🌟 LLMs-in-Finance

探索如何利用 AI Agents、RAG 和多模态 LLMs 将 GenAI 应用于现实世界的金融工作流中

欢迎来到 LLMs-in-Finance 代码库！ 在这里，你将找到实践性极强的 Jupyter notebooks，展示了如何将最新的生成式 AI 工具（如 OpenAI's Agents SDK、Anthropic's Claude、AutoGen、LlamaIndex 和 CrewAI）应用于实际的金融应用场景。

🚀 无论你是要构建一个用于市场分析的多智能体系统，将 RAG 应用于财报分析，还是在金融图表上测试多模态模型——这个代码库都非常适合你！

如果你觉得本项目有帮助，请考虑给代码库点一颗 ⭐️，以支持并帮助更多人发现它！

---

🔍 内容概览

本代码库主要分为以下几个核心领域：

• AI Agents in Finance — 使用 AutoGen、LlamaIndex 和 CrewAI 等框架创建协同智能体进行金融分析。
• RAG — 学习如何使用检索增强生成（Retrieval-Augmented Generation）技术来检索、解析和分析金融文档。
• Multimodals — 测试 GPT-4o 和 Claude Sonnet 3.5 等模型解析财报中图表的能力。
• Papers in Finance — 关于金融领域 GenAI 应用的研究论文精选摘要。

让我们开始吧！

AI Agents in Finance

以下是本项目包含的部分示例：

OpenAI Agents SDK

• 使用 AI Agents 和 LLM-as-a-Judge 进行自动化策略代码审查
• 使用评估者-优化者多智能体系统（LLM-as-a-Judge）实现金融新闻机器人

AutoGen

• 学习如何配置 AutoGen 金融 AI Agent！
  • 应用场景：获取并分析数据，开发动量交易策略
• 如何利用 AutoGen 框架进行协同任务管理
  • 应用场景：优化动量交易策略

LlamaIndex

• 如何使用 LlamaIndex 和 Anthropic 的代码解释器 Agent，一键获取股票表现的深度洞察
• 寻找将 AI Agents 集成到金融分析中的简单方法？
• Introspective_Agent_Worker_LLamaIndex_Financial_Tasks（自省智能体工作流）
• 学习如何使用 LlamaIndex 构建你自己的多智能体基本面分析工作流

CrewAI

使用 CrewAI 进行多智能体协作以实现：

• 提供 Apple 的趋势分析洞察
• 从新闻文章中提取情感分析
• 基于上述洞察提出交易策略

LangGraph

• 交易策略实现的 AI-Agent：从概念到执行再到反思

Anthropic

• 如何利用 Anthropic、LlamaIndex 和 API 构建金融智能体系统？

RAG

在这一部分，我提供了多个使用不同供应商/库来解析复杂金融报告的示例：LlamaIndex、Anthropic、OpenAI 和 aisuite。

一些值得关注的 notebooks：

• Financial Report Analysis with LlamaParse AutoMode
• Prompt Caching With Anthropic

我还包含了关于如何使用 DeepEval 和 GiskarAI 评估 RAG 系统的示例： https://github.com/hananedupouy/LLMs-in-Finance/tree/main/RAG/evaluation

Multimodals

你将在本代码库中找到多个展示各种多模态 LLM（如 Claude Sonnet 3.5、GPT-4o 以及最近发布的 o1 推理模型）使用的示例。其目标是评估它们在解析财报中复杂图表时的有效性。

Papers in Finance

在此提供了一些讨论 GenAI 在金融领域应用的论文简介。

其他

你还可以找到其他与合成数据（synthetic data）相关的示例。

免责声明

本项目仅用于教育和研究目的。

• 它并非为实际交易或投资用途而设计。
• 不提供任何保证或担保。
• 创建者对任何财务损失不承担任何责任。

使用本软件即表示你已知晓并同意其仅用于学习目的。