>> 國金證券-大模型賦能投研之十一：Dify，全自動投研工作流可視化構(gòu)建-250513
| 上傳日期： |
2025/5/14 |
大?。?/td>
| 4169KB |
| 格式： |
pdf 共25頁 |
來源： |
國金證券 |
| 評級： |
-- |
作者： |
高智威 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
隨著生成式AI技術(shù)的快速發(fā)展，金融行業(yè)也正積極探索大模型在各類業(yè)務(wù)場景中的應(yīng)用落地。當(dāng)前也出現(xiàn)了許多應(yīng)用產(chǎn)品能提升各環(huán)節(jié)的工作效率，然而產(chǎn)品類型主要屬于智能客服、金融知識問答這些，核心優(yōu)勢也主要在于其背后的數(shù)據(jù)庫質(zhì)量，本質(zhì)上依然屬于“工具”而非“應(yīng)用”，還未真正發(fā)揮大模型自身具備的豐富潛力。而Manus、DeepResearch這類產(chǎn)品展現(xiàn)了大模型成為真正通用或?qū)I(yè)化智能體的可能性，這也是它們曾帶來轟動的原因。如何更進(jìn)一步搭建金融領(lǐng)域的專業(yè)Agent？
為什么我們需要Dify？
Dify作為專業(yè)化的工作流應(yīng)用搭建工具，其高自由度、模塊化與低代碼的產(chǎn)品特征使其能充分解決大模型在金融投研領(lǐng)域落地的痛點：處理流程長、信息整合度高、高度數(shù)據(jù)依賴。Dify兼顧了專業(yè)化與便捷性，不僅相比此前的LangChain等框架有大幅效率提升，在同類產(chǎn)品的橫向比較中同樣定位突出，成為構(gòu)建金融AI投研應(yīng)用的首選。當(dāng)然，Dify也保持著高度的可拓展性，能與RAGFlow這類專業(yè)化知識庫相連接，也能支持MCP工具接入，可進(jìn)一步拓寬應(yīng)用的能力邊界。
強(qiáng)大的功能與簡單的配置
我們對Dify內(nèi)部的工具、知識庫、Agent與工作流等關(guān)鍵功能進(jìn)行詳細(xì)介紹，展示了其中自定義工具、搭建Agent與工作流等操作的具體方法。Dify允許多樣化的工具來源，除了官方提供的工具接口外，也可以通過MCP、自定義等方式連接工具，甚至允許將用戶自己構(gòu)造的工作流作為工具重復(fù)使用。工作流中我們也可選擇功能豐富的節(jié)點，低代碼完成AI應(yīng)用的搭建。同時，我們也對部署本地版Dify、配置大模型接口、構(gòu)建知識庫等基礎(chǔ)操作進(jìn)行展示，并對諸如文檔分塊、檢索算法等可能影響應(yīng)用效果的節(jié)點進(jìn)行說明。
應(yīng)用構(gòu)建實戰(zhàn)——Dify為投研應(yīng)用帶來豐富想象空間
最終，我們結(jié)合三個案例，展示了Dify應(yīng)用的巨大想象空間。
第一個案例，我們設(shè)計了“時間提取”工具，解決了自然語言對話中存在的時間范圍指代模糊的問題，能自動識別解決用戶需求所需要的確切數(shù)據(jù)時間范圍。該工具可以嵌套進(jìn)任意其他工作流或Agent之中，實現(xiàn)重復(fù)使用。
第二個案例，我們設(shè)計了專業(yè)化的“金融分析師”。它首先會對用戶提問的范疇進(jìn)行劃分，確認(rèn)是“個股”、“行業(yè)”、“概念”還是“宏觀”類問題，再分別接入相對應(yīng)的細(xì)分流程進(jìn)行針對性分析。每個細(xì)分流程則會有專門設(shè)計的Agent進(jìn)行分析工作，它們運行流程、知識庫、工具與提示詞等方面都有所不同，能最大化專業(yè)程度。
第三個案例，我們介紹了“地理信息檢索”Agent，展示Dify在搭建投研應(yīng)用方面的巨大潛力。該Agent可以對年報中出現(xiàn)的地址進(jìn)行經(jīng)緯度定位，并同時搜索附近區(qū)域內(nèi)出現(xiàn)的目標(biāo)地點，譬如我們在案例中設(shè)定的“養(yǎng)殖場”這一目標(biāo)。本質(zhì)上，但凡是涉及金融與其他領(lǐng)域信息整合的需求，都可以在Dify的輔助下更高效完成。
整體而言，Dify易于上手也兼具專業(yè)性，為金融應(yīng)用帶來了豐富的想象空間，是目前搭建大模型投研應(yīng)用的最佳選擇。
風(fēng)險提示
本次研究基于v1.3.0版本的Dify進(jìn)行，未來版本更新可能帶來功能變化；知識庫的具體表現(xiàn)結(jié)果受到模型選擇影響，不同模型配置下知識庫效果可能存在差異；大語言模型使用可能會受到限制，模型輸出結(jié)果具有一定波動性；本次研究中的推薦參數(shù)與模型選擇、任務(wù)需求等具體情形有關(guān)，在具體使用中應(yīng)根據(jù)情況及時調(diào)整
|
|
