直通式承保中的代理型AI与检索增强模型

###### 摘要  
人工智能（AI）正开始重塑精算实务，尤其是在需要对非结构化文档、异构数据源以及受监管的决策流程进行推理的领域。精算师如今面临一个设计空间，范围从传统的基于规则的自动化，到大型语言模型（LLM）、检索增强生成（RAG）以及能够规划、检索、调用工具并进行反思的多智能体“智能体”系统。本文探讨了这些新兴架构如何支持精算领域的透明度、可审计性和人在回路治理等优先事项，重点聚焦于直通式决策流程。为使这些概念具体化，我们开发并分析了一个用于小型商业业主保单（BOP）直通式核保的智能体AI框架。我们构建了一个合成但逼真的实验环境，并比较了三种核保流水线：（i）单LLM基线，（ii）朴素RAG系统，以及（iii）多智能体“智能体RAG”流水线，该流水线结合了定向检索、第三方数据校验以及显式的多步骤规则评估。智能体系统整体表现最佳，在多步骤和缺失信息场景中提升最为显著；在此类场景中，结构化检索与反思帮助模型避免了缺乏依据的直通式决策。  

**关键词：** 检索增强生成（RAG）；人机交互；合成数据生成；保险自动化  

## 1 引言  
近年来，人工智能（AI）经历了快速的演进，从基于规则的自动化转向具有更强适应性和自主性的模型。传统的自动化系统执行预先定义的工作流程，在面对非结构化或不可预见的数据时往往缺乏灵活性。相比之下，基于Transformer架构的大型语言模型（LLM）实现了更丰富的能力：它们能够处理非结构化的自然语言输入，生成流畅的文本，并执行各种下游任务。  
基于规则的自动化与基于LLM的系统之间的区别不应被过分夸大。在许多应用中，显式规则、统计模型和LLM往往扮演互补的角色。一旦相关事实可用，规则引擎非常适合应用已知的决策逻辑。相比之下，当这些事实隐藏在杂乱的业务描述、核保批注或其他非结构化文本中时，LLM可能更有用。在某些情况下，LLM还可以帮助发现反复出现的模式或异常情况，这些模式或异常随后可由领域专家审查并转化为显式的核保规则。因此，实际问题不是规则或LLM哪个更好，而是如何在工作流的每个部分中使用最可靠的方式。  
该领域的关键发展之一是名为检索增强生成（RAG）的技术。在Lewis等人（2020）[https://arxiv.org/html/2607.07858#bib.bib16]的基础工作中，RAG模型被定义为将参数化记忆与非参数化检索机制相结合。作者表明，这种混合架构通过使系统能够访问外部事实内容，而不仅仅依赖于内部模型参数，从而提高了知识密集型任务的性能。随后的调查和综述进一步强调，RAG架构有助于缓解“幻觉”现象（即模型断言未基于外部世界的事实），并提高了事实性和可追溯性（Gupta等人，2024 [https://arxiv.org/html/2607.07858#bib.bib10]）。  
虽然RAG增强了知识访问，但它仍然是一个相对狭窄的范式：检索加生成。下一个前沿是许多作者所称的“智能体AI”，这些系统更像自主智能体，能够设定子目标、调用外部工具、协调工作流，甚至跨多个智能体协作。在整个讨论中，“智能体”并不意味着感知或真正的自主性，而是指对统计模型的结构化编排。最近的分类学将多智能体协作、任务分解、记忆和协调自主性区分为智能体架构的关键特征（Botti, 2025 [https://arxiv.org/html/2607.07858#bib.bib3]）。按照这种观点，智能体系统不仅限于对提示做出响应。它们表现出文献中所说的关于如何实现更高级目标的“推理”——同样，这是一种统计规划启发式方法，而非真正的人类推理。重要的是，在本文中，我们使用术语如“推理”或“思考”时，采纳的是AI研究社区的含义。这些系统并非以人类认知的方式思考或推理；相反，它们基于所学到的统计结构来估计输出。它们的有效性仍然依赖于谨慎的人工监督和领域专业知识。  
在精算科学领域，决策往往涉及不确定的数据、监管约束、可解释性和风险建模，因此有机会部署这些智能体框架。传统的精算任务，如核保、准备金计提、理赔处理和风险监控，正日益变得数据丰富且复杂。通过将检索、基于LLM的推断启发式方法、结构化统计模型和工具编排整合到一个智能体流水线中，我们可以设想核保系统不仅能处理申请，还能生成结构化、可审计的步骤以支持精算决策。  
在这种设置中使用LLM的动机并不是要取代传统的核保规则。许多核保决策仍然依赖于明确的阈值或排除条款，一旦相关事实已知，这些规则可以直接应用。挑战在于，这些事实往往并非以清晰的方式呈现。它们可能出现在业务叙述中，由多个字段隐含得出，或者可能缺失于申请中但在其他来源可用。LLM组件用于帮助将这些非结构化信息映射到相关的指南概念，总结缺失或模糊的事实，并生成草稿理由。然后，RAG和智能体组件通过将输出基于检索到的指南文本、要求结构化决策以及将不确定案例路由至人工审查，为这种语言能力提供结构。  
本文探讨了这样一个智能体AI框架在商业业主保单（BOP）保险环境中的直通式核保应用。在定义了自动化、LLM、检索增强生成和智能体AI之间的概念区别后，我们回顾了精算科学中的智能体用例，讨论了合成/生成数据流水线，描述了我们的具体框架，并展示了实证结果。最后，我们总结了启示、局限性和未来工作方向。  

## 2 智能体AI概念  
人工智能已经经历了不同能力阶段的演进，从基于规则的自动化到生成式系统，最终到智能体系统。每个阶段都代表着实际系统中“智能”内涵的扩展：从执行预定义逻辑到在目标、工具和记忆的辅助下执行参数驱动的推理启发式方法。这些进步本质上仍然是计算和统计性的；人类判断对于负责任地解释输出仍然至关重要。  

### 2.1 大型语言模型（LLM）  
早期的自动化系统遵循固定的决策规则。在核保或理赔处理等业务流程中，这些系统依赖于旨在复制人工流程的确定性逻辑，例如if-then树、线性评分卡和专家系统（Russell和Norvig, 2016 [https://arxiv.org/html/2607.07858#bib.bib25]）。它们在效率和可重复性方面表现出色，但在遇到其编程领域之外的数据或场景时会失败。  
机器学习通过允许系统从数据中学习参数而非依赖显式指令，扩展了自动化的能力。监督模型如逻辑回归和梯度提升树提供了统计推断，但并不具备真正的推理或上下文感知能力。  
大型语言模型代表了相比经典自动化的重大飞跃。基于Transformer架构（Vaswani等人，2017 [https://arxiv.org/html/2607.07858#bib.bib28]），它们学习语言中的潜在结构，从而实现灵活的生成、总结以及AI文献中所谓的“推理”。这些并非认知行为，而是概率性的模式外推。LLM仍然是参数化的，意味着所有信息都编码在其权重中，因此容易产生幻觉（Ji等人，2023a [https://arxiv.org/html/2607.07858#bib.bib13]）。在实际应用中，朴素的LLM部署表现为复杂的文本生成器，能够生成连贯的叙述，但缺乏对经过验证的事实、结构化数据库或组织知识的直接访问。其价值只有在与严格的人工审查和精心设计的工作流配合使用时才能实现。  

### 2.2 检索增强生成（RAG）  
检索增强生成（RAG）通过将LLM与非参数化记忆相结合，解决了纯参数化语言模型的关键局限性（Lewis等人，2020 [https://arxiv.org/html/2607.07858#bib.bib16]）。在RAG流水线中，模型执行以下步骤：  
1. 将用户查询编码为密集向量表示。  
2. 在领域文档的向量数据库中搜索语义相似的内容。  
3. 将检索到的段落注入LLM提示中。  
4. 生成基于此外部上下文的输出。  

该架构通过确保每个响应可追溯到特定的支持文档，增强了事实准确性和可解释性。对于金融或医疗等受监管领域，这种基于事实的支撑对于合规、审计和可解释性至关重要（Gupta等人，2024 [https://arxiv.org/html/2607.07858#bib.bib10]）。  

**局限性。** 尽管有上述优势，RAG系统并非没有缺点。性能在很大程度上取决于文档检索的质量——搜索或嵌入相似性中的错误可能导致模型基于不相关或过时的段落进行操作（Asai等人，2024 [https://arxiv.org/html/2607.07858#bib.bib1]；Izacard和Grave，2022 [https://arxiv.org/html/2607.07858#bib.bib12]）。此外，即使提供了相关上下文，LLM仍然可能产生幻觉或错误归因事实（Ji等人，2023b [https://arxiv.org/html/2607.07858#bib.bib14]）。RAG流水线也是反应式的：它们只回答单一查询，没有持久记忆、规划或反思，从而限制了其在多个步骤中细化或验证推断过程的能力。在诸如精算或金融建模等高风险应用中，这些缺点必须通过人类判断来管理。  

**近期改进。** 几种方法旨在缓解这些问题。Self-RAG架构引入了自我反思验证，提示模型在生成之前批判并重新排序检索到的段落（Asai等人，2024 [https://arxiv.org/html/2607.07858#bib.bib1]）。动态检索和查询重写方法迭代更新搜索查询以减少上下文漂移（Trivedi等人，2023 [https://arxiv.org/html/2607.07858#bib.bib27]）。记忆增强型RAG系统进一步维持持久状态，允许多轮检索和推理（Shuster等人，2022 [https://arxiv.org/html/2607.07858#bib.bib26]）。这些改进开始模糊基于检索的系统与智能体推理系统之间的界限。  

### 2.3 智能体AI  
智能体AI超越了检索，进入编排领域。根据微软*AutoGen*项目的最新框架以及多智能体推理的开放研究（Li等人，2023 [https://arxiv.org/html/2607.07858#bib.bib17]；Botti，2025 [https://arxiv.org/html/2607.07858#bib.bib3]），智能体系统的特征包括自主性、工具使用、记忆和反思性推理。它不是单一提示-响应循环，而是维持一个有状态的交互循环：  
1. 智能体解释用户目标（通过统计方式，从输入文本中估计意图）。  
2. 它规划子任务并调用外部工具（检索器、计算器、API、模型）。  
3. 它反思中间结果，并调整后续行动。  
4. 当目标达成或不确定性阈值满足时终止。  

在本文中，我们以狭义且实用的方式使用“智能体”一词。该系统并非人类意义上的自主，也不像核保员那样进行推理。相反，它组织一组定义好的工作流步骤：检索指南证据、将申请路由至接受、拒绝或转人工路径、检查关键事实是否缺失、在可用时使用模拟第三方数据、应用多步骤核保规则、以及审查最终决策。这种狭义的定义很重要，因为该系统的价值在于使决策过程更具结构性和可检查性，而不是赋予模型独立权限。  

该框架将基于LLM的推断嵌入到一个控制架构中，通常使用如LangChain或LangGraph等编排库实现，其中模型不仅生成文本，还决定*何时*检索、计算或委派。由于这种行为是算法性的而非认知性的，其有效使用关键依赖于智能的人类设计、验证和监督。  

**局限性。** 尽管前景广阔，多智能体系统引入了新的故障点。通信错误、上下文传递不一致以及级联的提示噪声可能导致不稳定或跨智能体的非确定性行为（Wang等人，2024 [https://arxiv.org/html/2607.07858#bib.bib29]）。每增加一个智能体都会增加对齐和安全性验证的复杂性，使系统更难以审计或复现（Park等人，2023 [https://arxiv.org/html/2607.07858#bib.bib22]）。此外，多智能体编排通常会导致更高的计算成本和延迟，且反思循环若未适当约束可能会放大偏差。  

**新兴缓解措施。** 近期工作通过改进协调和验证机制来应对这些脆弱性。例如，委派感知架构将智能体间通信约束为预定义模式（Liu等人，2024 [https://arxiv.org/html/2607.07858#bib.bib18]）。批评者-执行者框架采用专门的“批评者”智能体来评估和修订任务智能体的输出，从而提高可靠性和稳定性（Madaan等人，2024 [https://arxiv.org/html/2607.07858#bib.bib20]）。其他研究聚焦于记忆管理和角色一致性，确保智能体在迭代交互中保持连贯的目标（Chen等人，2024 [https://arxiv.org/html/2607.07858#bib.bib6]）。这些改进共同旨在平衡自主性与控制力——这在精算科学等专业领域中是一项基本要求，因为可追溯性和可复现性是强制性的。  

## 3 精算科学中的AI  
精算行业正越来越多地融合高级人工智能（AI）能力。这些方法使得参数驱动的“推理”能够作用于非结构化数据、动态工作流和半自主决策流水线，从而重塑精算师进行准备金计提、定价和风险监控的方式。然而，其优势只有在一流精算师设计、监控和解释这些系统时才能显现。  
多项研究和专业报告强调了精算师和保险公司已如何应用AI方法。一项基础性研