AML Sentinel:中国场景反洗钱合规调查工作台
银行级 AML 合规调查工作台原型,结合信也科技 DGraph-Fin 真实欺诈数据、PBOC 监管 RAG 与 AI Agent 自动起草可疑交易报告,完整模拟合规分析师从预警到上报的调查工作流。
中国反洗钱智能合规平台
基于 IBM AML NeurIPS 2023 真实洗钱标注数据,集成 PBOC 监管框架规则引擎,配备 AI Agent 自动起草可疑交易报告的端到端 AML 合规工作台。
PBOC 大额阈值规则 + IBM AML 真实欺诈标签
ECharts Force Layout · Fan-out / Fan-in / 循环类型检测
4 份真实法规 · BM25 检索 · 条文级引用
6 步 Agent · CAMLMAC 格式自动报告生成
合规研究工作台
AML Sentinel 负责「查风险」(交易监控、案件调查、STR 起草),ComplianceIQ 负责「查规则」(法规检索、案例比照、AI 结构化解读)。两者共享法规数据层,但服务不同环节——合规人员不再需要在多个 PDF 和制度文件间跳转。
合规人员传统上需在多份 PDF 中逐页查找适用条文。ComplianceIQ 通过 CJK-aware BM25 检索 + 来源筛选,将法规定位时间从分钟级压缩到秒级。
每次 AI 回答强制输出 5 段结构,严格区分「法定/规则依据」与「参考材料」,避免将 KPMG 分析或 FATF 报告误标为处罚依据。
25 个真实执法案例含控制失效分析,通过 linkedRegulationIds 与法规双向关联,帮助分析师从「法条义务」延伸到「处罚后果」。
EDHEC 商学院国际金融与管理双硕士(GPA 15.66/20,前15%),上海交通大学金融学本科(辅修信息管理)。在巴黎和上海积累了风控、合规与数据分析的实战经验。近期聚焦 AI + 合规方向,独立设计并上线了 AML Sentinel(反洗钱调查工作台)和 ComplianceIQ(合规研究工作台)两款产品级 demo,覆盖交易监控、法规检索、执法案例分析与 AI 结构化问答全流程。
跨领域专业能力,驱动数据洞见与 AI 落地
将定量模型与监管框架结合,构建风险敞口监测、合规审查与报告自动化系统,服务银行与 FinTech 场景。
探索 RAG、LangChain、LangGraph 等工具在金融合规与审计自动化场景中的落地应用。
使用 Python、SQL、Power BI 与 ECharts 构建端到端数据管道与交互仪表盘,将原始数据转化为可执行洞见。
数据驱动的项目与分析工具
银行级 AML 合规调查工作台原型,结合信也科技 DGraph-Fin 真实欺诈数据、PBOC 监管 RAG 与 AI Agent 自动起草可疑交易报告,完整模拟合规分析师从预警到上报的调查工作流。
面向银行合规人员的知识驱动型合规研究工作台,将监管法规条文、执法处罚案例和 AI 结构化解读组织成可检索、可引用、可跳转的研究工作流。
一个集成法规要求、风险管控映射、场景评分与实时预警监控的合规工作流工具,作为 B2B 内部风控运营原型构建。
面向金融监管文档(PBOC/SAFE法规)构建的 RAG 检索增强问答系统,支持自然语言合规查询并输出带来源引用的精准答案,帮助合规团队快速定位政策依据。
基于 LLM 的多智能体编排系统,实现自动化金融研究流水线:数据采集 Agent → 量化分析 Agent → 报告生成 Agent,支持工具调用与上下文记忆,将研究周期从数天压缩至分钟级。
交互式产品运营分析平台,涵盖 AARRR 漏斗分析、队列留存热力图、渠道归因、A/B 测试计算器和竞品功能矩阵。
AI风控分析实习生
财务数字化审计实习生
AI风控产品经理&商业分析师轮岗
风控实习生
国际金融学 & 管理学双硕士
GPA 15.66/20(前15%)| 中国杰出校友奖学金(半奖)
核心课程
Python投资组合分析、金融科技、金融建模、VBA、并购分析、财务分析、气候变化科学与经济学
金融学学士(辅修:信息管理)
核心课程
商务统计学、数据库与大数据、数据采集与可视化、计算文本分析、算法分析与设计、运筹学、人工智能导论、计量经济学、固定收益证券分析、证券投资分析、风险投资和金融创新、金融工程学、公司金融学
筹集赞助 €2,000,举办春节晚会,200+人参与。作为官方校园大使开展中国留学生招募推广活动。