FinRobot 是一个超越 FinGPT 范畴的 AI 代理平台，代表了一个为金融应用精心设计的综合解决方案。它整合了多种 AI 技术，不仅限于语言模型。这个广阔的愿景突显了该平台的多样性和适应性，旨在满足金融行业的多元化需求。

AI 代理是一个智能实体，利用大型语言模型作为其“大脑”，感知环境、做出决策并执行行动。与传统的人工智能不同，AI 代理具备独立思考和利用工具逐步实现既定目标的能力。

什么是 FinRobot Pro？

FinRobot Pro[2]是一个由 AI 驱动的股票研究平台，利用大型语言模型（LLM）和 AI 代理自动化专业的股票分析。

主要特点：

•自动化报告生成 – 即时生成专业的股票研究报告•财务分析 – 深入分析利润表、资产负债表和现金流量表•估值分析 – 市盈率（P/E）、企业价值/息税折旧摊销前利润倍数（EV/EBITDA）和同行对比•风险评估 – 全面的投资风险评估

FinRobot 生态系统

FinRobot 的总体框架分为四个独立的层次，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链式思维（Financial Chain-of-Thought, 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，将其先进的算法和领域专长与金融市场的动态变化对接，提供精准、可操作的洞察。2.金融 LLMs 算法层：金融 LLMs 算法层配置并使用特别调整的模型，专门针对特定领域和全球市场分析进行优化。

3.LLMOps 和 DataOps 层：LLMOps 层实施多源集成策略，选择最适合特定金融任务的 LLMs，利用一系列最先进的模型。

4.多源 LLM 基础模型层：该基础层支持多种通用和专业 LLMs 的即插即用功能。

FinRobot：代理工作流程

1.感知模块：此模块捕获并解释来自市场数据流、新闻和经济指标的多模态金融数据，使用先进的技术将数据结构化，供进一步分析。2.大脑模块：作为核心处理单元，此模块通过 LLMs 从感知模块接收数据，并利用金融链式思维（CoT）过程生成结构化指令。3.行动模块：此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操作的成果。行动包括交易、投资组合调整、报告生成或发送警报，从而积极影响金融环境。

FinRobot：智能调度器

智能调度器是确保模型多样性并优化最合适 LLM（大型语言模型）集成和选择的核心组件。

•主管代理：该组件负责协调任务分配过程，确保任务根据代理的性能指标和对特定任务的适应性进行分配。•代理注册：管理代理的注册和可用性跟踪，促进高效的任务分配过程。•代理适配器：将代理功能量身定制以适应特定任务，提升其性能并增强其在整个系统中的集成。•任务管理器：管理并存储不同的基于 LLM 的通用和微调代理，这些代理针对各种金融任务进行定制，并定期更新以确保相关性和有效性。

安装步骤：

1.（推荐）创建一个新的虚拟环境

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.gitcd FinRobot

3.从源代码或 PyPI 安装 FinRobot 及其依赖项 从 PyPI 获取最新版本：

pip install -U finrobot

或者直接从此仓库安装：

pip install -e .

4.修改 OAI_CONFIG_LIST_sample 文件

将 OAI_CONFIG_LIST_sample 重命名为 OAI_CONFIG_LIST
删除 OAI_CONFIG_LIST 文件中的四行注释
添加您自己的OpenAI API 密钥<your OpenAI API key here>

5.修改 config_api_keys_sample 文件

将 config_api_keys_sample 重命名为 config_api_keys
删除 config_api_keys 文件中的注释
添加您自己的Finnhub API 密钥 YOUR_FINNHUB_API_KEY
添加您自己的FinancialModelingPrep和 SEC API 密钥 YOUR_FMP_API_KEY 和 YOUR_SEC_API_KEY（用于生成财务报告）

6.开始浏览以下教程或示例：

在教程中找到以下 notebooks：
agent_annual_report.ipynb
agent_fingpt_forecaster.ipynb
agent_trade_strategist.ipynb
lmm_agent_mplfinance.ipynb
lmm_agent_opt_smacross.ipynb

演示

1. 市场预测代理 (预测股票价格走势方向)

输入公司的股票代码、最近的基本财务数据和市场新闻，并预测股票的价格走势。

1.导入

import autogen
from finrobot.utils import get_current_date, register_keys_from_json
from finrobot.agents.workflow importSingleAssistant

2.配置

# 从 JSON 文件中读取 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")

3.执行

company ="NVDA"
assitant =SingleAssistant(
"Market_Analyst",
llm_config,
# 如果您想进行对话而不仅仅是接收预测，请设置为 "ALWAYS"
human_input_mode="NEVER",
)
assitant.chat(
f"利用提供的所有工具获取 {company} 在 {get_current_date()} 的可用信息。分析 {company} 的积极发展和潜在问题，"
"每个方面列出 2-4 个最重要的因素并保持简洁。大部分因素应从与公司相关的新闻中推测。"
f"然后对 {company} 股票价格在下周的走势做一个大致的预测（例如，涨/跌 2-3%）。并提供支持预测的总结分析。"
)

4.结果

2. 财务分析代理用于报告写作 (股票研究报告)

输入公司的10-K表格、财务数据和市场数据，输出一份股票研究报告。

1.导入

import os
import autogen
from textwrap import dedent
from finrobot.utils import register_keys_from_json
from finrobot.agents.workflow importSingleAssistantShadow

2.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中
work_dir ="../report"
os.makedirs(work_dir, exist_ok=True)

3.执行

assistant =SingleAssistantShadow(
"Expert_Investor",
llm_config,
max_consecutive_auto_reply=None,
human_input_mode="TERMINATE",
)
company ="Microsoft"
fyear ="2023"
message = dedent(
f"""
使用您所提供的工具，基于{company}的{fyear}年度10-K报告撰写一份年度报告，并将其格式化为PDF。
请注意以下事项：
-在开始之前明确解释您的工作计划。
-一步一步使用工具，特别是在请求指令时要清晰。
-所有的文件操作应在"{work_dir}"目录下进行。
-一旦生成图像，请在聊天中显示。
-所有段落应控制在400到450个字之间，直到明确完成这一要求之前，请勿生成PDF。
"""
)
assistant.chat(message, use_cache=True, max_turns=50, summary_method="last_msg")

4.结果

财务推理链

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,损益表,现金流量表3.公司概况与表现:公司简介, 业务亮点,细分分析4.风险评估: 评估公司风险5.财务表现可视化:绘制市盈率(PE Ratio)和每股收益(EPS)6.综合分析与总结:将所有部分整合成一个连贯的总结段落7.生成PDF报告:使用工具自动生成PDF文件8.质量保证:检查字数是否符合要求

https://github.com/AI4Finance-Foundation/FinRobot?tab=readme-ov-file

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】