LLaMA3 Financial Analyst 是一个基于 Llama-3 的金融分析项目，把 LoRA 参数高效微调与 SEC 10-K 文件 RAG 管道结合起来，用于回答上市公司年报相关复杂问题。项目处理 10-K 中的风险因素和 MD&A 等部分，并使用开源 embedding 模型进行语义检索。

这个项目适合学习“微调 + RAG”的组合。很多金融应用只做 RAG，模型本身未必适应金融问答格式；也有项目只做微调，却缺少最新资料引用。LLaMA3 Financial Analyst 尝试把两者结合：模型通过金融问答数据适配任务，RAG 负责提供具体公司文件上下文。

对银行场景来说，这种组合可以迁移到年度报告分析、对公客户尽调、行业研究和风险提示生成。用公开 10-K 做学习样本很安全，后续如果换成银行内部授信材料，则要额外加入脱敏、权限和审计。

• 项目方向是：SEC 10-K RAG / LoRA 金融分析，核心学习问题是：如何把 LoRA 微调、SEC 文件检索和金融问答组合成分析师助手。
• 能帮助理解金融场景中数据、模型、检索、推理、智能体、知识图谱或评测之间的衔接方式。
• 适合用公开数据做原型学习，再思考如何迁移到银行内部制度、产品、客户、风控或运营场景。
• 项目地址：https://github.com/mirabdullahyaser/LLaMA3-Financial-Analyst。 ↗
• 开源协议标注为：未明确标注；若协议未明确，建议仅作学习研究参考。

重点学习 LoRA 微调解决什么问题、RAG 解决什么问题。前者提升任务格式和领域表达，后者提供可追溯上下文，两者不是互相替代。

还可以学习 SEC 文件切块和检索范围设计。财报长文档中不同 section 的用途不同，风险因素、管理层讨论、财务表格需要不同处理方式。

• 上市公司 10-K/年报问答助手。
• 对公客户公开资料尽调和风险摘要。
• 金融 RAG 与微调组合实验。
• 财报风险因素、MD&A 和经营变化分析。
• 银行内部文档助手的公开数据原型。

项目偏 notebook 和研究原型，生产化能力有限。SEC API、模型权重、GPU、外部 embedding 依赖都需要额外配置；模型答案即使有 RAG，也可能引用不完整或解释错误。