中信百信銀行作為原生數字普惠銀行，始終敏銳捕捉行業趨勢、探索前沿技術應用。自2023年初，中信百信銀行便大力推進大模型技術智能客服助手、智能風控等多個場景的落地應用。

2024年，國產大模型嶄露頭角，中信百信銀行憑借前瞻性眼光，率先關注并引入DeepSeek系列技術，投入智能代碼助手建設工作，借助DeepSeek早期版本及其他業內領先文本大模型實現代碼補全及技術問答。

2025 年1月，隨著 DeepSeek 在行業內掀起熱潮，中信百信銀行積極響應，第一時間完成輕量DeepSeek-R1推理模型的本地部署。

在DeepSeek系列模型的強大支撐下，中信百信銀行智能代碼助手能力煥新升級，對提升研發效率與質量意義非凡，具體從以下兩個關鍵維度得以充分展現：1代碼補全：精準高效，智能隨行智能代碼助手基于大模型卓越代碼推理生成能力，能夠深度剖析代碼的語義和結構，根據不同編程語言及項目需求，提供自動補全建議。例如，在Java開發中，開發人員輸入部分代碼，助手結合 Java 語法規則和常見設計模式，快速給出方法調用、變量聲明等補全內容。

此外，它還能夠結合編程語言規則和常見編碼習慣，給出邏輯合理的補全選項，完美適配主流的 Java、Python、JavaScript 等編程語言。

目前，已覆蓋80%研發人員，許多研發人員反饋，代碼助手的應用使得研發效率顯著提升。2技術問答：知識淵博，有問必答在技術問答板塊，依托 DeepSeek豐富的知識庫和龐大的代碼庫，智能代碼助手不僅能提供各類技術知識，還能支持代碼生成、代碼解釋等場景。例如，在研發人員遇到復雜算法實現問題，僅需在對話框內進行簡單描述，助手便能夠根據需求生成代碼示例；對于難以理解的既有代碼，助手能夠詳細解釋功能和實現邏輯。

同時，為使其更符合行內研發場景，中信百信銀行將行內代碼片段、技術規范等技術文件進行向量化，并引入RAG（檢索增強生成）技術，在用戶提問時，優先從向量數據庫中檢索相關信息，后與DeepSeek模型的文本生成能力相結合，為用戶提供更準確的回答。

此外，根據用戶反饋，算法團隊持續對模型進行微調，以行內實際業務場景中的問題和解答為樣本對模型進行針對性訓練，使模型在語言風格、業務邏輯等方面更貼合中信百信銀行的研發需求。

截至目前，周均提問數突破上千人次，回復準確率高達91%，成為研發人員不可或缺的得力助手。

圖：使用代碼助手進行技術問答

展望未來，中信百信銀行深刻認識到，科技是推動金融行業變革與發展的核心力量。DeepSeek模型在代碼助手的成功應用，僅僅是2025年的開端。

在科技浪潮的推動下，中信百信銀行將積極投身于金融科技的創新實踐，不斷挖掘前沿技術的無限潛力，持續拓展其在金融領域的應用邊界。通過科技與金融的深度融合，為客戶提供更加安全、便捷、高效的金融服務，助力金融行業邁向更加智能、穩健的發展新階段。

責任編輯：王煊