Canada Banks RAG Chatbot 是一个面向加拿大银行公开报告的 RAG 聊天机器人项目，目标是帮助用户检索和理解 RBC、CIBC、TD 等加拿大主要银行发布的财务报告。项目使用 PDF 处理、向量存储、检索增强生成、对话记忆和 Streamlit 界面，并在说明中提到使用 AWS S3 存储报告、Bedrock 管理模型能力。

这个项目与本仓库的银行学习目标非常贴近，因为它不是泛泛的 PDF 问答，而是直接针对银行公开报告。它适合用来学习如何把多家银行年报、季报、ESG 报告、投资者材料放进知识库，然后围绕资本充足率、净息差、贷款组合、风险暴露、战略方向等问题做问答。

• 面向银行公开报告的 RAG 问答。
• 使用向量检索、对话记忆和 Streamlit UI。
• 关注银行报告摘要、洞察提取和信息检索。
• 体现云端存储、模型服务和安全环境的结合思路。

这个项目适合银行从业者学习“银行资料知识库”如何构建。可以观察它如何处理大量 PDF、如何切分文档、如何做向量检索、如何让用户用自然语言提问。它与本仓库后续“银行制度检索增强问答助手”实验方向高度相关。

• 银行年报和投资者材料问答。
• 同业银行经营指标对比。
• 银行风险披露摘要。
• 内部制度、产品手册、培训材料 RAG 原型参考。

公开银行报告通常篇幅很长、表格复杂、术语密集，RAG 容易漏掉表格或误读指标。若迁移到内部资料，必须处理权限、脱敏、版本控制和访问日志。对于监管指标和财务指标，模型回答必须返回来源页码或段落，不能只给结论。