FinSight AI

FinSight 是一个专为股票投研场景设计的开源 AI Agent 后端平台。它不仅仅是一个简单的 LLM 调用演示，而是一个展示了生产级 AI 系统工程能力的完整解决方案。通过实现证据驱动的研报生成、可恢复的长链路工作流、高并发控制及可追溯的 RAG 评测，FinSight 为构建可信、稳健的金融 AI 应用提供了最佳实践参考。

核心亮点：工程化而非玩具化

1. 证据驱动的可信研报

• 拒绝黑盒：AI Brief 输出包含评级、置信度、核心理由及风险点，每一结论均绑定可追溯的证据 Chunk（来自公告、财报及结构化数据）。
• 版本化缓存：报告缓存不仅基于 Prompt，更绑定 dataSnapshotHash，确保数据快照与结论的一致性，避免数据更新导致的结论过时。

2. 健壮的任务治理与并发控制

• 可恢复工作流：将数据采集、指标计算、索引、画像、研报生成拆分为独立阶段，支持状态机追踪、失败重试及 Dead Letter 处理。
• Redis Lua Single-flight：通过幂等 Key、Lease Owner 及 Fencing Token，防止多实例环境下昂贵 AI 任务的重复执行及缓存击穿。
• 透明化监控：前端直接暴露 Task 状态机、Attempts、Lease 信息等，让并发控制逻辑“可见”。

3. 混合检索与精准评测

• PostgreSQL/pgvector 混合召回：结合 JSONB 全文检索与向量相似度搜索，提升证据检索的准确率与覆盖率。
• 全方位 RAG 评测：内置命中率、证据覆盖率、答案一致性、幻觉风险及置信度校准等指标，量化 AI 输出质量，告别主观判断。

产品全景：机构级投研控制台

FinSight 自带一个功能完备的前端 Dashboard，直观展示后端能力：

• 行情与 AI 结论：输入股票代码，查看真实 K 线（含离线 Fallback）、均线、成交量及 AI 生成的投研简报。
• 工作流可视化：实时追踪 Research Task 的生命周期（创建 -> 采集 -> 计算 -> 索引 -> 生成 -> 完成）。
• 证据链追踪：点击报告中的引用，直接定位至原始文档片段，支持财务风险信号与健康卡片（盈利、成长、现金流、负债）的深度钻取。
• 智能图谱：展示事件、实体及关系网络，辅助发现潜在关联风险。

技术架构

• Backend: Spring Boot (Java 17) – 负责 API、工作流编排、指标计算及 RAG 逻辑。
• AI Service: FastAPI (Python 3.12) – 负责文档解析、Embedding、Rerank 及 LLM 生成（支持 Ollama/Qwen2.5）。
• Infrastructure:
  • PostgreSQL + pgvector: 结构化数据存储与向量检索。
  • Redis: 缓存、分布式锁及 Single-flight 控制。
  • RabbitMQ: 异步任务队列与工作流调度。
  • Elasticsearch: 全文检索引擎。
  • MinIO: 非结构化文档存储。

快速开始：Docker 一键部署

1. 启动完整栈

git clone https://github.com/juanjuandog/FinSight-AI ~/work/FinSight-AI
cd ~/work/FinSight-AI
docker compose up -d --build

• 资源要求：建议预留 8GB+ 内存。
• 默认账号：PostgreSQL/RabbitMQ (finsight/finsight), MinIO (finsight/finsight123)。

2. 运行 Demo 数据流

./scripts/quick-demo.sh

• 该脚本将模拟完整的投研流程： ingestion -> metric calculation -> indexing -> AI analysis -> evaluation。
• 访问 http://localhost:8080 查看 Dashboard。

3. 本地轻量模式（无 Docker）

若仅需体验后端逻辑，可使用内存仓储：

cd backend
mvn spring-boot:run

• AI Sidecar：若未安装 Ollama，系统将返回确定性的规则兜底结果，不影响 Dashboard 运行。

适用场景

• 学习与面试：深入理解生产级 AI Agent 的后端架构设计，包括状态机、并发控制、缓存策略及评测体系。
• 金融科技原型：作为构建股票分析、财报解读、风险监控等金融 AI 应用的起点。
• 工程最佳实践参考：学习如何处理长链路任务、保证数据一致性、实现可追溯的 RAG 及量化 AI 效果。

对于希望构建可信、可维护、可观测 AI 系统的开发者而言，FinSight 是一个极具价值的开源参考项目。