作者：来自 Elastic Karen Mcdermott

金融服务 AI 不仅需要模型和提示词。上下文工程通过实时、可治理、可解释的智能提供支持，而 Elastic 作为基础的上下文层。

金融服务中的人工智能已经不再受限于模型能力。真正的瓶颈在于上下文。

银行、支付机构、保险公司以及资本市场机构掌握着海量数据 —— 交易、日志、市场数据流、客户交互、风险信号以及监管材料 —— 但大多数 AI 系统仍然在不完整、过时或治理不佳的上下文中运行。结果是可以预见的：幻觉、合规风险、脆弱的自动化，以及有限的业务影响，尤其是在那些决策必须被解释、审计并加以辩护的环境中。

这正是上下文工程成为决定性学科的地方 —— 也是 Elastic 发挥基础性作用的地方。

从 prompt engineering 到上下文工程

早期的企业 AI 实践主要关注 prompt engineering，通过精心设计问题来引导大语言模型给出更好的答案。在金融服务领域，这种方式很快就会触及上限。

受监管的环境不仅需要措辞优美的回答，还需要：

• 可验证、可解释的答案
• 对变化条件的实时感知
• 严格的访问控制和可审计性
• 与业务、风险和监管上下文保持一致

上下文工程将关注点从 prompt 转向 system。它是一种实践，通过设计管道，在正确的时间、以正确的权限，持续组装正确的数据，并让人类和 AI system 都能基于这些数据自信地采取行动。

核心问题也随之从 “我们如何向模型提出更好的问题？” 转变为 “我们如何将 AI 决策可靠地锚定在可信的、实时的企业数据之上？”

为什么上下文在金融服务中更重要

几乎没有哪个行业像金融服务这样，不能容忍缺失或错误的上下文。

一次缺少完整交易链路的欺诈决策，可能会阻断合法客户。一种缺乏最新市场波动信息的风险模型，可能会放大损失。一个由 AI 驱动、但与账户状态、权限或监管约束脱节的客服 agent，带来的不是效率，而是风险敞口。

金融机构必须同时调和三种相互竞争的现实：

• 数据分散在遗留核心 system、云平台、金融科技合作伙伴和第三方数据源之中
• 监管压力要求可追溯性、可解释性和数据留存
• 客户、市场和运营对实时性的高期望

上下文工程正是让这些力量得以共存的连接组织。

Elastic 作为金融服务 AI 的上下文层

上下文工程需要一个平台，能够在实时和长时间留存窗口内，大规模地摄取、搜索、保护并对数据进行推理。

Elastic 在金融服务 AI 中的价值，并不局限于搜索或检索。Elastic 通过统一数据、强化治理、并在规模化场景下交付相关性，充当实时上下文层。

Elastic 通过以下方式支持上下文工程：

• 将碎片化数据统一到一个以搜索驱动的平台中：Elastic 将交易数据、日志、追踪、 安全 事件、客户交互以及市场信号汇聚到一个已索引、可搜索的统一基础之上。这消除了脆弱的点对点集成，使 AI system 能够跨领域推理，而不是在孤立的孤岛中工作。
• 同时提供实时与历史上下文：金融决策通常既需要即时性，也需要记忆。Elastic 的 hot、warm、cold 和 frozen 分层，使机构能够在实时洞察与长期留存之间取得平衡，在不牺牲性能或成本效率的前提下保留上下文。
• 以内建方式强化治理、 安全 和访问控制：没有控制的上下文就是风险。Elastic 支持基于角色的访问控制、字段级 安全、审计日志以及数据留存策略，确保 AI agent 和人工用户只能看到他们被授权的数据，并为监管机构保留完整可追溯的记录。
• 支持超越基础 RAG 的上下文感知 AI：Elastic 的上下文搜索能力不止于简单的检索增强生成（ RAG ）。在受监管环境中，有限的 RAG 方法往往会失效 —— 依赖静态数据快照、缺乏权限感知，并且无法在实时与历史信号之间保持血缘关系。通过结合向量搜索、关键词相关性、过滤以及结构化查询，Elastic 确保 AI 输出基于具有来源可追溯性的权威数据，而不是猜测。
• 通过 Streams 和 Elastic Agent Builder 支持 agent 驱动的工作流：随着金融机构从 AI 助手迈向自治 agent，上下文变得更加关键。Streams 和 Elastic Agent Builder 使组织能够持续向 agent 提供最新的遥测、事件和业务信号，在人工监督下实现闭环决策。

实践用例：上下文工程的实际应用

• 欺诈和金融犯罪：通过统一交易流、行为信号、设备遥测和历史模式， Elastic 为 AI 系统提供完整上下文，使其能够在毫秒级而不是分钟级区分欺诈行为和合法行为。
• 数字化客户服务：当具备账户状态、近期交互、权限以及合规约束等上下文时，上下文感知的 AI agents 能更快解决问题，在降低处理时长的同时提升信任度和满意度。
• 风险与韧性： Elastic 连接运营遥测、市场数据和风险指标，为 AI 系统提供态势感知 —— 从而更早发现系统性压力、故障或级联失败。
• 监管合规与审计：通过跨系统集中且可搜索的审计轨迹， AI 辅助的合规团队可以用证据而不是解释来回应监管机构的问题 —— 大幅降低人工工作量和风险。

金融服务领导者的战略转变

上下文工程不是一个工具选择；它是一种架构和组织层面的转变，决定了 AI 是成为可控资产，还是失控风险。

董事会和高管团队越来越多地在问：

• 我们能否在受监管的决策中信任 AI 的输出？
• 我们能否解释为什么会做出某个决策？
• 我们能否证明数据血缘、访问权限和完整性？

如果没有强大的上下文层，答案是否定的 —— 无论模型本身有多强大。

Elastic 为金融服务组织提供了一条切实可行的前进路径：一个统一、受治理、实时的数据平台，将 AI 从实验阶段转变为可信的基础设施。

未来属于具备上下文意识的金融服务团队

随着 AI 嵌入到每一个金融工作流中，竞争优势将属于那些不仅掌握计算能力、还掌握上下文能力的团队。

上下文工程是金融服务组织将数据转化为决策、将自动化转化为问责、并将 AI 转化为可信伙伴的方式。

对于金融服务领导者来说，问题已不再是是否采用 AI，而是是否已经构建了足以信任它的上下文。 Elastic 正在帮助引领这一转型，为未来具备上下文感知能力的金融服务公司提供动力。

相关内容：

• Elastic 与 Contextual AI 合作，扩展最准确的上下文工程平台
• 你知道的，关于上下文 —— 第 I 部分：混合搜索与上下文工程的演进
• 你知道的，关于上下文 —— 第 II 部分：Agentic AI 与上下文工程的必要性
• 你知道的，关于上下文 —— 第 III 部分：混合搜索在上下文工程中的力量
• 用 AI 变革金融服务：释放增长、创新与洞察
• AI 驱动的欺诈检测：用 Elastic 保护金融服务
• 金融服务中的 Agentic AI：自主智能的崛起
• 智能银行的崛起：在 AI 时代统一欺诈、安全与合规

本文中描述的任何功能或特性发布及时间安排完全由 Elastic 自行决定。当前尚不可用的任何功能或特性可能无法按时或根本无法交付。

在本博文中，我们可能使用或引用了第三方 generative AI 工具，这些工具归其各自所有者所有和运营。 Elastic 无法控制第三方工具，并且对其内容、操作或使用不承担任何责任，也不对你使用这些工具可能产生的任何损失或损害负责。在使用 AI 工具处理个人、敏感或机密信息时，请谨慎操作。你提交的任何数据可能会被用于 AI 训练或其他用途。无法保证你提供的信息会被安全或保密处理。你在使用任何 generative AI 工具前，应熟悉其隐私政策和使用条款。

Elastic、Elasticsearch 及相关标识是 Elasticsearch B.V. 在美国及其他国家的商标、标识或注册商标。所有其他公司和产品名称为其各自所有者的商标、标识或注册商标。

原文：https://www.elastic.co/blog/context-engineering-in-financial-services