7月13日，奇富科技正式開源面向業務場景的自動建模Agent——ModelEvo。這一工具既是為了將分散的專家經驗沉澱為標準化、可複用的建模能力，提升內部研發效率，同時也希望將經過真實業務驗證的方法論開放給行業，參與到AI建模基礎設施的共建中。

用戶只需從業務目標出發，ModelEvo 即可通過 Agent 編排標準化建模 Skills，協助完成需求澄清、數據檢查、存量模型評估、樣本構建、特徵分析、模型訓練、自動調優、效果評估和報告生成。首個版本支持分類預測與 Uplift 增益建模兩類典型任務。

建模難，不只難在算法

真實業務建模並非單純的算法優化。如何將業務目標轉化為建模任務，如何定義標籤、切分樣本窗口、識別特徵泄漏、評估存量模型，都直接影響模型效果和業務價值。

過去，這些流程往往分散在個人 Notebook和臨時腳本中，容易造成重複開發和標準不一。ModelEvo 希望將分散的專家經驗轉化為標準化、可執行、可追蹤的建模能力。

先評估、後建設，讓模型資產持續複用

在用戶澄清需求後，ModelEvo 會優先從模型知識庫中檢索目標、客群或特徵體系相近的歷史模型，並依據 AUC、KS、分桶排序性和業務適用範圍，判斷模型能否直接複用、繼續優化或需要重新建設。

這一機制能夠提升歷史模型和經驗的複用率，讓模型資產持續產生價值。

把專家經驗轉化為可執行 Skills

ModelEvo 將奇富科技在真實業務中的方法和質量要求沉澱為 Agent 可理解的規則，將建模流程拆解為可組合、可複用、可追蹤的 Skills。

系統能夠檢查標籤定義、觀察窗口和表現窗口，提供特徵篩選、模型選擇和參數優化建議，自動生成 AUC、KS、分桶排序性等評估結果。同時還能根據評估結果開展多輪自迭代優化，持續推動模型效果提升。

Agent 會記錄每次實驗的數據、特徵、參數、指標和模型產物。用戶最終獲得的不只是一個模型，還包括完整實驗記錄、模型對比結果和可復現、可供專業評審的建模報告。

降低建模門檻，不降低專業標準

ModelEvo 自動化的是標準化、重複性工作，放大的是專業人員的經驗價值。業務人員可以參與問題定義和結果解讀，數據分析人員可以完成數據探索和基線驗證，算法工程師則可將常規訓練、數據檢查和報告生成交給 Agent，把更多精力投入複雜場景和技術創新。

相比主要聚焦算法選擇和參數搜索的傳統 AutoML，ModelEvo 更關注業務問題理解、存量模型複用和完整流程標準化，並根據評估反饋開展多輪迭代優化，逐步探索特徵和模型的自進化能力。

奇富科技增長算法負責人王耀宣表示：「大模型正在快速降低代碼開發和算法工具的使用門檻，但要在真實業務場景中建出有效的模型，仍然離不開對業務問題的深刻洞察、專業的建模判斷和駕馭大模型的能力。打造ModelEvo，正是希望將這三類能力及其背後的專家經驗，沉澱為一套經過真實場景驗證、可複用、可追溯並能夠持續進化的建模方法體系。」

從工具開源到能力共建

ModelEvo v1.0 內置基於公開數據集的完整示例，無需部署大數據集群即可在本地體驗覈心流程，企業用戶可參照 README.md 完成全流程接入。未來，項目還將逐步擴展模型知識庫、特徵自進化和模型自進化等能力，不斷完善智能建模體系。

奇富科技希望通過開源，將經過真實業務打磨的建模經驗轉化為開放、可複用、可持續演進的行業能力，推動業務建模從依賴個人經驗走向流程標準化、經驗資產化和能力智能化。