0 前言
许多看官，好久没有更新，甚是想念。
最近因为参加公司的大模型竞赛，作为拉磨驴的小木自然者无旁贷，连忙设计了一个智能助手的方案，并花了五个晚上和一个周末的时间初步完成了搭建。
| 日期 | 开发内容 |
|---|---|
| 第一天 | 在本地开发环境中部署 taskweaver 的 chainlit 界面并启动 |
| 第二天 | 将 finrobot 整合至 taskweaver，得到证券报告生成插件 |
| 第三天 | 修改 chainlit，增加模式配置选择、代码插件启动等组件 |
| 第四天 | 为新增组件提供对应处理逻辑，完成配置选择、插件启动等功能 |
| 第五天 | 新增 ”交互智能体“，并将 ”文档检索智能体“ 单独作为一个操作模式 |
| 第六天 | 将 qwen-agent 整合至 taskweaver，得到 “文档分析多智能体” |
| 第七天 | 调试 taskwaever 自带的 “插件解释智能体” 效果，同时测试后台界面登陆 |
1 本地金融助手介绍
本地金融助手是一个用于替代 ChatGPT 网页，同时可以辅助代码办公的智能系统。该系统具备多种操作模式，以适应不同的应用场景，包括聊天模式、检索模式、任务模式、插件模式以及后台登录功能。
在聊天模式下，通过单个“交互智能体”与用户进行对话，模拟 ChatGPT 的功能，为用户提供日常办公中的咨询问题的解决方案。
在检索模式下，结合了“任务规划智能体”和“文档检索智能体”，前者负责根据用户需求拆分任务，后者则执行具体的检索工作，特别适用于查询公司规章制度等特定信息。
在任务模式下，利用“任务规划智能体”、“文档分析多智能体”及“代码解释智能体”的协作，不仅能够处理文档分析任务，还能生成并执行代码。此外，用户可以根据需求选择不同的代码插件来完成多样化的工作。
在插件模式下，专注于通过“任务规划智能体”和“插件解释智能体”调用预先编写的插件代码，以满足特定的任务需求，减少代码生成带来的风险。
2 本地金融助手特性
本地金融助手强调数据隐私保护，不依赖任何第三方服务，致力于本地文件的私有化分析。同时，克服了传统大模型处理长文本的能力限制，通过搜索召回技术和多智能体技术实现了对文档内容的全面理解。
系统功能目前包括支持类似 ChatGPT 的用户界面，允许用户上传文档并提问，根据用户指令自动生成代码，并完成代码的调试与执行。比如从 GitHub 仓库下载代码、PDF 文件的关键字搜索页数、生成证券研究报告等。
本地金融助手的特点在于高效的文档解析速度，支持批量处理用户请求，突破字数限制，支持大模型自动执行代码，形成了一个功能强大的本地金融助手平台。
在技术背景方面，该系统采用了一系列技术手段来提升文档处理与执行能力，包括使用 pdfplumber 工具包解析 PDF 文档、chainlit 构建用户界面、elasticsearch 进行文本搜索及向量存储、qwen-agent 作为 RAG 智能体的解决方案、taskweaver 利用 NLP 技术自动化任务处理、以及 trade-learn 作为金融交易策略研究接口引擎。
3 金融助手功能举例
这里，对于我们搭建的本地金融助手的功能进行简单地举例，通过在任务模式中命令智能体来帮我们完成某个股票的年度研究报告，同时提供报告的下载链接。
它通过第三方金融数据服务商获取行情、财报信息和最近相关新闻，并将其喂入智能体进行加工得到。
得到的年度报告文件效果图：
好了，这次分享在这里结束了。
