DB-GPT 财务报告智能问答用 AWEL 构建财报知识库与问答机器人工作流【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT本文基于官方文档 chat_financial_report.md讲解如何在 DB-GPT 中利用 AWEL 工作流搭建财务报告知识构建流水线 财报智能问答机器人这一完整应用。读完后你将掌握财报知识空间的创建方式FinancialReport领域类型、嵌入模型FIN_REPORT_MODEL配置方法、dbgpt app install安装财报应用工作流的具体步骤以及基本信息问答、财务指标计算、报告内容分析三类典型场景的落地方式。DB-GPT 中基于大模型的财报分析应用正在成为垂直领域的热门方向大模型不仅能比人类更准确地理解复杂的财务规则还能基于专业知识输出合理的分析结果。用 AWEL 构建两条工作流——财务报告知识构建工作流和财务报告智能问答工作流应用可以让用户实现以下三类能力回答财务报告的基本信息问题回答财务报告指标计算与分析类问题回答财务报告内容分析类问题。一、两条核心工作流的架构1. 财务报告知识构建工作流该工作流负责把上传的财报 PDF 自动切分成结构化的知识片段并入库是智能问答的数据基础。2. 财务报告智能问答机器人工作流该工作流接收用户提问按问题类型路由到不同的处理分支检索问答、指标计算、报告解读最终给出答复。这两条工作流对应的应用市场条目分别为financial-report-knowledge-factory知识构建流水线与financial-robot-app问答机器人应用在应用开发教程 data_analysis_app_develop.md 的可用 workflow 列表中也可以查到这两个条目。二、三类典型使用场景场景 1财报基本信息问答针对公司主营业务是什么报告期是哪一年这类基础事实型问题机器人从知识库中检索对应片段作答。场景 2财务指标计算针对毛利率是多少同比增长情况如何这类需要基于报表数据做数值计算的问题工作流会结合指标计算逻辑给出结果。场景 3财报内容分析针对这家公司经营状况如何风险点有哪些这类开放式分析问题机器人基于报告全文片段生成解读。三、安装与部署8 步完整流程Step 1确认版本要求确保你的 DB-GPT 版本 0.5.10。Step 2升级 Python 依赖财报解析链路依赖两个额外库pip install pdfplumber pip install fuzzywuzzy其中pdfplumber用于 PDF 文本与表格抽取fuzzywuzzy用于字段模糊匹配——从源码结构看这两者正是财报知识构建流水线解析 PDF、对齐报表字段所需的底层能力。Step 3从 dbgpts 应用市场安装财报应用# install poetry pip install poetry # install financial report knowledge process pipeline workflow and financial-robot-app workflow dbgpt app install financial-robot-app financial-report-knowledge-factory一条命令同时安装两条工作流应用financial-report-knowledge-factory财报知识构建流水线与financial-robot-app财报问答机器人。Step 4下载并配置嵌入模型从 ModelScope 官方站点下载预训练嵌入模型模型仓库名AI-ModelScope/bge-large-zh-v1.5放到本地路径后在启动环境变量中配置#*******************************************************************# #** FINANCIAL CHAT Config **# #*******************************************************************# FIN_REPORT_MODEL/app/DB-GPT/models/bge-large-zh-v1.5该变量的源码依据在 config.pyself.FIN_REPORT_MODEL os.getenv(FIN_REPORT_MODEL, None)即在dbgpt._private.config的Config类中从环境变量读取默认为None。这表明该配置方式在当前仓库版本中仍然有效财报知识检索会使用这一专用嵌入模型而非全局默认嵌入模型。Step 5创建知识空间选择FinancialReport领域类型在知识空间管理界面新建空间时将领域类型domain type选为FinancialReport。源码层面FinancialReport是预定义的领域类型常量见 configs/init.pyDOMAIN_TYPE_FINANCIAL_REPORT FinancialReport知识空间创建请求KnowledgeSpaceRequest中的domain_type字段默认为Normal见 request.py。选择FinancialReport后空间会走财报专属的处理链路从知识服务源码 service.py 可以推断当空间被删除时系统会额外清理与该空间绑定的本地财报结构化数据库{space.name}_fin_report——这意味着财报空间除了向量知识库外还会落一份供指标计算使用的结构化本地数据库这正是财务指标计算场景能够成立的数据基础。Step 6上传财报 PDF上传docker/examples/fin_report目录下的示例财报。该目录的pdf子目录内置了 5 份 A 股上市公司 2019 年年度报告例如 海翔药业 2019 年年度报告 等可直接用于验证流程。如需使用更完整的财报数据集可从 ModelScope 官方站点下载数据集名modelscope/chatglm_llm_fintech_raw_datasetgit clone http://www.modelscope.cn/datasets/modelscope/chatglm_llm_fintech_raw_dataset.gitStep 7等待自动切分上传后系统会执行自动切分automatic segment把 PDF 解析为知识片段与结构化数据需等待切分完成。Step 8与财报对话此时即可在会话界面中针对上传的财报进行提问覆盖前文所述的三类场景。四、适用前提与限制说明结合原文档与当前仓库源码使用该应用需注意以下前提版本前提官方文档要求 DB-GPT 0.5.10当前仓库中FIN_REPORT_MODEL配置项与FinancialReport领域类型常量均仍保留在核心代码中说明该功能链路未被移除。模型依赖需要单独下载bge-large-zh-v1.5嵌入模型并正确设置FIN_REPORT_MODEL环境变量路径需为容器/进程可访问的本地路径文档示例为/app/DB-GPT/models/bge-large-zh-v1.5。依赖库pdfplumber与fuzzywuzzy是财报 PDF 解析链路的必要依赖需按 Step 2 安装。领域类型绑定知识空间必须显式选择FinancialReport领域类型才能触发财报专属的解析与结构化落库逻辑普通Normal空间不启用该链路。五、相关入口与延伸阅读本文主文档chat_financial_report.md示例财报数据集目录docker/examples/fin_report/pdf财报知识领域类型常量configs/init.py财报空间专属清理逻辑knowledge/service.py嵌入模型环境变量定义config.py财报相关技能指标计算脚本与报告模板financial-report-analyzer/SKILL.md【免费下载链接】DB-GPTopen-source agentic AI data assistant for the next generation of AI Data products.项目地址: https://gitcode.com/GitHub_Trending/db/DB-GPT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考