FinGo：朝阳永续AI智能体工场重磅来袭
FinGo：朝阳永续AI智能体工场重磅来袭 2024年11月1日，朝阳永续开启AI市场新征途，正式对外发布AI智能体工场【FinGo】。在这条新长征路上，当别人还在适应变化的时候，该公司已然前行。 发布会分为四部分，从FinGo的诞生初衷到背后的技术逻辑，朝阳永续解答了AI应用在金融市场的应用场景，也给了直播间的伙伴满满的技术干货，让我们一起用图文的形式回顾一下这场代表着金融行业AI应用市场灵感大爆发的发布会！ 第一部分：新长征路上的“摇滚” 朝阳永续表示，选择一个商业模式和赛道的时候，除了思考它的商业目的，很重要的一个维度就是它对一个行业有没有驱动力。朝阳永续创立之初，选择了一致预期数据，因为这个数据是可以驱动一个行业的发展。同样，市场的快速变化让公司意识到，优秀投资者的聚合也能够推动行业，所以就有了私募大赛。但是当下面临行业的变革，公司也需要改变。 未来驱动整个资本市场进行变革的AI肯定是非常重要的一个环节。朝阳永续发现，AI直接应用在金融行业中是需要一个漫长的道路的，它仍然是一个新长征路上的“摇滚”。 最早的AI都是问答的形式，朝阳永续积累的各类金融数据是否能够成为问答的一个窗口，实现非结构化的检索？其次，如何才能提高AI问答的准确度和效率，来服务对此有高要求的金融行业？基于此，有了今天的FinGo。 第二部分：AI遇到金融 当AI遇到金融，会遇到怎样的场景？这是一个金融行业都关注的问题，也是FinGo致力于的发展方向。在与各类机构的接触过程中，朝阳永续挖掘了可能的业务场景。 场景1:精确查找——深度贴合金融行业，精准返回有效信息 FinGo从AI在金融业应用的痛点入手，最核心问题在于“AI幻觉”。解决这个问题最好的办法就是精准地把控检索的范围，确保搜索的内容准确无误，从而形成高质量的回答内容。根据朝阳永续积累的数据内容，我们划分了多个知识库，来确保在每个垂直领域都能获取精确无误的回复。 图1:朝阳永续预置知识库 场景2:资讯生产——精准、可控、低成本 FinGo不仅限于问答的场景，对它的期待更多的在于形成完整的、长篇幅的文章内容，资讯生产的场景应运而生。FinGo的文章改写和总结能力是有实践验证的： 1.通过多源网址进行文章改写： 图2：案例——文章改写 2.生成金融垂直内容，私募观点速读、每日晨报总结、名家观点： 图3：案例——生成金融垂直内容 场景3:千人千面——让个性化内容生产更加简单 对于语句的打标给了使用者无限灵感，朝阳永续开始思考是否能对每个个体进行打标，比如个人的投资偏好、持仓的资产类别等，有了个体的标签，FinGo能做的更多。FinGo为每一个个体提供了AI的差异化应用，标准化的产品已经满足不了金融行业千人千面的属性。比如，资产配置的角度上，观点文本可以根据不同渠道进行收集汇总，并且基于此，形成不同匹配的ETF产品； 图4:案例——资产配置报告 个人持仓的维度上，每个人不同的持仓情况只需要截图，即可生成对应的持仓分析报告，调取专业研究员的观点为每一位投资人做专业化诊断。 图5:案例——持仓分析报告 场景4:入木三分——精确撰写深度研究报告 对知识库内容要求更加深入的研究报告撰写方面，FinGo也能够做到精准抽取并总结形成通顺的长文本。通过知识库中针对行业的研究内容，FinGo可以抽取对应的知识，用户能够自由制定行业领域，自动生成写作框架，并且生成深度的行业研究报告。基于FinGo的复杂工作流解决知识精确抽取和超长文本生产难题。 图6:案例——行业研究报告 第三部分：FinGo AI智能体工场产品介绍 朝阳永续AI产品总监梁总表示，成就这些应用场景的背后“最强大脑”来自于——FinGo。 FinGo集成了多项先进技术和强大工具，简化智能体搭建的过程，旨在提升AI应用的开发效率和质量。AI智能体工场集成了主流的AI大模型，搭载高质量金融行业垂直知识库，实现信息的高效利用和智能应用的快速构建，基于朝阳永续先进的多模态知识库构建引擎，用户也可以构建自己的私有知识库。AI智能体工场致力于帮助金融企业快速、低成本地构建承载复杂行业逻辑和依赖广域金融知识的金融行业智能体，同时最大化满足其对精确性和可靠性的较高要求。 FinGo主要由四个核心模块组成：知识库、大模型、工具库、工作流。 图7：FinGo架构 在这样的AI智能体平台上，用户可以根据自有的知识库内容，结合朝阳永续的全量知识库，借助各种类型大模型的处理能力，随心构建贴合业务的AI应用。 第四部分：FinGo AI智能体工场的核心竞争力 能够成就这样一个多元且智能的AI智能体工场，离不开朝阳永续沉淀已久的技术硬实力。朝阳永续CTO吴海军先生在这一部分输出了满满的干货。 从数据源上，朝阳永续在过去20多年的时间里，积累了大量金融领域的研报、公告和其他金融行业相关文档，这些文档多为PDF格式，且内容包括文本、图片、表格、数据等，其版面分布也较为复杂，会出现交替排版、内容分页等情况。为此，朝阳永续提供了完整的文档解析、向量化技术方案。利用版面识别、表格解析以及文本向量化的技术，从而诞生了朝阳永续的研报和公告向量知识库。研报和公告向量知识库能够赋能量化研究，提供有价值的研究内容。在朝阳永续的AI应用上，也对应产出了AI问研报、AI问财报等相关场景。 图8：案例——AI问研报 除了文档形式之外，也会遇到各种其他类型的信息处理，比如视频、音频、PPT等等，朝阳永续对多模态信息的处理能力构建出了SNTP多模态知识库系统。同样，其先进的知识库构建和管理技术也能够赋能客户维护自有知识库，快速整理和分析大规模数据集，简化数据准备流程，为AI应用提供坚实的数据基础。 图9：朝阳永续SNTP多模态知识库系统 面对自然语言提取金融数据的问题上，朝阳永续基于其在数据处理领域多年的经验积累的元数据体系构建了NL2SQL的方案，实现用自然语言调取金融数据。在AI问ETF的应用中，NL2SQL也得到了技术验证。 图10：自然语言提取金融数据 朝阳永续还关注到了用户输入的检索内容不严谨、检索效率不高、覆盖度不够等问题。比如，经常遇到金融实体容易混淆或者不能识别；隐含时间条件没有明确说明；意图不清等。面对这些情况，FinGo深度研究如何通过用户问题精准理解，以及通过多路召回等技术能力，实现了：在问题中识别金融主体（股票、基金、机构等）、时间条件、明确问题意图等，并结合 RAG 与 NL2SQL 等技术，从知识库、数据库中精准检索信息。 图11：案例——金融行业复杂场景RAG应用 FinGo的上线为金融市场在AI领域的应用打开了新的思路，也让我们看到了AI的另一些可能性。未来朝阳永续也将持续输出高效的AI应用和精准的垂直知识库，为AI在金融业的发展增添一份向上之力。
免责声明：本文章由会员“民间艺术”发布如果文章侵权，请联系我们处理，本站仅提供信息存储空间服务如因作品内容、版权和其他问题请于本站联系