Logo
Project Icon

FinRobot

革新金融应用的开源AI代理平台

FinRobotAI Agent金融应用大语言模型LLMGithub开源项目

FinRobot是专为金融应用设计的开源AI代理平台，整合多种AI技术应对行业复杂需求。平台提供完整的数据感知、智能分析和行动执行工作流程，支持市场预测、文档分析和交易策略等任务。通过智能调度器优化模型选择，为每项任务匹配最适合的AI代理，为金融决策提供有力支持。

访问官网访问官网GithubGithub论文论文
介绍相关项目
image

FinRobot：一个基于大型语言模型的开源金融应用AI代理平台

下载量 每周下载量 Python 3.8 PyPI 许可证

FinRobot是一个超越FinGPT范畴的AI代理平台，它是专为金融应用精心设计的综合解决方案。该平台整合了多种AI技术，不仅限于语言模型。这一宏大愿景突显了平台的多功能性和适应性，满足了金融行业的多方面需求。

AI代理的概念：AI代理是一个智能实体，它使用大型语言模型作为大脑来感知环境、做出决策并执行行动。与传统人工智能不同，AI代理具有独立思考和利用工具逐步实现给定目标的能力。

FinRobot白皮书

访问者

FinRobot生态系统

FinRobot的整体框架分为四个不同层次，每个层次都旨在解决金融AI处理和应用的特定方面：

  1. 金融AI代理层：金融AI代理层现在包括金融思维链（CoT）提示，增强了复杂分析和决策能力。市场预测代理、文档分析代理和交易策略代理利用CoT将金融挑战分解为逻辑步骤，将其先进算法和领域专业知识与不断变化的金融市场动态相结合，以获得精确、可行的洞察。
  2. 金融LLMs算法层：金融LLMs算法层配置并使用专门针对特定领域和全球市场分析调整的模型。
  3. LLMOps和DataOps层：LLMOps层实施多源集成策略，为特定金融任务选择最合适的LLMs，利用一系列最先进的模型。
  4. 多源LLM基础模型层：这个基础层支持各种通用和专业LLMs的即插即用功能。

FinRobot：代理工作流程

  1. 感知：该模块捕获并解释来自市场馈送、新闻和经济指标的多模态金融数据，使用复杂技术对数据进行结构化，以便进行全面分析。

  2. 大脑：作为核心处理单元，该模块利用LLMs感知来自感知模块的数据，并使用金融思维链（CoT）过程生成结构化指令。

  3. 行动：该模块执行来自大脑模块的指令，应用工具将分析洞察转化为可行的结果。行动包括交易、投资组合调整、生成报告或发送警报，从而主动影响金融环境。

FinRobot：智能调度器

智能调度器是确保模型多样性并优化整合和选择最适合每项任务的LLM的核心。

  • 指挥代理：该组件协调任务分配过程，确保根据代理的性能指标和适合特定任务的能力分配任务。
  • 代理注册：管理系统内代理的注册并跟踪其可用性，促进高效的任务分配过程。
  • 代理适配器：根据特定任务调整代理功能，提高其性能并在整个系统中实现集成。
  • 任务管理器：管理并存储针对各种金融任务定制的不同通用和微调LLMs代理，定期更新以确保其相关性和有效性。

文件结构

主文件夹finrobot包含三个子文件夹agents、data_source、functional。

FinRobot
├── finrobot（主文件夹）
│   ├── agents
│   	├── agent_library.py
│   	└── workflow.py
│   ├── data_source
│   	├── finnhub_utils.py
│   	├── finnlp_utils.py
│   	├── fmp_utils.py
│   	├── sec_utils.py
│   	└── yfinance_utils.py
│   ├── functional
│   	├── analyzer.py
│   	├── charting.py
│   	├── coding.py
│   	├── quantitative.py
│   	├── reportlab.py
│   	└── text.py
│   ├── toolkits.py
│   └── utils.py
│
├── configs
├── experiments
├── tutorials_beginner（入门教程）
│   ├── agent_fingpt_forecaster.ipynb
│   └── agent_annual_report.ipynb 
├── tutorials_advanced（面向潜在finrobot开发者的高级教程）
│   ├── agent_trade_strategist.ipynb
│   ├── agent_fingpt_forecaster.ipynb
│   ├── agent_annual_report.ipynb 
│   ├── lmm_agent_mplfinance.ipynb
│   └── lmm_agent_opt_smacross.ipynb
├── setup.py
├── OAI_CONFIG_LIST_sample
├── config_api_keys_sample
├── requirements.txt
└── README.md

安装：

1.（推荐）创建新的虚拟环境

conda create --name finrobot python=3.10
conda activate finrobot

2. 使用终端下载FinRobot仓库或手动下载

git clone https://github.com/AI4Finance-Foundation/FinRobot.git
cd FinRobot

3. 从源代码或pypi安装finrobot及其依赖

从pypi获取最新版本

pip install -U finrobot

或直接从此仓库安装

pip install -e .

4. 修改OAI_CONFIG_LIST_sample文件

1) 将OAI_CONFIG_LIST_sample重命名为OAI_CONFIG_LIST
2) 删除OAI_CONFIG_LIST文件中的四行注释
3) 添加你自己的openai api密钥 <your OpenAI API key here>

5. 修改config_api_keys_sample文件

1) 将config_api_keys_sample重命名为config_api_keys
2) 删除config_api_keys文件中的注释
3) 添加你自己的finnhub-api "YOUR_FINNHUB_API_KEY"
4) 添加你自己的financialmodelingprep和sec-api密钥 "YOUR_FMP_API_KEY"和"YOUR_SEC_API_KEY"（用于生成财务报告）

6. 开始浏览教程或以下演示：

# 在tutorials中查找这些笔记本
1) agent_annual_report.ipynb
2) agent_fingpt_forecaster.ipynb
3) agent_trade_strategist.ipynb
4) lmm_agent_mplfinance.ipynb
5) lmm_agent_opt_smacross.ipynb

演示

1. 市场预测代理（预测股票走势方向）

接受公司的股票代码、近期基本面财务数据和市场新闻作为输入，预测其股票走势。

  1. 导入
import autogen
from finrobot.utils import get_current_date, register_keys_from_json
from finrobot.agents.workflow import SingleAssistant
  1. 配置
# 从JSON文件读取OpenAI API密钥
llm_config = {
    "config_list": autogen.config_list_from_json(
        "../OAI_CONFIG_LIST",
        filter_dict={"model": ["gpt-4-0125-preview"]},
    ),
    "timeout": 120,
    "temperature": 0,
}

# 注册FINNHUB API密钥
register_keys_from_json("../config_api_keys")
  1. 运行
company = "NVDA"

assitant = SingleAssistant(
    "Market_Analyst",
    llm_config,
    # 如果你想聊天而不是仅接收预测，请设置为"ALWAYS"
    human_input_mode="NEVER",
)
assitant.chat(
    f"使用所有提供的工具检索{get_current_date()}可获得的{company}相关信息。分别分析{company}的积极发展和潜在担忧，各列出2-4个最重要的因素，并保持简洁。大多数因素应从公司相关新闻中推断。"
    f"然后对下周{company}股价走势做出粗略预测（例如上涨/下跌2-3%）。提供一个支持你预测的摘要分析。"
)
  1. 结果

2. 用于报告撰写的财务分析师代理（股票研究报告）

以公司的10-k表格、财务数据和市场数据作为输入，输出股票研究报告

  1. 导入
import os
import autogen
from textwrap import dedent
from finrobot.utils import register_keys_from_json
from finrobot.agents.workflow import SingleAssistantShadow
  1. 配置
llm_config = {
    "config_list": autogen.config_list_from_json(
        "../OAI_CONFIG_LIST",
        filter_dict={
            "model": ["gpt-4-0125-preview"],
        },
    ),
    "timeout": 120,
    "temperature": 0.5,
}
register_keys_from_json("../config_api_keys")

# 中间策略模块将保存在此目录
work_dir = "../report"
os.makedirs(work_dir, exist_ok=True)

assistant = SingleAssistantShadow(
    "Expert_Investor",
    llm_config,
    max_consecutive_auto_reply=None,
    human_input_mode="TERMINATE",
)
  1. 运行
company = "Microsoft"
fyear = "2023"

message = dedent(
    f"""
    使用你所提供的工具，基于{company}的{fyear}年10-k报告编写一份年度报告，并将其格式化为PDF。
    请注意以下几点：
    - 在开始之前，明确解释你的工作计划。
    - 为了清晰起见，逐一使用工具，尤其是在寻求指示时。 
    - 所有文件操作应在"{work_dir}"中完成。 
    - 一旦生成图像，就在聊天中显示。
    - 所有段落应包含400到450个词，在明确满足这一要求之前不要生成PDF。
"""
)

assistant.chat(message, use_cache=True, max_turns=50, summary_method="last_msg")

4. 结果
<div align="center">
<img align="center" src="https://github.com/AI4Finance-Foundation/FinRobot/assets/31713746/d2d999e0-dc0e-4196-aca1-218f5fadcc5b" width="60%"/>
<img align="center" src="https://github.com/AI4Finance-Foundation/FinRobot/assets/31713746/3a21873f-9498-4d73-896b-3740bf6d116d" width="60%"/>
</div>

**金融思维链**:
1. **收集初步数据**:10-K报告、市场数据、财务比率
2. **分析财务报表**:资产负债表、利润表、现金流量表
3. **公司概况和业绩**:公司描述、业务亮点、分部分析
4. **风险评估**:评估风险
5. **财务业绩可视化**:绘制市盈率和每股收益图表
6. **将发现整合成段落**:将所有部分合并成一个连贯的摘要
7. **生成PDF报告**:使用工具自动生成PDF
8. **质量保证**:检查字数

### 3. 具有多模态能力的交易策略师代理

## AI代理论文

+ [斯坦福大学 + 微软研究院] [Agent AI: 多模态交互前景调查](https://arxiv.org/abs/2401.03568)
+ [斯坦福大学] [生成式代理:人类行为的交互模拟](https://arxiv.org/abs/2304.03442)
+ [复旦NLP小组] [基于大语言模型的代理的兴起和潜力:一项调查](https://arxiv.org/abs/2309.07864)
+ [复旦NLP小组] [LLM-Agent-Paper-List](https://github.com/WooooDyy/LLM-Agent-Paper-List)
+ [清华大学] [大语言模型赋能的基于代理的建模和模拟:调查与展望](https://arxiv.org/abs/2312.11970)
+ [中国人民大学] [基于大语言模型的自主代理调查](https://arxiv.org/pdf/2308.11432.pdf)
+ [南洋理工大学] [FinAgent:金融交易多模态基础代理:工具增强、多样化和通用性](https://arxiv.org/abs/2402.18485)

## AI代理博客和视频
+ [Medium] [AI代理简介](https://medium.com/humansdotai/an-introduction-to-ai-agents-e8c4afd2ee8f)
+ [Medium] [揭秘2024年最佳角色AI聊天机器人](https://medium.com/@aitrendorbit/unmasking-the-best-character-ai-chatbots-2024-351de43792f4#the-best-character-ai-chatbots)
+ [big-picture] [ChatGPT的下一个层次:认识10个自主AI代理](https://blog.big-picture.com/en/chatgpt-next-level-meet-10-autonomous-ai-agents-auto-gpt-babyagi-agentgpt-microsoft-jarvis-chaosgpt-friends/)
+ [TowardsDataScience] [LLM代理世界导航:初学者指南](https://towardsdatascience.com/navigating-the-world-of-llm-agents-a-beginners-guide-3b8d499db7a9)
+ [YouTube] [介绍Devin - "第一个"AI代理软件工程师](https://www.youtube.com/watch?v=iVbN95ica_k)

## AI代理开源框架和工具
+ [AutoGPT (163k星)](https://github.com/Significant-Gravitas/AutoGPT) 是一个面向所有人的工具,旨在民主化AI,使每个人都能使用和构建AI。
+ [LangChain (87.4k星)](https://github.com/langchain-ai/langchain) 是一个用于开发基于语言模型的上下文感知应用程序的框架,使它们能够连接到上下文源并依靠模型的推理能力进行响应和行动。
+ [MetaGPT (41k星)](https://github.com/geekan/MetaGPT) 是一个多代理开源框架,为GPT分配不同的角色,形成一个协作软件实体来执行复杂任务。
+ [dify (34.1.7k星)](https://github.com/langgenius/dify) 是一个LLM应用开发平台。它集成了后端即服务和LLMOps的概念,涵盖了构建生成式AI原生应用所需的核心技术栈,包括内置的RAG引擎。
+ [AutoGen (27.4k星)](https://github.com/microsoft/autogen) 是一个用于开发LLM应用程序的框架,具有协作解决任务的会话代理。这些代理是可定制的,支持人机交互,并以结合LLM、人工输入和工具的模式运行。
+ [ChatDev (24.1k星)](https://github.com/OpenBMB/ChatDev) 是一个专注于开发能够对话和问答的会话AI代理的框架。它提供了一系列预训练模型和交互界面,方便用户开发定制的聊天代理。
+ [BabyAGI (19.5k星)](https://github.com/yoheinakajima/babyagi) 是一个AI驱动的任务管理系统,致力于构建具有初步通用智能的AI代理。
+ [CrewAI (16k星)](https://github.com/joaomdmoura/crewAI) 是一个用于编排角色扮演、自主AI代理的框架。通过培养协作智能,CrewAI使代理能够无缝协作,解决复杂任务。
+ [SuperAGI (14.8k星)](https://github.com/TransformerOptimus/SuperAGI) 是一个以开发者为先的开源自主AI代理框架,使开发者能够构建、管理和运行有用的自主代理。
+ [FastGPT (14.6k星)](https://github.com/labring/FastGPT) 是一个基于LLM构建的知识库平台,提供开箱即用的数据处理和模型调用能力,允许通过Flow可视化进行工作流编排。
+ [XAgent (7.8k星)](https://github.com/OpenBMB/XAgent) 是一个开源的实验性大语言模型(LLM)驱动的自主代理,可以自动解决各种任务。
+ [Bisheng (7.8k星)](https://github.com/dataelement/bisheng) 是一个领先的开源LLM应用开发平台。
+ [Voyager (5.3k星)](https://github.com/OpenBMB/XAgent) 一个具有大语言模型的开放式具身代理。
+ [CAMEL (4.7k星)](https://github.com/camel-ai/camel) 是一个提供全面工具和算法集的框架,用于构建多模态AI代理,使其能够处理文本、图像和语音等各种形式的数据。
+ [Langfuse (4.3k星)](https://github.com/langfuse/langfuse) 是一个语言融合框架,可以集成多个AI代理的语言能力,使它们同时具备多语言理解和生成能力。

**免责声明**:本文提供的代码和文档在Apache-2.0许可下发布。这些内容不应被视为财务建议或实盘交易推荐。在进行任何交易或投资行为之前,务必谨慎行事并咨询合格的金融专业人士。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号