Jefferies 借助 AI 交易助手优化前台交易运营

Jefferies 是一家全球性全方位服务投资银行，其前台股票交易团队面临一个普遍挑战：交易员需要从海量数据中实时获取客户行为、交易模式和市场趋势的洞察，以做出快速决策。然而，他们通常缺乏编码能力，也没有时间自行构建和维护分析系统。传统方法依赖专家分析和 IT 团队定制仪表盘，整个过程可能需要数天甚至数周，导致数据与决策之间存在巨大鸿沟。

为应对这一挑战，Jefferies 在 AWS 上构建了一个基于代理 AI 的交易助手。该方案采用 Strands Agents（一个开源代理 SDK）和 Amazon Bedrock，通过大语言模型（如 Anthropic Claude）实现自然语言理解、SQL 生成和多步骤工具编排。模型上下文协议（MCP）作为开放标准，帮助 AI 代理安全地连接交易数据仓库、FIX 消息文件和内存数据库等多样化数据源。

交易员通过 Jefferies 原有的 Global Flow Monitor 系统中的嵌入式 AI 小部件，以自然语言提出问题。请求经过身份验证和会话管理后，由查询代理（Strands）调用 Amazon Bedrock Knowledge Bases 检索相关数据库模式，生成准确的 SQL 查询，并选择合适的数据源执行。结果以可视化图表形式返回，整个过程保持会话上下文，支持深入追问。

安全方面，系统利用 Amazon Bedrock Guardrails 进行内容审核和 PII 过滤，并通过行级数据权限防止敏感数据泄露。会话日志记录满足合规审计要求。该方案将原本需要数天的分析工作缩短至数秒，使交易员能够自主获取洞察，无需等待 IT 支持，显著提升了前台运营效率。

Jefferies 的技术选择基于对灵活性、安全性和可扩展性的考量。Strands Agents 的模型驱动方法简化了代理开发，而 Amazon Bedrock 则提供了选择不同大语言模型的灵活性。MCP 工具的标准化接口确保了与现有基础设施的无缝集成。这一架构为未来扩展更多数据源和分析能力奠定了基础。

要点

• Jefferies 利用 AI 交易助手，使交易员通过自然语言即可实时查询交易数据，无需编码或依赖 IT 团队。
• 方案基于 Strands Agents 和 Amazon Bedrock，结合大语言模型和 MCP 协议，实现智能 SQL 生成与多数据源连接。
• 系统集成安全控制，包括内容审核、PII 过滤和行级权限，确保数据合规与安全。
• 会话上下文保持功能支持交易员进行多轮深入分析，提升洞察获取效率。
• 该方案将传统数天的分析流程缩短至数秒，显著优化了前台交易运营效率。