项目概述
主要功能是对金融新闻进行AI分析并生成报告。
技术架构
- 核心框架:
FastAPI - 编程语言:
Python - 图数据库:
Neo4j - 前端技术:
JavaScript - AI技术: GraphRAG、大语言模型
核心特性
1. 新闻分析与报告生成
项目能够自动获取金融新闻并进行AI分析，生成专业的分析报告：
- 研报分析
- 要闻总结
- 快讯处理
- 公告解读
2. GraphRAG技术集成
项目成功集成了GraphRAG技术，显著提升了检索效果：
- 实现了数据的图结构化处理
- 完成了结果的可视化展示
3. 多角色AI分析
项目预设了多种AI角色和写作风格对新闻进行点评分析：
- 20种AI角色
- 4种写作风格
项目进展
第二季度（6月）
- 启动项目开发
- 申请开发者账号（邓白氏码、Apple、Google）
- 设计表结构和通信协议
- 接入华通国际研报、WB爬虫、WB新闻等数据源
第三季度（7-8月）
- 实现Agents对各种新闻的总结
- 实现AI根据新闻内容生成简介图片
- Agent生成的数据注入WBroker系统
- 完成GraphRAG技术的测试和集成
交付成效
- 日均生成 300+ 篇资讯摘要及观点洞察，服务财富顾问与高净值客户。
- 构建多层审批流程，确保敏感资讯在 15 分钟内完成审核发布。
- Neo4j 图谱支撑多维检索，投研主题覆盖率从 45% 提升至 85%。
团队与治理
- 搭建数据接入、算法、产品运营三大工作组，定期进行质量评审。
- 引入 KRI（关键风险指标）与内容合规评分，作为迭代优先级依据。
- 设立跨部门周会与月度复盘，明确下一阶段业务增长与技术演进计划。
使用说明
数据源配置
# 数据源配置示例
data_sources:
- name: "华通国际研报"
type: "research_report"
- name: "WB爬虫"
type: "crawler"
- name: "WB新闻"
type: "news"
- name: "数字货币新闻"
type: "crypto_news"
核心模块
- ai_handlers: 核心处理模块
- broker_news: 新闻处理模块
- broker_crawler: 爬虫模块
- graph_rag_service: GraphRAG服务模块