一家地方国有投资机构的投资业务管理系统，确定由领铄智能承建

 统一投资业务管理系统建设

这个项目要做的事，覆盖母基金、直投基金、类基金投资三类业务，建一套贯穿投资全生命周期的业务系统，并同步落地智能尽调场景。

比起"又上了一套系统"，更值得说的是做法。用 AI 编程的工程化方式，把业务流程、项目资料、风险信息和协同环节组织起来，放进一套能长期跑下去的数字化体系。

基金产品越来越多之后，投资业务管理对系统的要求，已经从"能线上办理"变成了"统一管理、灵活适配、持续扩展"。这家机构在这次建设里，把需求归成了三类。

业务面在变宽。母基金、子基金、直投基金、类基金投资，多类业务要在同一套系统里跑，还要适配不同基金产品的流程差异。

链条要真正贯通。从项目征集、初筛、尽调、评审，到出资、投后管理、退出，中间不能断。断了就得重复录入，就得到系统之间来回传递。

数据和智能得进真实工作。企业信息采集、尽调报告编制、风险事项识别、项目档案沉淀，这些活既要大模型和知识库，也要权限、留痕和人工复核，不然结果没法用。

所以这个项目从一开始就没打算只买单点功能。它要建的是一套"核心系统 + AI 场景 + 工程化治理"的一体化体系。

在变宽、链条断了要重录、智能进不了真实工作

AI 编程能提效率，但只有放进规范的项目管理流程，才撑得住一个复杂业务系统长期运行。

在这部分，项目依托领铄智能的 Blade Agentic OS 与 AI 软件工厂，配合项目专班，建立了一套"工具分级、流程贯通、质量内控、交付规范"的做法。

工具分级，是第一步。按业务敏感程度和数据边界来分：通用开发、代码生成、问题排查这类环节，可以在符合安全规范的前提下选用合适工具；涉及核心业务数据、数据库结构和系统源码的，就在采购人可控的环境里做，并且落实脱敏、操作留痕和人工复核。

流程贯通，是第二步。需求确认、架构设计、代码开发、测试验证、版本发布、验收交付串成一条线。AI 生成的代码、文档和技术产出，要经过专业人员复核确认才能进入下一环节。这样研发过程有记录，质量判断有依据，交付成果可追溯。

这一步也是 BladeAI 的产品能力和项目需求的结合点：AI 不只用来自动写代码，也用来组织需求、拆解任务、连接工具、管理成果和持续评测。

AI 编程进入工程化流程：工具分级、流程贯通、人工审定

系统规划了十大功能模块，按业务主线组织。

基础支撑先行。多子公司业务数据隔离、按权限共享，配上流程引擎、规则引擎、任务引擎、在线文档和文件管理，同时支持存量数据迁移。数据先统一，权限先理清，后面的模块才有地基。

投前管理在线流转。覆盖项目征集、初筛、尽调、风评、延缓或终止、项目评审，支持项目信息编辑、资料上传和状态变更，并与出资、投后、合同流程衔接。

出资管理把合同、资金和进度串起来。支持投资协议上传、出资审核、资料归档和多轮次出资。在财务系统接口开放的前提下，可同步放款结果、监控出资进度，并对超期事项提醒。

投后与退出持续可见。分红与会议管理、财报收集与对比、派驻人员履职记录、合同履约、督办待办，以及 IPO、股权转让、回购、清算等退出方式的流程管理，都在这里。

风险管控与数据分析。支持风险分级、风险化解和追偿进展记录，在外部信息平台开放接口的前提下可接入风险数据。数据统计部分提供全生命周期台账、可视化驾驶舱和明细钻取。

系统集成和移动端让平台融入日常。通过标准接口，可按项目条件对接 OA、统一身份认证、企业微信、短信、财务系统、主数据平台、数据中台和外部风险信息平台。移动端以企业微信 H5 形式提供待办查看、流程审批、项目信息和报表查阅。

十大模块按业务主线铺开：基础支撑、投前、出资与投后、风险与集成

智能尽调的价值，不在于用模型替代专业人员。它先做的是那些重复、琐碎但必须做的工作：信息整理、资料比对、报告初稿。这些做快了、做有条理了，业务人员才能把时间挪到现场核验、重点问题分析和专业判断上。

围绕投前尽调，系统会做这几件事：

• 采集工商登记、股权结构、司法涉诉、行政处罚、知识产权、舆情动态、经营异常等信息，形成企业画像；

• 按既定模板生成尽调前核查报告，梳理异常线索、现场核实问题和资料补充清单；

• 结合企业模板和业务口径生成尽调报告初稿，支持在线编辑、补充完善和版本留痕；

• 围绕股权异常、涉诉纠纷、行政处罚、经营风险、负面舆情做识别和分级提示；

• 把企业画像、报告、风险结果和相关资料沉淀成项目档案，支持查询、复盘和复用；

• 按部门、角色、项目和人员设置权限，记录操作日志和版本信息。

这些环节背后，领铄智能把 Blade Agentic OS 的知识检索、任务编排、模型调用、文件处理和权限治理能力，组合成一条贴合投资业务的智能尽调工作流。

有一点需要说清楚。报告内容和风险识别结果仍由业务人员审定。系统负责的是提供更完整、更及时、更便于复核的材料基础，判断权始终在人手里。

智能尽调：资料汇入、形成画像与报告，由业务人员审定

投资业务系统承载的，是企业资料、合同、财务信息和风险事项。好不好用是一回事，边界清不清楚、过程能不能查、责任能不能追溯，是另一回事。

平台侧，Blade Agentic OS 支持围绕用户、角色、知识、技能和工具配置权限，配合本地化或私有化部署，帮助客户把模型、知识库和业务流程放在可管理的运行边界内。外部模型或数据服务怎么接，按项目实际配置单独设计网络和数据路径。

交付侧，项目会同步形成需求规格、设计说明、测试报告、验收材料和运行记录等成果物，让需求、开发、测试、上线、运维连起来。通过联合开发和知识转移，采购人的技术团队能在项目推进中掌握这套 AI 编程工程化方法，为后续维护和能力扩展留下基础。

按建设方案，项目分阶段推进：先完成新设基金及既有直投类基金的业务建设和数据迁移整合，再进入试运行与验收。

分阶段的好处是，先在一个明确的业务范围里把流程跑通、把数据和权限验证清楚，再逐步扩到更多基金产品和业务环节。比起一次全铺开，出问题更容易定位，改起来也更快。

对这家机构来说，这套系统给业务标准化、数据贯通和智能尽调提供了一个统一底座。对领铄智能来说，这也是把 Blade Agentic OS、AI 软件工厂和行业业务场景真正结合起来的一次实践。

领铄智能会继续面向企业和组织，提供可信赖的智能体平台与本地化 AI 应用能力。

这次想验证的，是 AI 能不能从"会回答"往前再走一步：变成能协同、能执行、能持续运营的那一层。