前言

歷經27天，我們小組所做的金融問答系統項目已經告一段落，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化)，但是整個項目的實戰鍛煉還是收獲不少。

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

文章目錄

整個項目實戰過程中，我們還是運用了非常多的新老技術以及軟件工程理念，例如：

• AI相關：??Agent?? 、??RAG?? 、??Prompt??......
• 傳統開發：??Docker??、??ElasticSearch?? 、??Vue.js?? ......
• 軟件工程理念:??TDD測試驅動開發?? 、??代碼重構??、??Python代碼規范??.....

可以總結分享的內容很多，所以我計劃將整個內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：項目簡介
• 第二章：基于Agent的金融問答系統：RAG檢索模塊初建成
• 第三章：基于Agent的金融問答系統：Agent框架的構建
• 第四章：基于Agent的金融問答系統：前后端流程打通
• 第五章：基于Agent的金融問答系統：代碼重構
• 第六章：基于Agent的金融問答系統：RAG的檢索增強之ElasticSearch
• 第七章：基于Agent的金融問答系統：RAG的檢索增強之上下文重排和壓縮

項目目標

需求痛點

在金融行業的投資研究領域，AI正在逐步推廣應用。相比傳統的投資研究，通過人工智能技術，可幫助客戶大大提高投資研究效率。

傳統投資研究的問題：

• 流程較長，依賴于專業研究人員
• 可處理的數據范圍小，一般只能處理結構化的金融數據庫數據

智能投資研究的優勢：

• 無需專業投資研究人員，客戶直接使用應用AI技術的金融工具即可
• 使用無門檻，輸入自然語言給到金融工具，由AI進行智能分析、獲取、處理以及結果輸出
• 除了支持結構化的金融數據庫之外，還可以支持非結構化的數據(如招股書、爬蟲數據等等)

備注：以上信息來自于(《金融服務行業深度報告：智能投研調研報告人工智能在投研的應用》)。

基于以上的痛點需求，我們計劃開發一個金融問答系統，使得用戶可以通過工具輸入自然語言，直接由AI進行用戶問題的分析、信息查詢、結果輸出。

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智能問答系統學習賽
• 賽事內容：

項目成效

啟動后端服務演示

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

?

本文轉載自公眾號一起AI技術 作者：Dongming

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