DeepSeek银行实战手册：292 个小节，平均每个 2.5 屏

2026-11-10silcano

微信读书《DeepSeek银行实战手册：银行全场景AI实践指南（下册）》· 抓取 730 屏 / 10 章 / 401 条目录 · 读到书尾
逐字核对 12 屏 · p0006 书名条核对为本书 · 2026-11-10
抽样点位的选法：这本是下册，只含第 10–19 章，十章全是业务场景，所以我按「一章一屏」铺开取（第 10、11、12、13、15、16、17、18、19 章各一屏），另加序、章首、末页。重点压在三个地方：一是每节开头的「场景介绍」是不是同一个句式；二是提示词长什么样；三是「输出形式」这一步到底怎么落地。抽读 12 屏约占 1.6%。章节篇幅占比不是抽样得出的，是用 pages.jsonl 逐页章节映射做的全量聚合；目录层级（91 节 / 292 个末级小节）是从 meta.json 的 401 条目录里按编号规则数出来的。

我先给结论：这不是一本「书」，是一份 292 条的提示词清单，每条配了一句业务解释。730 屏除以 292 个末级小节，平均每个小节 2.5 屏——2.5 屏刚好能装下「一段场景介绍 + 一句提示词 + 三条追问 + 一行输出形式」，装不下任何论证。

它做对了一件很实在的事：把银行业务从「金融科技」的抽象层，拽回到柜台上具体的事——假币收缴的冠字号码怎么补录、ATM 钞箱什么时候加钞、票据交换的日切时点怎么卡。这类细节不是查资料能查来的，是做过的人才会写。但它也用同一套模板把 292 个场景压成了同一个形状，读到第三十页，你会开始跳读，因为你知道下一段要说什么。

一、先看结构：401 条目录，292 个末级小节

把 meta.json 的 401 条目录按编号规则数一遍，这本下册的骨架是这样的：10 章、91 个「章.节」级标题、292 个「章.节.条」级末级小节，另有 8 条前后置（版权信息、内容简介、本书赞誉、序 1、序 2、前言、作者简介、文后）。

730 屏分给 292 个末级小节，是 2.5 屏一个。这个数字决定了这本书的所有特征——因为 2.5 屏能放的东西是固定的：一个场景介绍（约半屏）、一句提示词（一行）、三条追问（每行一条）、一行输出形式，偶尔再加一张「如图 19-8 所示」的示意图。剩下没有空间放论证、放对比、放失败案例、放数据。

再往下拆一层，中间那层「节」几乎是空的：91 个「章.节」级标题除以 10 章，每章 9 节；292 个末级小节除以 91 节，每节 3.2 个末级。也就是说，三层目录里，中间那层不承担任何组织功能——它只是给下面三个末级小节套了一个名字，比如「10.1 假币收缴管理」下面就是 10.1.1 到 10.1.6，六个动作并列。这种结构在方案文本里很常见（一章=一类业务，一节=一个流程，一条=一个动作），在书里就意味着：你没法通过目录看出哪个重要，因为每一格的大小都是三个。

还有一个容易被忽略的细节：书末只有「文后」两个字。没有参考文献，没有术语表，没有索引。一本引了 GB/T 35274-2017、QJ 1879-1990 这类标准号的书，不给一份文献列表，读者没法顺着标准往下查；一本 292 个业务场景的书，不给术语表，跨部门借阅时会卡在名词上。这两样加起来大概十屏，一本书却拿不出来。

另外，这是下册。第 1–9 章在上册，讲什么、讲到什么深度，这本书一个字没交代。我抽的 12 屏里，没有一屏出现「详见上册第 X 章」这样的指向。对只买了下册的读者——尤其是被书名吸引、想直接看场景的人——等于拿到了一本没有前提的书。

二、同一个句式，换三个名词

这是全书最值得说的一件事，我把它当成一个可以复核的观察：我抽的 12 屏里有 3 屏是章节开头，这 3 屏的开篇段是同一个句式的三次填空。

p0400，第 15 章 15.1 家族信托跨境资产配置：「银行在开展家族信托跨境资产配置业务时，面临法律冲突加剧、监管穿透性不足等挑战，当前痛点集中在多法域规则适配滞后、合规穿透不足、外汇管理风险攀升等问题上。银行需重点构建『法律适配-合规穿透-外汇管控』三位一体的服务体系（如图 15-1 所示）。私人银行团队需强化多法域规则解析、跨境交易穿透核验、外汇动态监测三项核心能力。」

p0600，第 18 章 18.4 监管报告自动化：「银行在推进监管报告自动化的过程中，面临数据错报风险加剧、合规报送时效性不足等挑战，当前痛点集中在数据整合能力弱、规则适配效率低、校验机制缺失等问题上，需重点构建『数据治理-规则映射-智能校验』三位一体的报表体系。计划财务与风险管理团队需强化全量数据穿透整合、监管规则动态解析、报告质量智能校验三项核心能力（如图 18-7 所示）。」

p0650，第 19 章 19.1.4 区/县支行层面：「国有银行区/县支行层面的『开门红』工作面临服务触达不足、客群经营粗放等挑战，当前痛点集中在物理网点覆盖不足、客群画像维度单一、监管要求执行存在偏差等问题上，需重点构建『渠道延伸-客群精耕-监管适配』三位一体的管理体系。区/县支行运营团队需强化服务网络智能扩展、客群特征精准解析、监管指标动态管理三项核心能力（如图 19-8 所示）。」

三个完全不同的业务——私人银行的跨境信托、计财部的监管报送、县域支行的开门红——用的是同一个骨架：两个「面临……挑战」、三个「痛点集中在……问题上」、一个引号里三个词用连字符串起来的「三位一体」体系、三项「核心能力」、一张图。一个句子里出现了四个「三」。

这不是文风问题，是生产方式问题。这种句式可以用一个模板批量产出，只需要替换领域名词和那三个连字符词。写作上它有一个好处：整齐、可扫读、每节读起来都像个方案。坏处是致命的：当 292 个小节都用同一个开头，读者到第三十页就会跳读——不是因为他不想读，是因为他已经知道下一句说什么了。

而更要紧的是，这个句式掩盖了真正该回答的问题。「三位一体」的那三个词是怎么选出来的？为什么是「渠道延伸-客群精耕-监管适配」，不是「渠道-产品-考核」？换一组词，整节内容会不一样吗？书里没有一处解释过这个选择，它只是把三个词摆出来，然后当作结论往下走。

三、它做对的地方：场景是真的

批完句式，得说它真正值钱的部分——场景选择。

p0030 在第 10 章「运营管理」的 10.1.1 机具数据采集里，先给了两个真实的标准号：《信息安全技术 大数据服务安全能力要求》GB/T 35274-2017，和《设备管理系统数据采集卡及填写规范》QJ 1879-1990。然后三条追问：「如何验证图像识别准确率？」「残缺币冠字号码如何补录？」「多国货币编码规则如何兼容？」

这三条不是泛泛而谈。「冠字号码补录」是假币收缴里最麻烦的一环——纸币残缺、污损、粘贴，识别不出号码，而号码又是追索的关键；「多国货币编码」是涉外网点的日常，一本外币现钞的真伪与版别，编码规则各不相同。只有真做过这活的人，才会把追问写在这两个点上，而不是写「如何提高效率」这种空话。

同样是这一章，目录里排着的场景是：现金配送管理（需求预测、突发事件预案）、ATM 运营（故障预警、钞箱容量动态调整、夜间交易风险控制）、跨境支付清算（交易背景真实性核查、制裁名单筛查、申报要素完整性校验）、票据交换（影像采集、日切时点管控）、业务连续性（RTO/RPO 达标验证、演练复盘）。

这一串名字有一个共同点：它们都是「运营管理」的骨，不是「AI 应用」的皮。「日切时点管控」这种词，是从系统里长出来的，不是从产品介绍里抄来的。对读者，这一章的最大价值不是那些提示词，而是这张清单——你可以拿它去问自己行的运营部：「这些事你们现在怎么做？谁在做？有没有数据？」问完，AI 能插进去的地方自然就浮出来了。

序 2 把定位说得很清楚，作者是「百人金融专家团秘书长、中国地方金融研究会副秘书长」，序里写这本书「针对地方银行资源有限的特点，给出适配性强的解决方案」，「以『可落地、马上用』为核心」。这个定位是诚实的：它没打算教地方银行自建大模型，它教的是怎么用现成工具把手上的活干快一点。按这个定位衡量，第三部分那批场景是达标的。

再看第 14 章不良资产的目录，这种「真」会更明显：司法拍卖数据清洗标准、商业与住宅物业的差异参数、EBITDA 调整规则、阶梯式股权回转机制、表决权委托、清偿顺序确认、网络拍卖流程改造、虚假租赁合同识别、「瑕疵资产+保险」、双人交叉验证流程、土地增值税清算策略、资金转移定价。这一串里，有一半根本不是「AI 能力」，是制度与流程本身——清偿顺序、双人复核、税收政策匹配，这些事在 AI 出现之前就该这么做，做不好也是流程问题而不是模型问题。

这恰好暴露了这本书的真实体裁：它是一份披着 AI 外衣的业务流程梳理。好处是，读者能借它把自家流程过一遍，这个价值是独立于 AI 的；坏处是，很多地方读完你会觉得「这跟 DeepSeek 没什么关系」——因为确实没什么关系，DeepSeek 只是那个把清单写出来的工具。

四、提示词全是一个模板：「应设置哪些」

再看它给的提示词长什么样。

p0180，第 12 章 12.3 授信审批绿色通道：「角色+任务：我是银行分行行长，需管理授信审批绿色通道流程，应设置哪些监管防火墙？」

p0680，第 19 章科创企业估值：「角色+任务：我是城商行总行科创金融岗人员，需构建科创企业估值体系，应设置哪些预警阈值？」

两页、两个完全不同的业务、同一个句型：「我是××，需××，应设置哪些××？」书里把它叫作「角色+任务」，这个叫法本身没错，但落点是「应设置哪些」——这是一个征求意见的问法，不是一个执行任务的问法。

差别在结果上。前者产出的是清单和框架：「你应该设置五道防火墙，第一道是准入、第二道是额度……」；后者产出的是判定和依据：「这笔业务，按第三条，建议不予准入，理由是……」银行真正需要的是后者，因为只有后者能进流程、能被审计、能追责。前者是顾问的意见，后者才是系统的一部分。我抽的 12 屏里，提示词全部是前者。

「监管防火墙」这个词更值得单独说一句。防火墙是三层垒起来的：制度（谁批、批到哪一级）、系统（硬控、拦截、留痕）、人（复核、抽查、问责）。它不可能靠一次对话问出来，也不该被写成一个提示词的目标。把治理问题降级成文本问题，是这类书最典型的一种乐观——我理解这种乐观的来处（先把事做起来），但它需要在书里被明确标出来，而不是被当成方法论。

五、「输出形式」这一步，在银行里跑不通

每节的第 (4) 步叫「输出形式」，这是全书方法论最露怯的地方。

p0030 原文：「(4)输出形式：Excel 文件（多国货币编码规则对照表），用 HTML 格式输出，需要内嵌可直接下载 Excel 文件的按钮代码，实现一键下载 Excel 文件。分析报告（机具接入标准手册，Word 文件），用 HTML 格式输出，需要内嵌可直接下载 Word 文件的按钮代码，实现一键下载 Word 文件。」

也就是说：让 DeepSeek 生成一段 HTML，里面把表格数据编码进去，再带一个 JS 按钮，点一下就下载成 Excel。技术上这确实办得到（把数据转成 base64、挂一个 data URI 就行），但它有三个问题，一个比一个硬。

第一个是工程问题：模型要在一次输出里同时完成「内容 + 编码 + 前端」，表格稍大就会截断，编码一出错整个文件打不开。这不是提示词能救的，是输出长度和格式稳定性的物理限制。

第二个是环境问题：银行内网终端普遍禁用脚本下载、禁用未签名控件、禁用外部链接。一个 HTML 页面里的下载按钮，在行内终端上大概率连点击事件都过不去。书里没有一句话讨论这个前提。

第三个，也是最要紧的，是审计问题。监管报送要求口径可追溯、版本可回滚、操作留痕。对话里「一键下载」出来的 Excel，没有版本号、没有校验、没有谁在什么时候用什么输入生成它的记录——这个东西做出来的报表，进不了报送流程。它能当草稿，不能当交付。

所以这一节真正的分界线应该是：「整理一份对照表」这种轻场景，对话直出完全够用；「报送、审批、披露」这种重场景，对话只能出草稿，落库必须走系统。书里 292 个小节，没有一节画这条线，而这条线决定了读者做出来的东西能不能用。

p0680 还有个更小的例子：输出形式写「估值参数矩阵（Excel 文件）、技术成熟度曲线（Visio 文件）」。Visio 文件是不可能由对话直接产出的，模型给的是「这条曲线长什么样」的描述，图还得你自己在 Visio 里画。这类表述在书里出现了不止一次，读者照着做，会在这一步卡住。

六、篇幅账：开门红 116 屏，监管合规 47 屏

把十章按屏数排一遍，优先级就裸露出来了。第 10 章运营管理 59 屏 8.1%；第 11 章网点服务 61 屏 8.4%；第 12 章分支机构经营管理 91 屏 12.5%；第 13 章资产管理 83 屏 11.4%；第 14 章不良资产管理 82 屏 11.2%；第 15 章财富管理 88 屏 12.1%；第 16 章人力资源 49 屏 6.7%；第 17 章党政工团 34 屏 4.7%；第 18 章监管合规 47 屏 6.4%；第 19 章「开门红」116 屏 15.9%；前置 20 屏 2.7%。

最厚的一章是「开门红」，116 屏，占 15.9%。它是第 18 章「监管合规」（47 屏）的 2.47 倍，是第 17 章「党政工团」（34 屏）的 3.4 倍。一本给银行从业者的 AI 书，把最多的篇幅给了营销战役，把最少的篇幅给了内部管理，把讲「不能做什么」的那一章压到 6.4%。

我不认为这是作者偏科。开门红好写：有明确的时间窗（一季度）、明确的指标（存款、贷款、中收）、明确的层级（总行—分行—支行），每个层级都能列出七八件可做的事，天然适合模板化展开。监管合规章难写：它要给出边界，而边界往往意味着「这一步 AI 不能替你做」，写出来不好看，也不好卖。

第 19 章的内部结构更说明问题：五类银行（国有、股份制、城商、农合、村镇）× 三个层级（总行、分行、支行/服务点）。五套几乎相同的三段式，116 屏里重复度很高。这更像是把「给不同客户做的方案」直接搬进书里，而不是从 292 个场景里提炼出的方法。对读者，它的用法很功利：找到自己那一格，抄那一格的清单。这不是坏事，但它和「实战手册」的期待有落差——手册该给方法，方案才给清单。

七、它的短板

第一，没有一条验收判据。每节都写「输出形式」，没有一节写「什么样的输出算合格」：准确率多少、口径怎么校验、谁签字、错了怎么回滚。730 屏教你怎么问，不教你怎么验收。而对银行，「怎么验收」比「怎么问」重要一个量级——问错了顶多返工，验收错了是要报出去的。

第二，版本与部署被完全跳过。全书围绕对话界面展开（「再次输出」「如图 10-2 所示」），没有一节讲模型版本差异、上下文长度限制、私有化部署、数据出域的合规要求。而这三件事恰恰决定了银行能不能用：数据不出域是硬约束，出域就得走审批，走了审批很多场景直接不可行。这本书把「能不能用」当成了默认成立。

第三，员工画像缺一条边界。第 17 章把「家风建设」列进评价维度，追问里出现「是否因家庭矛盾影响工作（如涉诉纠纷、负面舆情）？」「是否践行了『清廉家风』（如家属参与行内廉洁教育活动）？」「群众民主测评满意度（如党员互评、员工匿名评分）？」。把家庭关系、家属行为纳入一个人的职业评价，涉及个人信息处理的合法性基础与最小必要原则——这是《个人信息保护法》里的硬问题，不是文风问题。书里给了方法，没有一个字讲这条线在哪。这是全书最该有一段边界说明的地方，而它没有。

第四，下册没有前提。见第一节：第 1–9 章讲什么，全书没有交代，也没有一处向前引用。读者如果只买下册，会在「为什么这么设计」上永远缺一块。

第五，口碑是中等偏好，说清楚样本。p0730 末页：微信读书推荐值 77.4%，20 人点评，已读完 5 分钟，在读 569 人。77.4% 不低，20 个点评样本不大但也不至于无效——它至少说明这本书有人真的读完并且给了正评。这和那种「0%、1 人点评」的书不是一回事，得分开看。

八、这本书该怎么用

当业务清单用，这是它最值钱的用法。把第 10–14 章的节标题抄下来（运营、网点、分支行经营、资产、不良资产），做成一张自查表，逐条问：这件事我们行现在谁在做？用什么系统？有没有数据？卡在哪？问完一遍，你会得到一张比自己拍脑袋写的需求清单靠谱得多的东西。这张清单不需要 AI 也能用，而这正是它的价值——它先是一张业务清单，其次才是一本 AI 书。

当提示词的起点，不当答案。书里那句「我是××，需××，应设置哪些××」适合当开场，但要真正落地，得补三样东西：一是把你行的制度文本贴进去（不给制度，模型只能给通用建议）；二是给它判据（什么算通过、什么算红线）；三是给它两三个历史样例（让它对齐你们的表达习惯）。这三样补上，那句话才从「征求意见」变成「执行任务」。

别指望它教你怎么接系统。全书的「输出形式」都停在「给一份 Excel 或 Word」。从「一份 Excel」到「一个能进流程的系统」，中间还有取数、校验、留痕、权限四道关，这本书一道都没讲。这不是它的定位，但也别误会它的定位。

第 18 章要读两遍。47 屏，全书唯一在讲「不能做什么」的部分：合同条款风险识别、监管政策动态匹配、反洗钱规则实时校验、敏感数据分级分类脱敏、1104 报表校验、算法公平性校验。它是全书最薄的一章，也是最该厚的一章——尤其当你准备把前面 200 多个场景里的任何一个真的接上生产。

一句话收尾：这本书的读者不是「想学 AI 的人」，是「手里攥着一堆流程、想找个地方下手的人」；对前者它太浅，对后者，那 292 条清单值这个钱。