✨新特性

  1. dbgpts发布金融财报的分析案例
借助大模型进行金融财报分析正在成为垂直领域的一个热门落地应用。大模型不仅能够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。通过<font style="color:#333333;">AWEL</font>构建金融财报知识构建workflow和财报智能答疑workflow app, 可以帮助用户回答财报的基础信息问题，财报指标计算分析问题以及财报内容分析问题。 效果展示：

v0.5.10 版本更新 - 图1

  • 财报基础信息回答

可以回答上市公司的基础信息，包括公司法定代表人，注册地址，联系邮箱，股票名称，股票代码等基础信息。

v0.5.10 版本更新 - 图2

  • 财报指标计算

可以计算上市公司财务指标，包括公司法资产负债率，营业成本率，毛利率，营业利润率，流动比率。

也可以计算公司研发投入指标，包括技术人员占比，财务人员占比，销售人员占比，企业硕士人员占比等。

v0.5.10 版本更新 - 图3

  • 财报内容分析

可以对公司财报内容进行分析，包括研发投入情况分析，公司注册变更情况等问题进行分析。

v0.5.10 版本更新 - 图4

使用步骤：

  1. 变更表结构
  1. USE dbgpt;
  2. ALTER TABLE  knowledge_space
  3.     ADD COLUMN `domain_type` varchar(50) null comment 'space domain type' after `vector_type`;
  1. 更新python依赖
  1. pip install pdfplumber fuzzywuzzy
  1. 从dbgpts安装知识构建workflow和财报问答机器人workflow
  1. # install poetry
  2. pip install poetry
  3. # install financial report knowledge process pipeline workflow
  4. dbgpt app install financial-report-knowledge-factory -U
  5. # install financial report  chat  pipeline workflow
  6. dbgpt app install financial-robot-app -U
  1. 下载预训练embedding模型，并在.env文件中进行设置
  1. git clone https://www.modelscope.cn/models/AI-ModelScope/bge-large-zh-v1.5
  1. #*******************************************************************#
  2. #**                     FINANCIAL CHAT Config                     **#
  3. #*******************************************************************#
  4. FIN_REPORT_MODEL=/app/DB-GPT/models/bge-large-zh-v1.5

5.启动dbgpt_server服务后，创建知识空间，选择金融领域

v0.5.10 版本更新 - 图5

6.上传公司金融年报/财报pdf, DB-GPT/docker/examples/fin_report/pdf/，如果想获取更多的pdf数据

  1. git clone http://www.modelscope.cn/datasets/modelscope/chatglm_llm_fintech_raw_dataset.git
  1. 支持更多的运行dbgpts的方式

支持本地模型运行 dbgpts，无需启动 DB-GPT 服务也可以运行安装的 dbgpts

更新对话应用

  1. dbgpt app install awel-flow-simple-streaming-chat -U

本地对话模式运行awel-flow-simple-streaming-chat

  1. dbgpt run flow --local chat \
  2. --name awel-flow-simple-streaming-chat \
  3. --model "gpt-3.5-turbo" \
  4. --messages "hello" \
  5. --stream

本地命令模式运行awel-flow-simple-streaming-chat

  1. dbgpt run flow --local cmd \
  2. --name awel-flow-simple-streaming-chat \
  3. -d '
  4. {
  5.     "model": "gpt-3.5-turbo",
  6.     "messages": "hello",
  7.     "stream": true
  8. }
  9. '

本地模式执行本地 AWEL 文件：

  1. dbgpt run flow --local --file simple_chat_app.py \
  2. chat \
  3. --name dbgpts_simple_chat_app \
  4. --model "gpt-3.5-turbo" \
  5. --messages "hello"

更多 dbgpts 细节可以查看文档：https://docs.dbgpt.site/docs/next/dbgpts/introduction

  1. 支持 **llama3.1**模型
  1. LLM_MODEL=meta-llama-3.1-8b-instruct
  1. 支持**internlm2.5**,**codegeex4-all-9b**模型
  2. 集成**OpenTelemetry**可观测工具

1.安装可观测模块

  1. pip install -e ".[observability]"

2.启动可观测服务

  1. docker run --rm --name jaeger \
  2.   -e COLLECTOR_ZIPKIN_HOST_PORT=:9411 \
  3.   -p 6831:6831/udp \
  4.   -p 6832:6832/udp \
  5.   -p 5778:5778 \
  6.   -p 16686:16686 \
  7.   -p 4317:4317 \
  8.   -p 4318:4318 \
  9.   -p 14250:14250 \
  10.   -p 14268:14268 \
  11.   -p 14269:14269 \
  12.   -p 9411:9411 \
  13.   jaegertracing/all-in-one:1.58
  1. 在.env文件进行配置
  1. TRACER_TO_OPEN_TELEMETRY=True
  2. OTEL_EXPORTER_OTLP_TRACES_ENDPOINT=http://localhost:4317

4.访问http://localhost:16686

v0.5.10 版本更新 - 图6

v0.5.10 版本更新 - 图7

🐞 Bug 修复

  1. 解决创建TuGraph子图命名问题
  2. 修复知识库参数context缺少问题
  3. 解决TuGraph构建问题
  4. 解决写日志问题

🛠️其他更新说明

  1. 官方英文文档支持多版本 docker 镜像构建，并提供跟随 main 分支更新的 dev版本文档。
  2. 官方英文文档支持Blog模块 https://docs.dbgpt.site/blog

✨**官方文档地址**

:::color2 英文

:::

Overview | DB-GPT

:::color2 中文

:::

概览

✨**致谢**

感谢所有贡献者使这次发布成为可能！

@A-Salty-Fish, @Aries-ckt, @Kain-90, @chenluli, @fangyinc and @shyusi

✨**附录**