页面准备好后会自动显示。等待期间仍可使用顶部导航切换。
SEEKINGDAO / FIELD NOTES
从真实业务出发，看清 AI 如何落地。读懂做法、成效与边界，把案例变成自己的判断。
它解决了什么业务问题？用了哪些数据？披露的效果是实绩、试点，还是计划？
THE INDEX
找到 57 条 · 智能体
清除筛选开源社区
TradingGoose Studio 是一个开源的技术分析 + LLM 交易工作流平台，强调用可视化画布把行情、技术指标、AI agent、交易动作、API 集成等模块连接起来。它不是单一策略库，而更像一个面向交易研究和自动化的低代码/可视化工作台。 这个项目值得学习，因为它展示了金融 AI 从“脚本”走向“工作流平台”的形态。未来银行内部很多 AI 应用也可能不是一个模型接口，而是由数据源、规则、模型、人工审核、通知、报表和审批节点组成的流程。可视化工作流有助于非技术人员
技术分析 + LLM 交易工作流平台
开源社区
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
SEC 10-K RAG / LoRA 金融分析
开源社区
SEC Filings RAG Assistant 是一个面向 SEC 10-K/10-Q 文件的 RAG 助手项目，流程包括下载 EDGAR 报告、解析和清洗 HTML、切分文档、生成 embedding、写入 ChromaDB，并在回答问题时返回带来源引用的结果。 它的价值在于流程完整且贴近金融文档问答。很多 RAG 示例只演示上传 PDF 后问答，但金融披露文件非常长、格式复杂、章节结构明显，且答案必须可追溯。这个项目把解析、清洗、分块、检索、多样性召回和引用格式都拆开
SEC 文件 RAG / 引用型问答
开源社区
Financial Document Analyzer 是一个 AI 财务文档抽取平台，支持银行流水、发票和收据等文档上传，并使用 Google Gemini 抽取结构化 JSON。它采用 Next.js、TypeScript、Supabase、Trigger.dev 等现代 Web 技术栈，面向多租户组织和后台处理流程。 这个项目适合补充“金融文档智能”方向。银行和企业财务中有大量半结构化文件：银行对账单、发票、收据、报销凭证、流水清单、结算单。传统 OCR 只能识别文字，
AI 财务文档抽取 / 银行流水与票据结构化
开源社区
Lumio 是一个开源财务数据平台，面向银行流水导入、交易处理、报表分析和协作工作区。它强调自托管、隐私、bank statements、transaction processing 和 reporting，适合放在金融 + AI 数据工程与运营自动化方向。 与单纯的 bank statement parser 不同，Lumio 更像一个财务运营平台：导入流水后，还要处理交易、生成报表、支持团队协作和权限管理。对银行或企业财务来说，数据从文件进入系统只是第一步，后面还有分类、
银行流水导入 / 财务运营数据平台
开源社区
Financial Knowledge Graph 是一个基于 yfinance 数据构建金融知识图谱的项目，把公司、股价和财务指标转换成图数据库 schema，并存储在 Memgraph 中。项目还提供 MCP server，使 AI agent 可以查询图谱数据。 这个项目的意义在于把金融数据从表格变成图。金融关系天然是网络结构：公司—行业—股东—指标—价格—新闻—事件—供应链—客户—风险。用图数据库表达关系后，AI 不只检索文本，还可以沿关系链查询和推理。 对银行来说，
金融知识图谱 / MCP / 图数据库
开源社区
HiDy 是 K-Quant 团队开源的大规模层次化动态金融知识库，包含多类实体和关系，并按宏观、产业、中观、公司等层次组织金融知识。项目页面提到数十万关系和多类实体，目标是为金融任务提供可检索、可评测的知识基础。 这个项目适合与 FinRED、FIRE、Financial Knowledge Graph 一起阅读。FinRED 和 FIRE 更偏从文本中抽取实体关系，Financial Knowledge Graph 更偏用公开行情/财务数据建图，而 HiDy 更强调层次化
层次化动态金融知识库
开源社区
AKShare 是国内非常常用的开源财经数据接口库，覆盖股票、期货、期权、基金、债券、外汇、宏观、新闻、指数和另类数据等多类公开数据源。它的价值不在于提供预测模型，而在于让金融 AI 项目能快速获得结构化数据。 金融 AI 项目往往卡在数据层：行情、财务、宏观、行业、公告和新闻分散在不同网站，格式也不统一。AKShare 用统一 Python API 把这些数据拉进 DataFrame，适合做金融数据探索、量化研究、RAG 数据准备和模型特征工程。 对银行学习者来说，AKSh
开源财经数据接口 / 中国市场数据
开源社区
TuShare 是国内较早也较有影响力的金融数据接口项目，主要面向中国股票、基金、期货、指数、宏观等数据。它把大量金融数据整理成可通过 Python 调用的接口，长期被用于量化研究、教学和数据分析。 与 AKShare 类似，TuShare 的核心意义是数据工程。金融 AI 不是只靠模型，首先要有稳定、可追溯、字段清楚的数据输入。TuShare 可以帮助学习股票代码、交易日历、行情、财务指标、复权、公告和基础资料如何被组织成可分析数据。 对银行从业者来说，TuShare 也可
中国金融数据采集与清洗
开源社区
easyquotation 是一个用于获取股票实时行情的开源 Python 项目，曾被很多量化学习者用于快速接入 A 股、港股等行情数据。它的代码相对轻量，适合理解行情接口、实时数据抓取和简单监控。 在金融 AI 项目里，实时数据和历史数据同样重要。历史数据适合训练和回测，实时数据则用于监控、预警、触发工作流和生成当日市场解读。easyquotation 提供了一个轻量入口，帮助学习者理解实时行情如何进入程序。 对银行来说，实时行情可用于财富管理产品监控、市场风险提示、客户持
实时行情数据接口
开源社区
PyPortfolioOpt 是 Python 生态中非常常用的组合优化库，封装了均值方差优化、有效前沿、Black-Litterman、层次风险平价、预期收益估计和风险模型等功能。它把金融工程中的资产配置方法做成了易用 API。 金融 AI 学习不能只关注预测，还要关注预测如何转化为组合。即使模型能预测某些资产收益，也需要决定权重、约束、风险预算、再平衡和交易成本。PyPortfolioOpt 正好帮助理解从信号到组合的中间层。 对银行财富管理来说，组合优化是非常核心的知识
组合优化 / 资产配置
开源社区
skfolio 是一个面向组合优化和风险管理的 Python 库，设计风格接近 scikit-learn，支持多种优化器、风险度量、交叉验证、模型选择和可视化。它把资产配置问题做成更接近机器学习工作流的形式。 它的价值在于连接金融工程和机器学习工程。传统组合优化常停留在公式和单次计算，而 skfolio 更强调 estimator、pipeline、cross-validation 和模型比较，这对金融 AI 非常重要，因为模型需要验证、调参和样本外测试。 对银行来说，skf
机器学习风格组合优化与风险管理
内容整理自金融 AI 长期进化实验室。银行用例、开源项目与 Skill 工作流分开展示；商业合作、计划和试点的表述按原分析保留，披露指标不等同于独立审计结果。
业务分类和技术标签按公开规则归纳；同机构不同项目、同名但来源不同的 Skill 独立保留。总览与正文只计一次，相同机构项目或相同上游路径合并并保留来源版本。当前 462 条来源记录，合并 0 条重复记录。
每日检查公开仓库，更新时保留上一版有效内容；如果来源删除已有记录或结构发生变化，暂停覆盖，等待核对。最近检查：2026/11/14（香港时间）。当前来源修订：06778e55 ↗。