可控、可测、可进化——B2B跨境支付的 AI 驾驭实践｜QCon上海

从「构建 AI」到「驾驭 AI」，100+ 实战案例拆解 AI Native 时代的工程新实践！

2026 年 QCon 全球软件开发大会大会 · 上海站将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。

在这一背景下，2026 年 QCon 全球软件开发大会大会 · 上海站正式启动。本次大会将于 10 月 22 日—24 日举办，聚焦 Harness AI 时代的工程实践，围绕 AI Native 架构、Agent Runtime、AI Infra、Data Systems、Agent 安全与可观测、Loop Engineering、Vibe Coding、具身智能与世界模型、端云协同等前沿技术方向，邀请全球技术社区与产业一线的实践者，系统性分享前沿洞察与实战经验，共同探索 AI 从能力到系统、从实验到生产的真实路径。

XTransfer & 高级技术总监陈忻已确认出席 “金融 AI Native工程实践：从研发提效到业务破局” 专题，并发表题为《可控、可测、可进化——B2B跨境支付风控的 AI 驾驭实践》的主题分享。B2B 跨境贸易天然面临“多国别、多单据、多风险”挑战：营业执照、报关单等非标文档版式各异，传统 OCR 依赖人工录入；三流一致性验证依赖碎片化数据源，隐性关联关系难以识别；交易风险审核、客服运营等环节高度依赖人力，经验难沉淀。行业正从“AI 工具”转向“AI 数字员工”，模型能力越强，越需要工程驾驭。

为此团队构建“可控、可测、可进化”的三层 AI 工程飞轮：分钟级 Agentic Coding Loop（CodeLynx）通过结构化规则+轻重推理引擎实现代码规范与红线卡点的高效覆盖；小时级 Developer Feedback Loop（EvalHub）以评测集、评分器、评测任务构建数据飞轮，保障 AI 准出质量；天级 External Feedback Loop（EagleEye）基于 OpenTelemetry 实现网关、模型、业务效果全链路观测，并通过 Badcase 智能分析回流迭代。

实践中沉淀出评测集资产化、成本可归集可解释、AI 工程即组织工程等核心经验。落地后，多模态大模型使原本“不可自动化”的风控单据审核逐步实现自动化，人工审核成本持续下降，交易风险识别能力显著提升，客服范式也从“人用工具”迈向“人管 Agent 团队”，为 AI 深度嵌入金融风控业务提供了可复用的方法论。

陈忻任 XTransfer 高级技术总监，负责公司级 Ai 技术平台与质量效能体系建设。他致力于通过前沿技术融入业务，为全球化支付系统打造高可用及资金安全技术底座。曾任职于蚂蚁国际，主导 Alipay+及多个海外电子钱包的技术风险及质量体系演进。拥有 20 余项国内外技术专利及学术论文，并在金融系统架构、工程效能及自动化领域，具备深厚的智能化与工程化落地经验。他在本次会议的详细演讲内容如下：

演讲大纲

1. 风控 AI 工程与三层进化飞轮

   围绕三个 Loop 及四个动作，"驾驭（接入调度）、约束（规范门禁）、反馈（评测观测）、进化（回流迭代）"，构建全链路 AI 工程。

2. Agentic Coding Loop（分钟级）：CodeLynx

   从 Sonar 静态规则扫描，到基于知识库的 Code Workflow Agent，再到 Native Agent 的持续演进。

   两种模式支持：

   1）增量变更（MR 等片段及差异分析）

   2）全量分析（全仓库扫描治理）

   三类能力建设：

   1）编码类（需求一致性、架构设计、单元测试、代码规范、安全规范、资金安全规范等）

   2）Agent 搭建类（Workflow DSL，工作流复杂度，异常处理等）

   3）技能类（安全性，正确性，扫描及动态试跑等）。

   四个关键决策：

   1）用好代码上下文及记忆

   2）结构化规则优于 LLM 自由推理

   3）基于标注评测，路由最优模型，准确率演进

   4）轻重引擎，轻推理引擎低成本广扫承载代码规范。重推理引擎驱动零漏判承载红线卡点

3. Developer Feedback Loop（小时级）：EvalHub

   一套基建支撑各类 AI 形态，包括大小模型、多模态模型、知识库、Agent 等，通过分层建模构建数据飞轮。

   评测集（滚动/快照/基准，版本管理，内部数据增强，开源评测集扩展）

   评测场景（通过协议抽象，支撑多种技术形态的评测）

   评分器（LLM as Judge/自定义/指标集 Ragas/Deepeval 等）

   评测任务（调度/实验对比/指标/报告/分析回流）

4. External Feedback Loop（天级）：EagleEye

   基于标准 OpenTelemetry 协议，构建基础资源、模型、服务、业务效果四层观测能力：

   AI 网关性能、成本、安全、治理五维观测，Token 按应用/消费者可归因；

   模型及服务渐进式发布，流量及分批发布，打通观测能力，快速定位恢复能力

   业务 AB 实验，新版本效果比对及效果分析

   Badcase 智能分析（LLM 预标注结合人工复核归因），回流评测集及知识，形成生产闭环，

5. 实施效果与经验

   业务效果：“可控、可测、可进化”成为团队标准动作。三个飞轮相互咬合：分钟级保障小时级 AI 代码质量，小时级评测保障准出效果，天级生产反馈反哺能力演进：

   1）多模态大模型同时理解复杂文档的空间布局与语义信息，将"过去不可自动化"的风控审核单据变为可自动化，人工录入量持续下降。

   2）AI 驱动的数据采集与多源交叉验证，自动拉通碎片化数据源，识别供应链中的隐性关联关系。

   3）AI Native 多智能体客服，范式从"人用工具"转向"人管 Agent 团队"。

核心经验

1. 效果闭环——建设"度量反馈"，再放 AI 进核心业务，评测集是资产，要有版本、保鲜与回流机制

2. 成本观测——AI 要算得过账，让成本可归集可解释，按场景分配路由，轻重引擎实践

3. 组织协同——AI 工程也是组织工程，开发者（执行）、规则维护者（迭代）、管理者（洞察）

实践痛点

1. 多模态文档理解的泛化难题：跨境贸易涉及的营业执照、报关单、物流单据等版式因国家地区差异极大，通用 OCR/多模态模型在小语种、非标版式场景下识别精度不稳定，需要持续的样本积累与模型调优，短期内难以做到“开箱即用”。

2. 规则与模型的权衡取舍：在编码规范、风控红线等强确定性场景下，纯 LLM 自由推理容易出现结果漂移。

前沿亮点

1. 一套 AI 基础设施，支撑业务-线下-办公的多形态，形成“驾驭-约束-反馈-进化”体系。

2. 三层 AI 工程飞轮，分钟级代码质量，小时级评测准出，天级生产观测相互咬合。

3. 一组架构及实践，管算分离，轻重引擎，复用组合，平衡效果及成本。

听众收益：

1. 三层飞轮方法论：审视 AI 工程体系，分钟级、小时级、天级三层架构，及其在金融风控场景下的具体应用，可复用于 AI 深入业务的行业。

2. 门禁与评测的关键决策实践：从 AI 实现到评估到观测，可借鉴的技术方案及决策逻辑。

3. AI Native 组织协同模式：从标准化->流程化->产品化->智能化，系统与组织协同，提升 AI 迭代效率与效果。

除此之外，本次大会还策划了Loop Engineering、千行百业 Agent 创新实践、Agent 自主进化：从记忆到持续学习、Agent as a Service、Vibe Coding 时代的新质量债、理性驾驭 AI 的 SRE 可靠性工程、金融 AI Native工程实践：从研发提效到业务破局、AI Infra：算力效率决定规模化落地、AI Native 架构等 20 个专题论坛，届时将有来自不同行业、不同领域、不同企业的 100+资深专家在现场带来前沿技术洞察和一线实践经验。

QCon 全球软件开发大会·2026（上海站）将于 10 月 22 日—24 日举办。本届大会聚焦 Harness AI 时代的工程实践，从「构建 AI」到「驾驭 AI」，围绕 AI Native 架构、Agent Runtime、AI Infra、Agent 安全与可观测、Loop Engineering、具身智能与世界模型 等热门技术方向，邀请全球技术社区与产业一线实践者，共同分享 AI Native 时代最具价值的工程经验。限时 9 折优惠立减 680！查看更多详情可扫码或联系票务经理 18514549229 进行咨询。