使用 Agentic Retrieval-Augmented Generation (RAG) 工作流程从与特定公司和更广泛的股票市场相关的新闻和财务数据中提取见解。它利用大型语言模型 (LLM)、ChromaDB 作为向量数据库、LangChain、LangChain 表达式语言 (LCEL) 和 LangGraph 来提供全面的分析。
更多AI开源软件:AI开源 - 小众AI

主要功能
- **Stock Performance Visualization(股票表现可视化**):显示说明所选股票历史表现的图形和图表。
- **特定于属性的数据检索**:获取与特定股票的特定属性相关的详细信息。
- **新闻聚合**:显示与特定股票或公司相关的一般新闻或特定主题的文章。
安装和使用
异步抓取
- **新闻数据**:定期异步抓取一组预定义股票的新闻数据,并将信息存储在 MongoDB 中。这些文档与 ChromaDB 同步,使 LLM 能够执行语义搜索,从而有助于检索特定于特定股票或公司的相关信息。
- **财务数据**:定期异步抓取选定股票的财务数据,并将信息存储在 PostgreSQL 中。
LangGraph 工作流
新闻数据 RAG 图
一个代理 RAG 图形,用于在矢量数据库(来自 MongoDB 的同步文档)中搜索股票的新闻数据,或者在找不到相关文档时执行 Web

最低0.47元/天 解锁文章
716

被折叠的 条评论
为什么被折叠?



