7月13日，奇富科技正式开源面向业务场景的自动建模Agent——ModelEvo。这一工具既是为了将分散的专家经验沉淀为标准化、可复用的建模能力，提升内部研发效率，同时也希望将经过真实业务验证的方法论开放给行业，参与到AI建模基础设施的共建中。

用户只需从业务目标出发，ModelEvo 即可通过 Agent 编排标准化建模 Skills，协助完成需求澄清、数据检查、存量模型评估、样本构建、特征分析、模型训练、自动调优、效果评估和报告生成。首个版本支持分类预测与 Uplift 增益建模两类典型任务。

真实业务建模并非单纯的算法优化。如何将业务目标转化为建模任务，如何定义标签、切分样本窗口、识别特征泄漏、评估存量模型，都直接影响模型效果和业务价值。

过去，这些流程往往分散在个人 Notebook和临时脚本中，容易造成重复开发和标准不一。ModelEvo 希望将分散的专家经验转化为标准化、可执行、可追踪的建模能力。

在用户澄清需求后，ModelEvo 会优先从模型知识库中检索目标、客群或特征体系相近的历史模型，并依据 AUC、KS、分桶排序性和业务适用范围，判断模型能否直接复用、继续优化或需要重新建设。

ModelEvo 自动化的是标准化、重复性工作，放大的是专业人员的经验价值。业务人员可以参与问题定义和结果解读，数据分析人员可以完成数据探索和基线验证，算法工程师则可将常规训练、数据检查和报告生成交给 Agent，把更多精力投入复杂场景和技术创新。

相比主要聚焦算法选择和参数搜索的传统 AutoML，ModelEvo 更关注业务问题理解、存量模型复用和完整流程标准化，并根据评估反馈开展多轮迭代优化，逐步探索特征和模型的自进化能力。

奇富科技增长算法负责人王耀宣表示：“大模型正在快速降低代码开发和算法工具的使用门槛，但要在真实业务场景中建出有效的模型，仍然离不开对业务问题的深刻洞察、专业的建模判断和驾驭大模型的能力。打造ModelEvo，正是希望将这三类能力及其背后的专家经验，沉淀为一套经过真实场景验证、可复用、可追溯并能够持续进化的建模方法体系。”