立项原因：金融行业信息密度高、专业门槛深，传统搜索无法理解"五粮液营收同比增速"这类结构化查询，通用 AI 助手又缺乏金融工具链（量化分析、风控合规、知识图谱推理）。本项目旨在构建一个具备专业工具调用能力的金融智能体平台，让分析师通过自然语言即可完成从数据检索、量化计算到合规审查的全链路分析。
行业场景：证券研究、投行尽调、基金风控、上市公司财报分析。金融机构每天处理海量公告/研报/财报，分析师需跨系统查数据、建模型、写报告，耗时且易出错。本平台将 RAG 检索增强、Agent 工具调用、知识图谱推理整合为统一对话入口，覆盖从信息获取到决策建议的完整金融分析场景。
核心功能模块：
智能对话 Agent：ReAct 推理 + 反思循环，支持 4 种专业角色（研究员/量化分析师/合规官/综合诊断），Skill 技能编排，21+ 金融 MCP 工具动态路由调用
RAG 检索增强：PDF/表格/图片多模态解析，语义智能切片，向量+BM25 混合检索，HyDE 改写，GraphRAG 多跳推理，分离精排，答案溯源引用
四层分层记忆：L1 原始对话 → L2 摘要 → L3 语义检索 → L4 用户画像，跨会话持续上下文
微服务架构：主服务 + RAG 服务 + LLM Gateway + 评估服务，Docker Compose 编排 12 个服务，服务降级开关一键切换
稳定性保障：熔断器、LLM 语义缓存、限流、API Key 加密存储、审计日志、数据脱敏
可观测性：Prometheus 指标采集 + Grafana 监控大盘，325 个自动化测试 + CI/CD 4 流程全绿
RAG+Agent 测评：100 条金融 query 黄金测试集，CFLUE/FinQA/FinEval/ConvFinQA 四大金融评测数据集
我负责的任务：整体架构设计、微服务拆分、RAG 管道实现（混合检索/GraphRAG/分离精排）、Agent 工具路由（统一注册表+向量检索+别名解析）、Skill 技能编排、四层记忆系统、熔断器与限流保护、API Key 加密与审计日志、Prometheus+Grafana 监控集成、325 个自动化测试与 CI/CD 流水线搭建。
技术栈与亮点：Next.js 14 + TypeScript + Fastify 微服务 + PostgreSQL(pgvector HNSW) + Neo4j + Redis + Docker Compose。架构亮点：薄封装策略零重写拆分微服务、USE_MICROSERVICE 降级开关一键回退单体、ServiceAdapter 统一路由、ToolVectorRetriever 向量化工具检索、分离精排（文档 top5 + 图谱 top3 独立召回再融合）。难点：跨服务 traceId 分布式追踪、pgvector HNSW 索引降级到顺序扫描、评估任务 OOM 隔离、api_keys.yaml 明文到 AES-256-GCM 加密迁移。
评论