前言

歷經(jīng)27天，我們小組所做的金融問答系統(tǒng)項目已經(jīng)告一段落，目前該項目在天池大賽排行榜暫列56名，雖然排名還比較靠后(還有很多地方可以優(yōu)化)，但是整個項目的實戰(zhàn)鍛煉還是收獲不少。

因此，我計劃將 從零構(gòu)建問答系統(tǒng) 的這一過程總結(jié)分享出來，既是對過去的成果總結(jié)，也是拋磚引玉，為其他AI從業(yè)人員及愛好者提供參考。

文章目錄

整個項目實戰(zhàn)過程中，我們還是運用了非常多的新老技術(shù)以及軟件工程理念，例如：

• AI相關(guān)：??Agent?? 、??RAG?? 、??Prompt??......
• 傳統(tǒng)開發(fā)：??Docker??、??ElasticSearch?? 、??Vue.js?? ......
• 軟件工程理念:??TDD測試驅(qū)動開發(fā)?? 、??代碼重構(gòu)??、??Python代碼規(guī)范??.....

可以總結(jié)分享的內(nèi)容很多，所以我計劃將整個內(nèi)容分為以下幾部分分別介紹：

• 第一章：基于Agent的金融問答系統(tǒng)：項目簡介
• 第二章：基于Agent的金融問答系統(tǒng)：RAG檢索模塊初建成
• 第三章：基于Agent的金融問答系統(tǒng)：Agent框架的構(gòu)建
• 第四章：基于Agent的金融問答系統(tǒng)：前后端流程打通
• 第五章：基于Agent的金融問答系統(tǒng)：代碼重構(gòu)
• 第六章：基于Agent的金融問答系統(tǒng)：RAG的檢索增強之ElasticSearch
• 第七章：基于Agent的金融問答系統(tǒng)：RAG的檢索增強之上下文重排和壓縮

項目目標(biāo)

需求痛點

在金融行業(yè)的投資研究領(lǐng)域，AI正在逐步推廣應(yīng)用。相比傳統(tǒng)的投資研究，通過人工智能技術(shù)，可幫助客戶大大提高投資研究效率。

傳統(tǒng)投資研究的問題：

• 流程較長，依賴于專業(yè)研究人員
• 可處理的數(shù)據(jù)范圍小，一般只能處理結(jié)構(gòu)化的金融數(shù)據(jù)庫數(shù)據(jù)

智能投資研究的優(yōu)勢：

• 無需專業(yè)投資研究人員，客戶直接使用應(yīng)用AI技術(shù)的金融工具即可
• 使用無門檻，輸入自然語言給到金融工具，由AI進(jìn)行智能分析、獲取、處理以及結(jié)果輸出
• 除了支持結(jié)構(gòu)化的金融數(shù)據(jù)庫之外，還可以支持非結(jié)構(gòu)化的數(shù)據(jù)(如招股書、爬蟲數(shù)據(jù)等等)

備注：以上信息來自于(《金融服務(wù)行業(yè)深度報告：智能投研調(diào)研報告人工智能在投研的應(yīng)用》)。

基于以上的痛點需求，我們計劃開發(fā)一個金融問答系統(tǒng)，使得用戶可以通過工具輸入自然語言，直接由AI進(jìn)行用戶問題的分析、信息查詢、結(jié)果輸出。

天池大賽

天池大賽剛好有與上述需求痛點和場景非常契合的賽事

• 賽事地址：基于LLM智能問答系統(tǒng)學(xué)習(xí)賽
• 賽事內(nèi)容：

項目成效

啟動后端服務(wù)演示

提問信息查詢類問題的演示

Agent搜索到答案的演示

提問SQL查詢類問題的演示

Agent進(jìn)行SQL查詢的演示

其他信息

代碼已提交至Gitee，歡迎大家Star和Fork。

• ? Gitee倉庫：https://gitee.com/deadwalk/smart-finance-bot
• ? Github倉庫：https://github.com/domonic18/smart-finance-bot

?

本文轉(zhuǎn)載自公眾號一起AI技術(shù) 作者：Dongming

原文鏈接：??https://mp.weixin.qq.com/s/7d3PD-5q_K3rVTmr472YoQ??