产品矩阵

解决方案

联系我们