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 52 条 · 数据分析
清除筛选开源社区
FinRobot 同样来自 AI4Finance Foundation，定位是面向金融分析的大语言模型智能体平台。与 FinGPT 更偏模型和金融 NLP 基础能力不同，FinRobot 更强调“智能体工作流”：让多个 AI 角色围绕一个金融分析目标协作，例如拉取金融数据、整理公司基本面、比较同业、生成研究报告、输出图表和文本段落。项目提供了本地部署方式、命令行流程和 Web 界面示例，目标是把金融分析流程从单次问答推进到多步骤自动化。 从学习角度看，FinRobot 很适合
金融智能体 / 投研报告
开源社区
Qlib 是 Microsoft 开源的 AI 量化投资平台，目标是支持从研究想法到生产化实现的完整量化流程。它覆盖数据处理、特征工程、模型训练、策略回测、组合构建、风险分析等环节，并支持监督学习、市场动态建模、强化学习等多种范式。相比单个模型项目，Qlib 更像一个量化研究操作系统。 Qlib 的重要价值在于把“金融 AI 项目工程化”展示得比较完整。很多金融 AI 学习只停留在 notebook 或单个模型，但真实机构需要数据版本、特征管理、训练流程、回测框架、评估指标和
AI 量化投研平台
开源社区
FinRL 是 AI4Finance Foundation 的经典开源项目，专注金融强化学习。它把股票交易、组合管理等金融决策问题抽象成强化学习环境：智能体观察市场状态，采取买入、卖出、持有或调仓动作，然后根据收益、风险和交易成本获得奖励。项目包含数据处理、环境构建、算法训练、回测评估等模块，是学习“AI 如何在连续金融决策中训练策略”的代表性项目。 FinRL 的价值不只是交易策略本身，而是提供了一种完整的金融 AI 实验范式：先定义市场环境，再定义动作空间和奖励函数，再训
强化学习交易
开源社区
OpenBB 是一个开源金融数据平台，面向分析师、量化人员和 AI 智能体提供统一的数据访问能力。它整合多类金融数据源，并通过 Python、CLI 等方式让用户读取市场数据、公司数据、经济数据和其他分析所需信息。OpenBB 的新定位已经不仅是“开源金融终端”，也在强调作为 AI Agent 的金融数据底座。 对金融 AI 学习者来说，OpenBB 的价值在于提醒我们：大模型或智能体要做金融分析，第一步不是“会聊天”，而是能稳定、合规、可追溯地拿到数据。很多金融 AI 项目
金融数据平台 / AI Agent 数据底座
开源社区
Freqtrade 是一个成熟的开源加密资产交易机器人，支持策略编写、回测、模拟交易、实盘交易、资金管理、图表展示和 Telegram/Web UI 控制。项目中的 FreqAI 模块进一步引入机器学习能力，用于训练预测模型、生成市场预测特征、自动重训练、异常值处理和策略优化。虽然它主要面向加密资产交易，但其工程结构对理解交易自动化和机器学习策略很有帮助。 Freqtrade 的学习价值在于它非常工程化：不仅有模型或策略，还包含交易执行、回测、风控参数、运行监控、异常恢复等真
开源交易机器人 / 机器学习策略
开源社区
Alpha-Agent 是 LLMQuant 组织下的多智能体量化投资研究框架，定位是用大语言模型和多智能体流程辅助 Alpha 研究。项目尝试自动完成从研究报告和论文中抽取想法、识别市场状态、检索相关策略、生成代码、调试错误、接入 Qlib 回测等步骤。它代表了金融智能体从“问答助手”走向“研究流程自动化”的方向。 Alpha-Agent 的特点是把金融知识库、市场状态、策略生成和回测连接起来。对金融 AI 学习者来说，它是观察“LLM + 量化研究 + 工具调用”的好样本
多智能体 Alpha 研究
开源社区
edgarmcp 是一个面向 SEC EDGAR 的开源 MCP 服务，可以让 AI 客户端实时查询、读取和检索美国上市公司披露文件。它提供 get_filings、read_document、search_filings、view_financials、search_edgar 等工具，支持读取 filings、附件、注释、XBRL 财务报表，并提供可点击引用。项目创建于 2026 年，属于较新的“金融数据 + MCP + AI 工具调用”方向。 这个项目很适合学习 AI
SEC EDGAR MCP 服务
开源社区
KYC Analyst 是一个开源 KYC/AML 合规自动化项目，目标是帮助合规分析师完成客户准入中的重复性任务，例如制裁筛查、PEP 检查、负面新闻检索、公开公司资料查询、风险评分和报告生成。项目特别强调 17 个人工复核 checkpoint，明确 AI 只是辅助，最终判断仍由训练有素的分析师控制。这一点非常符合金融合规场景的真实要求。 它的价值不在于“完全自动批准客户”，而在于展示 KYC 工作流如何被拆解和编排。传统 KYC 经常需要分析师在多个公开数据源和内部系统
KYC/AML 合规自动化
开源社区
ixbrl-parse 是一个用于解析 inline XBRL 文件的 Python 库。iXBRL 是把机器可读 XBRL 标签嵌入人类可读 HTML 报告中的披露格式，常用于公司财报和监管披露。这个项目帮助使用者从 iXBRL 文件中抽取有用数据，将披露文件里的财务事实、标签和上下文转换成更易处理的结构化数据。 它不是大模型项目，但对金融 AI 非常关键。很多财报问答、财务指标计算、企业风险分析和投研助手都需要可靠财务数据。如果只让大模型读 PDF 或 HTML，可能错过
iXBRL 财报解析
开源社区
FinNLP 是 AI4Finance Foundation 开源的金融互联网数据项目，定位是为金融 NLP、金融大模型和金融情绪分析提供数据采集、整理和实验管道。它并不是单一模型，而更像一个“金融文本数据工作台”：把新闻、社交媒体、公告、财经网站、行情相关文本等来源接入 Python 环境，再把这些数据转换成后续模型训练、微调、检索和分析可以使用的表格或文本格式。 这个项目值得放在“金融 + AI 数据底座”里，是因为很多金融 AI 项目真正的瓶颈不是模型，而是数据。银行想
金融互联网数据采集 / 金融 NLP 数据管道
开源社区
FinMind 是一个开源金融数据平台，主要提供台湾市场相关金融数据，同时也包含部分宏观、汇率、利率、大宗商品等数据。项目提供 Python SDK、API 和示例 notebook，帮助使用者用统一方式获取多类金融时间序列和基本面数据。它很适合放在本批次，因为它不是单纯模型项目，而是金融 AI 项目需要的数据源和数据服务样板。 对于学习金融 AI 的人来说，FinMind 的重要性在于展示“区域市场数据平台”应该怎么组织。金融数据往往具有强烈地区差异：交易所制度不同、字段名
开源金融数据平台 / 台股与宏观数据
开源社区
FinRL-Meta 是 AI4Finance 生态中的市场环境和数据集层，目标是为数据驱动的金融强化学习提供动态数据集、市场环境和基准。它与 FP-003 FinRL 关系紧密，但定位不同：FinRL 更偏强化学习交易算法和策略开发，FinRL-Meta 更偏“训练智能体之前的数据和环境怎么准备”。因此本批次把它作为数据底座项目单独收录，不算与 FinRL 重复。 强化学习在金融交易中很容易被误解为“让模型自己学会赚钱”。实际上，交易智能体能学到什么，很大程度取决于市场环境
金融强化学习数据集和市场环境
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 ↗。