2026年7月2日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

我如何使用 LlamaIndex 构建 Streamlit LLM 黑客马拉松获奖应用程序 — FinSight

发布日期:2024-04-25 08:51:07 浏览次数: 3746
作者:二师兄talks

微信搜一搜,关注“二师兄talks”

在本文中,我们将深入探讨 LLM 应用程序开发的世界,并仔细研究我构建 Streamlit LLM 黑客马拉松获奖应用程序 FinSight — Financial Insights At Your Fingertips 的旅程。本文介绍了从构思到执行的整个过程,以及代码片段和快照。

介绍

LLM在金融领域的用例

LLM 在金融领域的一个引人入胜的用例是在公司年度报告(10-K表格)中使用它们。这些报告是公开可用的信息,几乎每个投资组合经理、财务分析师和股东都会定期使用这些信息来做出明智的决策。

然而,阅读、理解和评估这些报告,尤其是对于多家公司来说,可能是乏味和耗时的。因此,在年度报告中使用 LLM 来提取见解和总结将解决很多问题并节省宝贵的时间。

当 Streamlit LLM Hackathon 宣布时,我认为这是探索这个想法的最佳时机。这就是 FinSight 的诞生方式。

FinSight是如何工作的?

FinSight 有两个主要功能,分别称为年度报告分析器和财务指标审查,但在这篇博文中,我们将专注于前者。

年度报告分析器是基于 RAG(Retrieval Augmented Generation)的功能,这意味着 LLM 将根据知识库(在本例中为公司的年度报告)中的信息生成见解。以下是系统设计工作原理:

虽然这是架构的基本表示形式,但我们将深入探讨每个组件的重要性以及它们的工作原理。


设置

我们将使用 LlamaIndex 来构建知识库,并使用 LLM 对其进行查询(gpt-4 最适合)。LlamaIndex 是一个简单、灵活的数据框架,用于将自定义数据源连接到大型语言模型。

对于前端,Streamlit 是构建和共享 Web 应用程序的最方便的工具。

  1. 克隆存储库

git clone <https://github.com/vishwasg217/finsight.git>cd finsight
  1. 设置虚拟环境

# For macOS and Linux:python3 -m venv venv
# For Windows:python -m venv venv
  1. 激活虚拟环境

# For macOS and Linux:source venv/bin/activate# For Windows:.\\venv\\Scripts\\activate
  1. 安装所需的依赖项:

pip install -r requirements.txt
  1. 设置环境变量:

# create directorymkdir .streamlit# create toml filetouch .streamlit/secrets.toml

您可以在此处获取 API 密钥:AlphaVantage、OpenAI、

# Add the following API keysav_api_key = "ALPHA_VANTAGE API KEY"openai_api_key = "OPEN AI API KEY"

文档加载、索引和存储

尽管 LlamaIndex 有自己的一组数据连接器来读取 PDF,但我们仍然需要编写一个小函数来加载 PDF,因为我们是通过 Streamlit 完成的。process_pdf()

from pypdf import PdfReaderfrom llama_index.schema import Document
def process_pdf(pdf):file = PdfReader(pdf)text = ""for page in file.pages:text += str(page.extract_text())
doc = Document(text=text)return [doc]

下一步是引入此文档,将其索引并存储在向量数据库中。在这种情况下,我们将使用 FAISS DB,正如我们在内存向量数据库中所要求的那样。FAISS使用起来也非常方便。因此,我们编写了一个函数来做到这一点。get_vector_index()

如果您有兴趣查看其他矢量数据库选项,请阅读内容。

from llama_index.llms import OpenAIfrom llama_index import VectorStoreIndex, ServiceContext, StorageContextfrom llama_index.vector_stores import FaissVectorStore
def get_vector_index(documents):llm = OpenAI(OPENAI_API_KEY)faiss_index = faiss.IndexFlatL2(d)vector_store = FaissVectorStore(faiss_index=faiss_index)
storage_context = StorageContext.from_defaults(vector_store=vector_store)service_context = ServiceContext.from_defaults(llm=llm)
index = VectorStoreIndex.from_documents(documents,service_context=service_context,storage_context=storage_context)
return index

ServiceContext()并用于设置向量存储的配置。使用,我们将文档摄取、索引并存储为 FAISS 数据库中的向量嵌入。StorageContext()VectorStoreIndex.from_documents()

# Calling the functions through streamlit frontend
import streamlit as st
if "index" not in st.session_state:st.session_state.index = None
if "process_doc" not in st.session_state:st.session_state.process_doc = False
if st.sidebar.button("Process Document"):with st.spinner("Processing Document..."):documents = process_pdf(pdfs)st.session_state.index = get_vector_index(documents)st.session_state.process_doc = True
st.toast("Document Processsed!")

查询工具和引擎

现在我们已经准备好了知识库,是时候构建一个机制来查询它了。

index = get_vector_index(documents)engine = index.as_query_engine()query = "How has Microsoft performed in this fiscal year?"response = engine(query)

理想情况下,上述代码应该足以从向量数据库中的信息查询和合成响应。但是,回答不够全面和详细,尤其是对于此类开放式问题。我们需要开发一种更好的机制,使我们能够将查询分解为更详细的问题,并从向量数据库的多个部分检索上下文。

def get_query_engine(engine):query_engine_tools = [QueryEngineTool(query_engine=engine,metadata=ToolMetadata(name="Annual Report",description=f"Provides information about the company from its annual report.",),),]s_engine = SubQuestionQueryEngine.from_defaults(query_engine_tools=query_engine_tools)return s_engine
index = get_vector_index(documents)engine = index.as_query_engine()s_engine = get_query_engine(engine)

让我们分解一下上面的功能。该模块环绕 并帮助向引擎提供上下文和元数据。当您有多个引擎并且希望向 LLM 提供上下文以了解将哪个引擎用于给定查询时,这尤其有用。QueryEngineToolengine

下面是它的样子:

# example for multiple query engine toolsquery_engine_tools = [QueryEngineTool(query_engine=sept_engine,metadata=ToolMetadata(name="sept_22",description="Provides information about Uber quarterly financials ending September 2022",),),QueryEngineTool(query_engine=june_engine,metadata=ToolMetadata(name="june_22",description="Provides information about Uber quarterly financials ending June 2022",),)]

但是,我们目前只坚持使用一个 QueryEnginerTool。

该模块将复杂的查询分解为许多子问题及其目标查询引擎以供执行。在执行完所有子问题后,所有响应都会被收集并发送到响应合成器以生成最终响应。使用此模块至关重要,因为从年度报告生成见解需要复杂的查询,这些查询需要从向量数据库中的多个节点检索信息。SubQuestionQueryEngine

提示工程

快速工程对整个过程至关重要,主要有两个原因:

  1. 通过编写精确且相关的查询,使代理清楚地了解它需要从向量数据库中检索的内容

  2. 然后,通过为要生成的输出提供结构和描述来控制从检索到的上下文生成的输出的质量。

这两个点都是通过使用 和 模块来处理的。PromptTemplatePydanticOutputParserlangchain

使用 我们为要生成的见解的不同部分编写描述。在与财务专家进行了几次对话后,我总结了对这 4 个部分的见解:不同的部分:财政年度亮点、战略展望和未来方向、风险管理、创新和研发。现在,让我们为这些部分编写类:PydanticOutputParserpydantic

from pydantic import BaseModel, Field
class FiscalYearHighlights(BaseModel):performance_highlights: str = Field(..., description="Key performance metrics and financial stats over the fiscal year.")major_events: str = Field(..., description="Highlight of significant events, acquisitions, or strategic shifts that occurred during the year.")challenges_encountered: str = Field(..., description="Challenges the company faced during the year and, if and how they managed or overcame them.")
class StrategyOutlookFutureDirection(BaseModel):strategic_initiatives: str = Field(..., description="The company's primary objectives and growth strategies for the upcoming years.")market_outlook: str = Field(..., description="Insights into the broader market, competitive landscape, and industry trends the company anticipates.")
class RiskManagement(BaseModel):risk_factors: str = Field(..., description="Primary risks the company acknowledges.")risk_mitigation: str = Field(..., description="Strategies for managing these risks.")
class InnovationRnD(BaseModel):r_and_d_activities: str = Field(..., description="Overview of the company's focus on research and development, major achievements, or breakthroughs.")innovation_focus: str = Field(..., description="Mention of new technologies, patents, or areas of research the company is diving into.")

注意:这些部分及其描述适用于通用用例。它们可以根据您的特定需求进行更改。

这些 pydantic 类将向提示提供每个部分的格式和描述。因此,让我们编写一个函数,允许我们将任何pydantic类插入到提示符中:

from langchain.prompts import PromptTemplatefrom langchain.output_parsers import PydanticOutputParser
prompt_template = """You are given the task of generating insights for {section} from the annual report of the company.
Given below is the output format, which has the subsections.Must use bullet points.Always use $ symbol for money values, and round it off to millions or billions accordingly
Incase you don't have enough info you can just write: No information available---{output_format}---"""
def report_insights(engine, section, pydantic_model):parser = PydanticOutputParser(pydantic_object=pydantic_model)
prompt_template = PromptTemplate(template=prompt_template,input_variables=["section"],partial_variables={"output_format": parser.get_format_instructions()})
formatted_input = prompt_template.format(section=section)response = engine.query(formatted_input)parsed_response = parser.parse(response.response)
return parsed_response

PromptTemplate将所有值(如 和 )插入到提示模板中。将 pydantic 类转换为 LLM 可读的格式。生成的响应将采用字符串格式,因此我们使用该函数来解析响应并获得结构化输出。sectionoutput_formatPydanticOutputParserparser.parse()

# calling the function in streamlit frontend
if st.session_state.process_doc:
if st.button("Analyze Report"):
engine = get_query_engine(st.session_state.index.as_query_engine(similarity_top_k=3))
with st.status("**Analyzing Report...**"):
st.write("Fiscal Year Highlights...")st.session_state.fiscal_year_highlights = report_insights(engine, "Fiscal Year Highlights", FiscalYearHighlights)
st.write("Strategy Outlook and Future Direction...")st.session_state.strategy_outlook_future_direction = report_insights(engine, "Strategy Outlook and Future Direction", StrategyOutlookFutureDirection)
st.write("Risk Management...")st.session_state.risk_management = report_insights(engine, "Risk Management", RiskManagement)
st.write("Innovation and R&D...")st.session_state.innovation_and_rd = report_insights(engine, "Innovation and R&D", InnovationRnD)
# displaying the generated insights
if st.session_state.fiscal_year_highlights:
with tab1:st.write("## Fiscal Year Highlights")st.write("### Performance Highlights")st.write(st.session_state.fiscal_year_highlights.performance_highlights)st.write("### Major Events")st.write(st.session_state.fiscal_year_highlights.major_events)st.write("### Challenges Encountered")st.write(st.session_state.fiscal_year_highlights.challenges_encountered)st.write("### Milestone Achievements")st.write(str(st.session_state.fiscal_year_highlights.milestone_achievements))
if st.session_state.strategy_outlook_future_direction:with tab2:st.write("## Strategy Outlook and Future Direction")st.write("### Strategic Initiatives")st.write(st.session_state.strategy_outlook_future_direction.strategic_initiatives)st.write("### Market Outlook")st.write(st.session_state.strategy_outlook_future_direction.market_outlook)st.write("### Product Roadmap")st.write(st.session_state.strategy_outlook_future_direction.product_roadmap)
if st.session_state.risk_management:with tab3:st.write("## Risk Management")st.write("### Risk Factors")st.write(st.session_state.risk_management.risk_factors)st.write("### Risk Mitigation")st.write(st.session_state.risk_management.risk_mitigation)
if st.session_state.innovation_and_rd:with tab4:st.write("## Innovation and R&D")st.write("### R&D Activities")st.write(st.session_state.innovation_and_rd.r_and_d_activities)st.write("### Innovation Focus")st.write(st.session_state.innovation_and_rd.innovation_focus)

即将推出的功能

  1. 选择和存储见解:我一直在开发一项功能,允许用户选择所需的任何见解并将其保存到用户的帐户中

  2. 添加更多特定于职业的见解:目前,该见解适用于通用目的。然而,不同的职业对年度报告的使用方式不同,因此我自然需要根据用户的用例创建一组不同的见解。

  3. PandasQueryEngine用于查询财务报表的模块:使用此模块,LLM将能够从通常采用结构化格式的财务报表中提取更好的见解。

结论

总之,FinSight 的年度报告分析器通过利用 LLM 的强大功能使财务分析更容易、更有洞察力。对于投资组合经理、财务分析师和股东来说,这是一个有价值的工具,可以节省时间并改善决策。虽然核心管道保持一致,但请注意,我们部署的应用代码可能会不断发展,以包含升级和增强功能,从而确保持续改进。


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅