【免费下载链接】AlphaFin
AlphaFin 是一款面向金融分析的大模型开源项目，其核心是用 RAG（检索增强生成）解决大模型「幻觉」与「数据不实时」两大痛点。本文带你三步拆解 AlphaFin 的 RAG 全流程：三库向量检索（研报、市场数据、新闻）、查询日期自动补全，到最终 Prompt 组装，看懂金融问答系统是如何把「检索到的真实数据」安全地喂给大模型的。
一、为什么金融问答必须上 RAG？
大模型直接回答金融问题时，有两个致命短板 🚧：
- 幻觉：模型会编造研报结论、虚构股价数据；
- 不实时：模型训练数据有截止日期，无法感知「今天」的行情和新闻。
AlphaFin 提出的Stock-Chain 框架通过 RAG 让模型「先查资料、再作答」，覆盖两个金融任务：股票趋势预测（Stage 1）和金融问答（Stage 2）。RAG 流程主要集中在 Stage 2 的问答模块 run.py。
下面的图直观展示了 RAG 的价值：直接让 LLM 基于研报+行情做分析，模型往往给出「我无法提供投资建议」的敷衍回答；而注入检索内容后，才能得到结构化的基本面+技术面分析 📊
二、第一步：日期补全——让问题「自带时间戳」
金融数据的价值高度依赖时间。如果用户只问「中青花股价怎么样？」而不带日期，检索出的行情可能是几个月前的。
AlphaFin 在 checkDate 函数中做了两层设计：
- 检测：尝试解析用户问题里是否已有日期；
- 补全：若无日期，则自动追加「（今天的日期是: 最新数据日期）」。这里有个贴心的细节——18:00 之前自动回退到前一日，因为当日行情数据尚未更新，避免检索到「空窗数据」。
这一步让后续向量检索天然带有时间锚点，是金融场景 RAG 区别于通用 RAG 的关键细节 📅
三、第二步：三库向量检索——FAISS + BGE 中文向量模型
AlphaFin 将金融语料拆成三个独立知识库，全部基于 FAISS 向量索引构建，配置见 faiss_config：
| 库 | 索引目录 | 内容示例 | 对应中文选项 | | - | - | - | - | | 研报 reports | src/data/database_sample/reports/ | 券商研报标题、摘要、评级 | 研报 | | 市场数据 prices | src/data/database_sample/prices/ | 每日收盘价、换手率、市盈率等 | 市场数据 | | 新闻 news | src/data/database_sample/news/ | 财经新闻联播摘要 | 新闻 |
每个库里都有三类文件：*.json存原文、*_index.faiss存向量索引、*_index.pkl存元数据。你可以打开 news.json 看看每条新闻的结构——summary字段内嵌了「股票名称+代码+发布日期」，这正是向量检索能精准命中的原因。
检索链路非常干净，核心在 process 函数：
- 向量化：查询文本用 BGE-Large-zh 中文向量模型（
HuggingFaceEmbeddings）转成向量； - 加载：通过自定义的 myFAISS 类 用
load_local加载三个本地索引； - 召回：
similarity_search_with_score(query, k=topk)按相似度召回 Top-K 条文档，K 值可通过 WebUI 的滑块在 1~50 间调节（默认 5）。
三库的数据从哪里来？下图展示了 AlphaFin 数据集的构建流程：研报、新闻、行情数据经清洗、人工标注与改写后，形成覆盖 NLI、金融问答、股票趋势预测等任务的多语言数据集 🧱
四、第三步：Prompt 组装——把检索结果装进「防幻觉模板」
检索到的文档不会原样丢给模型，AlphaFin 分两步「加工」：
1️⃣ 文档拼接—— concat_docs 将召回结果编号排布成[Doc 1]…[Doc N]；若一条都没检索到，则明确提示「未检索到相关文档」，让模型知道「无据可查」。
2️⃣ 模板填充—— get_prompt 将文档与问题填入固定模板，其中两条指令是防幻觉的关键：
「你的数据都应该来自上述的参考内容，答案中不允许包含编造内容」 「根据相关数据举例论证你的观点」
最后调用model.chat生成回答。这里的模型是 ChatGLM2-6B 基座 + StockGPT-Stage2 LoRA 微调权重（见 getModel），在金融语料上专门训练过，与 RAG 检索「双保险」。
WebUI 还提供三种知识库使用模式（method_map），方便对比 RAG 策略：
| 模式 | 行为 | 适用场景 | | - | - | - | | 仅通过一条知识进行分析 | 只用 Top-1 文档作答 | 看单条证据的推理 | | 整合知识库进行分析 | 拼接全部 Top-K 文档 | 默认的多源交叉验证 | | 仅检索知识文档 | 不生成回答，直接返回检索结果 | 调试召回质量 |
下面是一个真实问答案例：用户问「国庆黄金周对旅游股有什么影响？」，系统检索节假日客流与个股表现数据后，给出了带具体数字的论证型回答 🧩
五、快速上手：5 分钟跑起金融问答 RAG
1. 克隆仓库并安装依赖
git clone https://gitcode.com/gh_mirrors/alp/AlphaFin cd AlphaFin pip install -r requirements.txt2. 填入模型路径并启动
在 stage2_financial_qa.sh 中填入本地路径：base_model_path（ChatGLM2-6B）、lora_ckpt_path（StockGPT-Stage2）、embedding_model_path（BGE-Large-zh），然后执行：
bash scripts/stage2_financial_qa.sh3. 打开 WebUI 玩起来：拖动Top-K 滑块调召回数量、在数据库单选里切换研报/市场数据/新闻、在知识库使用方法里切换三种模式——右侧会同步展示「检索到的知识」，让你完整看见 RAG 的中间过程 🔍
六、效果如何？一张图看懂 RAG 的实战价值
在股票多空策略回测中，基于 Stock-Chain（RAG + 金融大模型）的策略在 2023 年起持续跑赢 FinGPT、ChatGPT 及 LSTM、Bert、SCSI 等基线，年化收益约 30.8%，累计收益曲线长期居于首位 📈
总结：AlphaFin RAG 全流程一图流
回顾整个链路，AlphaFin 的 RAG 本质是一条「时间感知 → 向量召回 → 约束生成」的流水线：
- 日期补全：查询无日期时自动锚定最新数据日期（18:00 前回退一日）；
- 三库向量检索：BGE 中文向量模型 + FAISS 索引，在研报/行情/新闻中召回 Top-K 事实；
- Prompt 组装：编号拼接文档 + 防幻觉指令模板，交由金融微调大模型生成「有据可查」的回答。
⚠️ 免责声明：AlphaFin 仅用于学术研究与教育目的，其输出不构成任何投资建议。
想深入源码？从入口 run.py 读起，配合样例数据 src/data/database_sample/ 和说明文档 README.md，一个下午就能把整个 RAG 链路读透。
【免费下载链接】AlphaFin
相关推荐
搭建向量知识库：从 Embedding 原理到 Chroma 检索的 RAG 实战（llm-universe 第三章）
搭建向量知识库：从 Embedding 原理到 Chroma 检索的 RAG 实战（llm universe 第三章） 本章是 Datawhale《面向开发者的
教程大模型RAG人工智能AI 应用文档GenRecon 三阶段流水线全拆解：Sparse Structure → Shape SLat → Texture SLat 如何协同工作
GenRecon 三阶段流水线全拆解：Sparse Structure → Shape SLat → Texture SLat 如何协同工作 GenRecon
Ollama+RAG实现本地知识库：PDF解析与向量检索全流程指南
Ollama+RAG实现本地知识库：PDF解析与向量检索全流程指南 想要在本地构建智能知识库系统吗？Ollama结合RAG技术让你轻松实现PDF文档的智能解析与
人工智能大模型模型推理服务本地部署
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
