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 126 条
清除筛选开源社区
FinLLMs 是一个围绕金融大语言模型的资源整理项目，来自《Large Language Models in Finance》相关工作。它不是单个模型或数据集，而是系统梳理金融 LLM 的历史、技术路线、数据集、benchmark、任务、机会与挑战。 这个项目适合作为金融 AI 学习地图。前面收录的 FinGPT、XuanYuan、DISC-FinLLM、PIXIU、FinEval、CFLUE、OpenFinData 等项目，都可以放回 FinLLMs 的框架里理解：哪些属
金融大模型资源图谱 / 数据集与基准索引
开源社区
AI Hedge Fund 是一个非常受关注的 LLM 多智能体投研概念验证项目。它把不同投资风格的人物或角色抽象成智能体，例如价值投资、成长投资、宏观风险、基本面分析、技术分析、情绪分析、估值分析等，再让这些智能体共同形成交易或投资判断。 这个项目的教育意义大于交易意义。它让学习者看到，金融智能体不一定是一个“万能助手”，也可以拆成多个角色：有人看财务报表，有人看估值，有人看新闻情绪，有人看技术指标，有人做组合和风险汇总。这种职责拆分很接近真实投研团队的工作方式。 对银行学
LLM 多智能体投研 / 交易决策
开源社区
TradingAgents 是一个多智能体 LLM 金融交易框架，论文和仓库都围绕“用大模型智能体模拟交易公司协作流程”展开。它把基本面分析师、情绪分析师、技术分析师、研究员、交易员、风险管理团队等角色组织起来，让不同智能体围绕市场信息进行讨论、争辩和决策。 这个项目比简单的“LLM 选股机器人”更值得学习，因为它强调协作结构和流程。真实金融机构中，交易决策往往不是单人判断，而是研究、交易、合规、风控、组合管理多个角色共同作用。TradingAgents 把这些角色抽象成可运
多智能体 LLM 金融交易框架
开源社区
Swarm Trader 是基于 AI Hedge Fund 扩展的多智能体 AI 交易系统，强调双模式交易、多个投资风格智能体、免费数据源和 Alpaca paper trading 执行。它使用 SEC EDGAR 和 yfinance 作为免费数据层，并引入代码强制的风险管理层，避免智能体绕过硬性风控规则。 这个项目值得收录，是因为它把“智能体分析”和“交易执行风险”放到同一系统里。很多金融 agent 演示只停留在生成报告或建议，而 Swarm Trader 进一步考
多智能体交易系统 / 免费数据源 / 风控执行
开源社区
OpenAlice 是一个面向多资产交易的 AI 交易智能体项目，定位为“一个人的华尔街”。它覆盖股票、加密资产、大宗商品、外汇和宏观等资产类别，并强调从研究、入场、持仓管理到退出的全生命周期，而不是只给一个买卖信号。 项目的一个重要特点是强调本地运行和用户控制。交易涉及私钥、账户和真实资金，OpenAlice 的 README 明确提醒实验性和风险，并强调每笔交易需要版本历史、安全检查和用户显式批准。这一点对金融 AI 治理非常有启发。 与一些只输出交易观点的项目相比，Op
AI 交易智能体 / 全生命周期交易管理
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
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 ↗。