金融

1、设计难点极度发散、非结构化、高度个性化的用户投资诉求（风险承受/投资风格/行业偏好/流动性/盯盘精力……等方面），如何用一套产品化范式和链路统一支持？2、功能与亮点：分用户层、模型层、程序层三层设计1）用户表达层：用户输入——用户将个性化投诉诉求以自然语言输入+人机协同（用户查看并干预解析结果，

我能交付的具体服务：【AI工作流搭建】把ClaudeCode/OpenClaw装进日常工作流：环境配置、模型接入、记忆系统（跨会话记住项目与偏好）、定时自动化任务、信息监控管道。交付即可用的配置+你自己能看懂的维护文档。【信息搜集与核实】中英文多源信息自动抓取、清洗、去重、摘要，生成日报/周报。特色

AI研究辅助工具：选好"研究对象+关注点"，自动生成赛道/行业/企业研究内容（含产业链图、结构树、成分股），并可生成财报点评。摸清赛道/行业/企业全貌；补财报点评；查某对象已研究到什么程度

功能模块1.实时数据采集模块：基于屏幕视觉识别（OCR+图像处理），在不依赖任何外部接口的前提下获取行情与指标数据2.指标解析模块：自动标定坐标轴刻度、识别指标窗口与自定义阈值线，内置抗误读校验（去重、迭代拟合、量程校验）3.风控规则引擎：多条件组合判定+状态机，支持交易时段、持仓跟踪、单日限额、多

本系统采用微服务架构，围绕"任务调度—分布式执行—数据分析"的完整链路提供一站式能力：-统一管理后台（admin-web）：用户注册登录、权限控制、任务创建与管理、运行监控与数据可视化看板，覆盖运营人员的全部日常操作。-任务调度服务（task-service）：负责任务的创建、排队、定时调度与失败重

系统按一条完整链路设计：用户提出需求-任务拆解-多源检索-结构化生成-质量评估-人工精修。共六个核心模块：一、Coordinator任务拆解引擎接收「撰写某行业报告」这类自然语言需求，自动拆解为6-8个子任务（宏观环境-市场规模-竞争格局-财务对比-风险提示），并构建任务依赖图（DAG），无依赖的节

量化策略生成回测平台，1.历史数据回测引擎支持多周期（日/周/分钟级）历史行情数据导入基于用户自定义逻辑，对历史数据进行全量遍历计算输出净值曲线、年化收益、最大回撤、夏普比率等绩效指标2.因子计算与策略优化提供均线、波动率、动量等常用算法因子示例支持策略参数遍历与敏感性分析可视化展示参数变化对回测结

1.核心交易引擎2.风控系统3.网页面板核心功能包括：每秒级客户端实时行情采集、M15周期滚动计算GSR均值/标准差并输出Z-Score交易信号、跨品种黄金白银固定比例或ATR动态比例对冲下单、三模式（IOC/FOK/RETURN）智能fallback订单执行、多层级网格加仓（默认最多2层）、组合盈

项目共10个功能模块：1.客户档案：姓名、联系方式、等级（ABCD）、来源、地域、标签、喜好、成交方向，支持模糊搜索与多维筛选；2.跟进日志：记录活动方式（见面/电话/微信/其他）、活动项目、日期、地点与内容，客户详情页按时间线展示；3.保单管理：一位客户可挂多份保单，涵盖保单号、保额、保费、缴费年

1、大盘内生性15日内调整可以识别到80%，识判率在40%，平均识别后大盘15内下跌-7%。准确识别到202412月底、202603月底、202510月底、202603月初、202607月初，进行报警提醒。2、大约能排除30-40%弱势交易日。3、可以预测次日结果，并且有主副警告提示。4、有复盘功能

1.负责数据泵系统从0到1技术架构搭建，部署，维护，支持各个数据库数据源的动态配置，支持动态配置定时任务执行2.企业微信机器人消息发送接口对接，并给企业微信群推送相关异常门店信3.从原有供应桑海鼎数据库抽取数据，对数据进行筛选清洗，搭建从0到1门店系统对门店货架产品库存和ABC货架类型进行分类处理4

自然语言研究入口、研究会话、多周期状态、K线与指标图表、因子画像、技术研究评分、状态事件与历史证据、Agent对话追问、研究过程追踪，以及T+1口径的历史回测。用户输入股票名称、代码或问题后，Agent解析标的、拉取真实行情，计算日线/周线/月线技术状态，并在图上用Regime背景和Event转换标

本项目是面向ETF基金经理的组合管理平台（前后端分离），围绕“指数文件接入→成分券监控→再平衡计算→多市场导出”全流程建设，主要功能模块：1、首页工作台：交易日历、市场行情图表、产品概览；2、基金监控与告警：成分券阈值监控、阈值设置、风险等级管理、告警消息提醒与编辑日志审计；3、季度再平衡：依据指数

系统主要包含投资Agent对话、市场分析、主题分析、个股分析、知识检索、证据聚合、决策生成、风险判断、决策快照、结果回放及审计等模块。Agent可根据用户问题自动规划分析步骤，调用行情、因子、内容知识和确定性分析工具，将结构化数据与非结构化知识组合生成投资判断。正式决策采用readinessgate

项目围绕“商户（租户）—门店—成员”三级组织，具体功能模块包括：1、组织权限模块：平台运营控制台（商户/门店/成员统一管理、代开通、启停用），店长端（本店成员管理、客户档案维护），店员端（收银开单），三角色权限严格隔离；2、收银开单模块：商品快速开单、多支付方式组合收款（现金/银行转账/储值卡，枚举

①数据中枢：行情与资金流自动采集入库，增量同步+断档自检，全量刷新实测1-2分钟、单只增量2.8秒，无人值守稳定跑批；②波段识别引擎：双引擎设计——确认型引擎逐日回溯（可审信号演化漂移），加速确认引擎输出"谷底→拉升→加速"三级买点，联动胜率达行业上游水平；③多因子评分体系：主力成本锚（现价vs近6

面向多家银行的移动端营销活动页：通用页面骨架、切图配置、请求封装、跳转与字体适配；支持配置化渲染与Mock联调；通过开发规范沉淀公共组件与请求层，实现「复制起项+快速上线」。

1.AI会话调用LLM大模型（ollama自建模型，外部api等均可），实现智能问答。2.RAG内部投研资料向量化，存入向量数据库（pgvector，Milvus均可），实现检索增强。3.文档识别OCR，向量化存储各种结构化，或者非结构化文件（jpg图片，markdown，doc等）通过OCR识别，

项目包含字段标准化、时间排序、重复值清理、缺失值与异常值检查、复权因子校验、数据质量报告和CSV/Parquet输出。系统会记录处理前后的行数、字段状态和异常明细，使每次数据更新都可追溯、可复验。

系统包含任务调度、数据拉取、字段校验、报表生成、运行日志、失败重试和告警通知。每天按计划自动执行，成功时输出Excel/CSV和摘要，失败或数据异常时通过邮件或企业微信机器人通知，并保留错误信息供排查。