# finance_rag

**Repository Path**: shentsing/finance_rag

## Basic Information

- **Project Name**: finance_rag
- **Description**: 金融分析rag
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-01
- **Last Updated**: 2026-05-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# FinanceRAG — A 股金融分析对话系统

基于 RAG（检索增强生成）技术的 A 股金融分析平台，融合多维数据源，通过流式对话为用户提供行业趋势与个股深度分析。

---

## 功能概览

### 对话分析（核心功能）

通过网页对话窗口（`/chat/`）与 AI 进行多轮对话，系统自动识别问题类型并路由至对应分析模式：

| 模式 | 触发条件 | 分析内容 |
|------|----------|----------|
| **个股分析** | 问题含6位股票代码或具体股票名 | 估值评级（5档）/ 技术面（RSI·MACD·量比）/ 研报观点 / 交易策略建议 |
| **行业分析** | 问题含行业词、板块词或宏观词 | 技术面综合判断 / 基本面估值分布 / 龙头/低PE/小市值三类候选股 / 未来预期 |
| **兜底回复** | 超出金融分析范围 | 引导用户提问方向，附免责声明 |

**路由策略（三层）**：规则匹配（0ms）→ LLM 轻量分类（~0.8s）→ 兜底回复

**流式输出**：基于 SSE（Server-Sent Events），逐 token 实时展示，避免长文本等待白屏。

---

## 数据层

### 7 个 Weaviate 向量数据库 Class

| Class | 数据内容 |
|-------|----------|
| `IndustryNews` | A 股行业新闻（东方财富 + NewsAPI + RSS），含情绪标注 |
| `StockFundamentals` | 个股基本面（市值·PE·PB·ROE·营收同比），数据源：Tushare Pro |
| `StockTechnicals` | 技术指标快照（RSI·MACD·均线·量比·换手率），数据源：Tushare Pro |
| `ResearchReport` | 东方财富研报（PDF 全文提取·元数据），数据源：AKShare |
| `CompanyDocument` | 公司公告·财报·研报切片（按页/段落分块，含结构化元数据） |
| `MacroIndicator` | 宏观指标（来自 Weaviate 实时检索，与时序缓存互补） |
| `TradingStrategy` | 量化交易策略描述（回测收益·夏普比率·最大回撤） |

### 宏观时序缓存（Django Cache / Redis）

| 数据源 | 指标 |
|--------|------|
| 美国 FRED | 联邦基金利率·CPI·GDP·失业率·10年期国债·PMI 等 |
| 国内 Tushare | M2·CPI·PPI·PMI·社融·SHIBOR 等 |

以时序趋势格式（`2024-01 → 2024-02 → ...`）拼入 Prompt，让 LLM 判断方向变化。

---

## 技术架构

```
用户浏览器
  │  POST /api/v1/chat/stream/
  │  ← SSE 流式响应
  ▼
Django（DRF）+ ChatStreamView
  │
  ├── 路由器（router.py）
  │     ├── 规则路由：股票代码正则 / 行业关键词词表
  │     ├── LLM 路由：temperature=0 轻量分类
  │     └── 兜底：FallbackSkill
  │
  ├── IndustrySkill
  │     ├── 5路分类检索（新闻/研报/宏观/基本面/技术面）
  │     ├── 自动提炼龙头/低PE/小市值三类候选股
  │     └── 结构化 Prompt → 流式 LLM → SSE
  │
  └── StockSkill
        ├── search_stock_context()（聚合 4 类数据 + 宏观）
        ├── 结构化提取基本指标 + 技术指标
        └── 结构化 Prompt → 流式 LLM → SSE

向量检索：Weaviate（混合检索 BM25 + 向量，可调 alpha）
重排序：  Cohere Rerank / CrossEncoder 本地
LLM：    DeepSeek / OpenAI / 通义千问（.env ACTIVE_SCHEME 一键切换）
Embedding：BAAI/BGE 本地 / OpenAI text-embedding（同上切换）
```

---

## 定时数据采集（Celery Beat）

| 任务 | 调度 | 说明 |
|------|------|------|
| `fetch_cn_stock_news` | 每天 18:30 | 东方财富个股新闻，写入 `IndustryNews` |
| `update_fundamentals_akshare` | 工作日 16:00 | Tushare 基本面，写入 Weaviate + Django DB |
| `update_technicals` | 工作日 17:00 | Tushare 技术指标，写入 Weaviate + Django DB（自动淘汰30天前旧快照） |
| `update_macro_all` | 每月 1、15 日 2:00 | FRED + 国内宏观，写入 Redis 时序缓存 |
| `fetch_research_reports` | 每周五 17:00 | 东方财富研报（PDF 文本提取），写入 `CompanyDocument` + Django DB |

所有调度参数均可在 **Django Admin → Periodic Tasks** 中运行时动态修改，无需重启 Worker。

---

## 检索与推理流程

```
用户提问
  ↓
查询路由（规则 + LLM）
  ↓
多路分类检索（Weaviate 混合检索）
  ↓
Cohere/CrossEncoder 重排序
  ↓
上下文拼装（按 Class 格式化：基本面/技术面/研报/新闻/宏观分块组装）
  ↓
结构化 Prompt 填充（变量化插槽：龙头股列表/技术指标/研报切片...）
  ↓
LLM 流式推理 → SSE 逐 token 输出
```

**个股分析输出结构**（Prompt 约束）：
1. 估值评级（极度低估 💎 / 低估 🟢 / 合理 🟡 / 高估 🟠 / 极度高估 🔴）
2. 技术面分析（RSI 区间·MACD 信号·量价关系）
3. 基本面与研报观点
4. 交易策略建议（含5类策略适用性判断表）

**行业分析输出结构**（Prompt 约束）：
1. 技术面分析（龙头股 RSI/MACD 综合·资金活跃度）
2. 基本面分析（PE 分布·竞争格局）
3. 未来预期（催化剂·风险·中期展望）
4. 个股推荐（龙头配置 💎 / 动量追强 🚀 / 价值低估 💰 / 小市值弹性 🌱 / 创新业务 🔬）

---

## LLM 调用监控

每次 Skill 调用均通过 `llm_monitor` 上下文管理器自动记录以下指标：

```
[LLM-MONITOR] skill=stock | input_tokens≈820 | output_tokens≈340 | ttft=0.83s | total=18.2s | tps=18.7
[Router] 方式=rule | 结果=stock | 耗时=0.003s
[IndustrySkill] Prompt 组装完成 | leader=8 fundamental_docs | reports=4 | news=6 | macro=5 | estimated_input_tokens≈760
```

| 指标 | 说明 |
|------|------|
| `input_tokens≈` | Prompt 长度估算（`len(text) // 3`） |
| `output_tokens≈` | 实际输出字符数估算 |
| `ttft` | Time To First Token（首 token 延迟） |
| `total` | 全程生成时间 |
| `tps` | 输出 token 速率 |

---

## 前端对话页面

访问 `http://localhost:8000/chat/`

- **流式渲染**：`fetch` + `ReadableStream` 接收 SSE，逐 token 追加显示
- **技能标识**：首帧 SSE 返回路由结果，页面侧边栏实时显示当前分析模式（个股/行业）
- **多轮对话**：前端维护 `history` 数组，携带最近 10 轮上下文
- **新建对话**：清空历史 + 生成新 `session_id`，开启全新会话
- **停止生成**：`reader.cancel()` 中断 SSE 流，无需等待全量输出
- **快捷提问**：首页内置6个示例问题芯片，点击直接发送

---

## 主要配置项（`.env`）

| 变量 | 说明 |
|------|------|
| `ACTIVE_SCHEME` | LLM + Embedding 方案（`deepseek` / `openai` / `qwen` 等） |
| `WEAVIATE_URL` | Weaviate 服务地址 |
| `TUSHARE_TOKEN` | Tushare Pro Token（基本面·技术面·宏观） |
| `FRED_API_KEY` | FRED API Key（美国宏观数据） |
| `OPENAI_API_KEY` / `DEEPSEEK_API_KEY` | LLM 及 Embedding API Key |
| `REDIS_URL` | Redis 连接（Celery Broker + 宏观时序缓存） |

多 Provider 方案在 [`stock_rag/provider_config.py`](stock_rag/provider_config.py) 中集中管理，修改 `ACTIVE_SCHEME` 即可一键切换，无需改代码。

---

> ⚠️ **免责声明**：本系统所有分析内容均由 AI 自动生成，仅供研究参考，不构成投资建议。投资有风险，入市需谨慎。