GraphRAG Finance Assistant 是一个面向 SEC filings 和市场数据问答的 GraphRAG 项目，使用知识图谱 + 向量检索回答金融文档问题，并强调引用证据、企业合规层和 RAGAS 评估。项目架构中包含 API Gateway、Neo4j、search-service、LLM Gateway、build-service、sec-parser 等模块，更接近分布式金融智能应用，而不是单 notebook demo。

普通 RAG 往往把文档切成片段后向量检索，但金融问题经常跨公司、跨年份、跨文件、跨实体，例如“某公司的风险披露是否与竞争对手收入趋势相关”。GraphRAG 的价值在于把公司、指标、风险、事件、主题之间的关系显式建模，再结合向量检索做问答。

• SEC 文件 + 市场数据的 GraphRAG 金融助手。
• 使用 Neo4j 知识图谱表示实体、关系和主题社区。
• 结合图谱推理、向量检索、生成和引用证据。
• 包含 RAGAS 评估和合规层设计，便于学习企业级 RAG。

这个项目适合学习 RAG 从“文档检索”升级到“关系推理”的路径。银行从业者可以借鉴它构建客户、企业、行业、产品、风险事件、监管要求之间的知识图谱，用于授信分析、集团客户风险、产业链金融和合规问答。

• 上市公司跨文件风险分析。
• 对公客户集团关系和风险事件问答。
• 行业研究知识图谱。
• 银行内部制度、产品、流程、风险点 GraphRAG。

GraphRAG 成本和复杂度高于普通 RAG，图谱构建质量直接决定问答质量。实体抽取和关系抽取可能出错，错误关系会被放大。落地时必须设计图谱更新、人工校验、引用追溯和权限控制。