同创星图正式发布：让金融智能体实现「全链路可管可控」（THS）

过去20年，我们学会管控代码。接下来，我们要学会驾驭AI。

近一年，我们走访了大量券商、期商、银行和资管机构。听得最多的，已经不是"要不要做智能体"，而是"做出来了，敢不敢用"：智能体进了生产环境，却大多出不了试用期。

一条轨迹，串起智能体的"一生"

同创星图（Agent Atlas）是同花顺面向金融场景打造的智能体全链路运维监控进化平台，目标只有一个：让金融智能体真正进入真实业务生产环境。

一条轨迹贯穿观测、监测、评测与归因。每一次出错，都被定位到具体环节、写下预期答案、标好严重程度，沉淀成可跟踪、可复盘的归因集；下一版智能体，带着这些答案开工。飞轮由此转起来。转得越久，智能体越稳、越准，也越敢放进真实业务。

评测模块为智能体的输出效果和运行轨迹提供系统化的评估能力。

同创星图通过支持三种评测类型，覆盖智能体从上线前验证到上线后持续优化的完整评测闭环。

❍事前评测是上线前的准入闸门：用黄金评测集给智能体做全面体检，不达标不放行。智能体上线这件事，从"拍脑袋"变成"过闸机"。

❍事后评测是上线后的持续体检：持续回流线上真实问句、真实输出与完整执行轨迹，全量机评加高风险样本人工复核，输出实时风险告警与质量趋势曲线。线上暴露的每一个 bad case，都会沉淀回黄金评测集，驱动下一轮优化。

❍对比评测则回答一个常被回避的问题：这次改动，到底是变好了还是回退了？同一智能体的不同版本（不同模型、不同工具）、同一评测集下的不同智能体，都能放在一条起跑线上量化比较。

更关键的是：通用的评测框架，评不了金融。随同创星图同步发布的还有一套金融智能体端到端评测体系，通过 LLM-as-a-Judge、Code-as-a-Judge、Agent-as-a-Judge 三种评估器形式，覆盖从生成内容到代码执行再到工具调用的全部评测场景。

观测用于实时查看智能体运行成功率、告警数、拦截数、调用量和Token消耗等核心指标，核心解决智能体运行黑盒的问题。

任意一次运行都能展开完整轨迹，看清输入、输出，以及链路上每个环节的耗时与状态。异常不再靠翻日志，分钟级就能定位到具体是哪个智能体、哪个环节出了问题。

❍制定 AI 语义规范：在 OpenTelemetry 标准体系基础上，拓展面向大模型的专属语义字段，为埋点与数据串联提供统一基础。

❍全框架支持接入：无论用哪种框架开发智能体、调用哪家的模型服务，都基于这套语义做统一数据规划并纳入管控，获得一致的观测体验。

监测模块的核心目标是对智能体和工作流的输出内容进行持续的质量审查与合规管控。

常见的链路：后端定时触发 → 智能体运行、产出内容 → AI 应用直接展示给用户。早报、收评、热点解读等aiapp里大量内容走的都是这条路，中间没有任何一道核验。

接入同创星图后，链路变成：星图按业务需求定时触发 → 智能体运行产出内容 → 星图按预配置规则做统一监测与状态判别 → 风险分流 → 通过的内容才进入 AI 应用展示。

还有两道稳定性兜底。

❍自动重试：运行异常、输出为空、格式不合规时自动重试，重试仍失败则降级告警并通知负责人，避免定时任务静默失败。

❍超时兜底：早报、收评这类内容有硬发布窗口，人工复核队列一旦积压就误了时点，因此可设定复核超时阈值，超时后按栏目策略自动降级（放行 / 发布历史兜底稿 / 撤下栏目），由业务方预先选定。

智能体安全是同创星图为智能体加装了能够贯穿输入、上下文、工具、记忆、输出的全链路免疫系统。

❍资产扫描——对智能体的工具、记忆、上下文、提示词、配置文件等全部资产做静态扫描，先确保智能体本身是安全的。

❍安全检测——把防线铺到运行链路的每一个环节。一次对话从输入到落库，中间有七个可能被攻破的点，星图在每个点上都放了一道闸：

每道闸背后是三层由快到深的检测：

三层叠加，风险事件在进入业务链路之前就被拦下。

目前，同创星图已在同花顺内部为各类 AI 应用（AI App、AI 组件及各类金融工作台等）提供智能体运维监控保障，并融入日常产研流程。

目前已有 200+ 智能体 / 工作流接入星图平台，累计稳定观测约 1.2亿次调用。

让智能体真正走进生产环境的，从来不是模型再聪明一点，而是它带给业务的确定性。

这，就是同创星图在做的事。