当前位置：首页 > news >正文

AI赋能金融研报自动化生成：智能体系统架构与实现

news 2025/9/14 8:03:45

项目概述

这是一个基于人工智能技术构建的智能体系统，专注于自动化生成高质量的金融研究报告。该项目通过多智能体协作、RAG检索增强和数据可视化等技术，实现了从用户需求解析到研报内容生成、美化、聚合的全流程自动化。

效果图：
在这里插入图片描述

系统架构设计

项目采用了模块化、分层设计的系统架构，整体流程如下图所示：
在这里插入图片描述

核心组件

用户交互层
- 基于Dify平台构建的Web交互界面
- 支持用户输入研报需求，如"请撰写一篇宁德时代(300750)的研报"
- 提供研报下载功能
任务解析与调度层
- 意图识别：理解用户需求
- 任务拆分：将复杂任务分解为可独立执行的子任务
- 任务调度：协调各子任务的执行顺序和资源分配
智能体执行层
- 子任务执行Agent：负责具体数据查询和分析
- 内容润色Agent：美化分析结果，添加图表和可视化
数据服务层
- 集成多种金融数据API（Akshare、东方财富等）
- 向量数据库支持知识检索
- 数据处理和转换工具
报告生成层
- 研报内容聚合
- 模板填充
- HTML/Markdown/PDF格式转换

核心功能模块详解

1. FastAPI服务接口

项目通过FastAPI框架提供了完整的REST API接口，作为系统的核心入口：

# 创建FastAPI应用
app = FastAPI(title="金融研报自动化服务", version="1.0.0")# 研报生成接口
def _gen_report(req: ExecSubTaskRequest):# 解析序号seq_no = req.sub_task_work_dir.split('-')[-1]# 处理模板数据temp_ret = handleTemplate.handle(req,seq_no)# 执行子任务sub_task_results = exec_sub_task(req)# 聚合研报agg_req = AggFinReportRequest(stock_code=req.stock_code, stock_name=req.stock_name, seq_no=seq_no)agg_result = agg_fin_report(agg_req)

系统提供了以下关键接口：

/fin/search - 金融数据查询接口
/fin/exec_sub_task - 执行子任务接口
/fin/agg_fin_report - 研报内容聚合接口
/fin/gen_report - 研报生成主接口
/fin/download_report - 研报下载接口

2. 子任务执行智能体

子任务执行智能体是系统的核心处理单元，负责根据具体任务描述获取和分析金融数据：

# 创建子任务执行智能体
def ext_sub_task_agent(query_text: str) -> str:# 执行智能体try:response = agent_executor.invoke(input={"query_text": query_text},config={"recursion_limit": 30})return response["output"]except Exception as e:print(f"子任务执行异常：{e}")return f"子任务执行异常：{str(e)}"

该智能体配备了多种工具：

search_interface：搜索合适的数据接口
execute_code：执行Python代码获取数据
knowledge_base_search：检索知识库
knowledge_base_insert：将获取的数据存入知识库

3. 内容润色智能体

润色智能体负责将原始数据转换为结构化、可视化的研报内容：

def exec_beautify(stock_code: str,original_tile:str,original_text: str,sub_task_dir: str) -> str:# 执行润色Agentresponse = agent_executor.invoke(input={"original_tile": original_tile,"original_text": original_text,"sub_task_dir":sub_task_dir},config={"recursion_limit": 30})return response["output"]

润色智能体的工具集包括：

save_to_file：保存内容到文件
gen_line_chart：生成折线图
gen_pie_chart：生成饼图
gen_bar_chart：生成柱状图
gen_plot_relative_chart：生成双序列对比图

4. 研报汇总模块

该模块负责将各个子任务生成的内容聚合为完整的研报：

def agg(self, stock_code:str,stock_name:str,seq_no:str, report_root_dir:str = './report_files') -> Dict:# 读取所有Markdown文件，合并在一起report_content: str = self._get_report_files(stock_code,report_root_dir)# 调用大模型，聚合研报内容aiMessage = self.chain.invoke(input={"company_information": report_content})# 使用html模板文件，替换参数，生成新的html文件ret = self._save_to_html(stock_code=stock_code, stock_name=stock_name, seq_no=seq_no,data_dict=data_dict)# 提炼投资要点aiMessage = self.chain.invoke(input={"report_content": aiMessage.content})

5. 数据可视化模块

系统提供了丰富的数据可视化功能，支持生成各类图表：

def gen_line_chart(params: Dict[str, Any]) -> str:# 从参数字典中提取值data = params.get("data", [])title = params.get("title")# 绘图plt.figure(figsize=(6, 4))x_vals, y_vals = zip(*data) if data else ([], [])plt.plot(x_vals, y_vals, marker='o')plt.title(title)# 保存plt.savefig(abs_path)plt.close()return abs_path

该模块自动处理中文字体显示问题，确保在不同操作系统环境下图表都能正确显示中文。

6. 模板处理模块

负责处理研报模板，填充数据并生成最终报告：

def _handle_base_data(self, req : ExecSubTaskRequest,seq_no:str) -> Dict:# 收集基础数据sub_task_exec_result = sub_task_agent.ext_sub_task_agent(query_text=query_text)# 转换成json对象sub_task_exec_result = json.loads(sub_task_exec_result)# 填充到模板ret = self.filled_template_file(data_dict=sub_task_exec_result,stock_name=req.stock_name,stock_code=req.stock_code,seq_no=seq_no,file_name="report_template.html",file_dir="template")

数据查询与处理

项目集成了Akshare等金融数据API，提供丰富的数据查询能力：

def gen_stock_chg_dc(self, stock_code: str, start_date: str, end_date: str) -> Dict:# 获取历史行情数据stock_zh_a_hist_df = ak.stock_zh_a_hist(symbol=stock_code, period="daily", start_date=start_date, end_date=end_date, adjust="qfq")# 计算涨跌幅stock_zh_a_hist_df['涨跌幅'] = (stock_zh_a_hist_df['收盘'] - start_close) / start_close * 100return {"date": dates,"chg": stock_zh_a_hist_df['涨跌幅'].tolist()}

工作流程详解

用户请求处理
- 用户通过Dify平台发起研报生成请求
- 系统识别公司名称和股票代码
- 将请求转发至后端FastAPI服务
任务拆分与执行
- LLM模型将用户需求拆分为多个子任务
- 系统为每个子任务创建工作目录
- 依次调用子任务执行Agent处理每个子任务
- 子任务执行Agent通过搜索接口、执行代码等方式获取数据
- 将获取的数据存储到向量数据库中
内容润色与可视化
- 内容润色Agent接收原始数据
- 对数据进行结构化处理
- 根据数据类型选择合适的图表类型进行可视化
- 将处理后的内容保存为Markdown文件
研报聚合与生成
- 研报汇总模块读取所有子任务生成的Markdown文件
- 调用大模型将内容聚合为完整的研报
- 提取投资要点和评级信息
- 将内容填充到HTML模板，生成最终研报
用户反馈
- 系统返回研报下载链接
- 用户可下载生成的研报（支持HTML、PDF等格式）

技术栈与工具

类别	技术/工具	用途	来源
后端框架	FastAPI	提供REST API接口	fin_api.py
LLM模型	DeepSeek、阿里云模型	任务拆分、内容生成与聚合	llm_model.py
智能体框架	LangChain	构建智能体系统	sub_task_agent.py
金融数据源	Akshare	获取金融市场数据	query_data.py
向量数据库	Milvus	知识存储与检索	milvus_tool.py
数据可视化	Matplotlib	生成各类图表	chart_tool.py
前端平台	Dify	用户交互界面	金融报告自动化生成.yml

系统评估与优化

项目采用了"大模型即评委"的评估模式，对生成的研报进行多维度评估：

评估指标	智能体生成研报	财经网站下载研报
内容准确性与数据可靠性	8.5	9.2
逻辑结构与论证深度	7.0	8.5
金融专业知识应用	8.0	8.0
清晰度与可读性	9.0	9.5
风险提示与客观性	8.5	9.0
总分	8.2	8.8