本项目旨在解决传统金融研报编制效率低下、成本偏高、数据碎片化的痛点,基于大语言模型搭建智能研报生成平台,赋能投研数字化提效。
点击空白处退出提示
本项目旨在解决传统金融研报编制效率低下、成本偏高、数据碎片化的痛点,基于大语言模型搭建智能研报生成平台,赋能投研数字化提效。
平台支持内外部多源数据导入,丰富知识库来源;具备完整研报引用溯源能力,提升报告可信度;支持模型本地部署,满足金融业务数据安全与合规要求,有效缩短研报产出周期,提升数据整合与投研分析效率。
基于企业级RAG架构搭建系统,采用Qdrant向量库支撑混合检索与重排序,依托BGE模型优化中文金融文本编码与语义理解。通过LangGraph Agent框架,统一编排数据获取、财务建模、人机交互、研报组装等全流程业务逻辑,实现流程自动化、智能化运转。底层采用Qwen大模型生成高质量中文研报,结合vLLM显著提升推理速度;基于Scrapy搭建自动化金融数据采集清洗流水线。接入Langfuse实现系统全链路可观测,依托LLM Guard构建输入输出双重安全防护,抵御提示词注入、信息泄露等风险。系统支持全链路本地化部署,完全适配金融合规与安全标准。



评论