इस प्रोजेक्ट के बारे में

यह परियोजना एक बुद्धिमान वित्तीय विश्लेषण Agent है, जिसका मूल विचार यह है कि बड़े भाषा मॉडल (DeepSeek) को टूल कॉलिंग (Function Calling) के माध्यम से विश्लेषण चरणों का स्वायत्त निर्धारण करने दिया जाए, और अंततः आधार सहित संरचित वित्तीय विश्लेषण रिपोर्ट आउटपुट की जाए। आर्किटेक्चर में, मुख्य लूप app/agent/loop.py में स्थित है: सिस्टम प्रॉम्प्ट और टूल सेट को एक साथ DeepSeek के chat(tools) इंटरफ़ेस पर भेजा जाता है, मॉडल द्वारा tool_calls लौटाए जाने के बाद dispatch संबंधित टूल को निष्पादित करता है, परिणाम tool संदेश के रूप में वापस भरा जाता है, और उत्तर प्राप्त होने तक पुनरावृत्ति जारी रहती है। टूल सेट में चार प्रकार की क्षमताएँ शामिल हैं: - query_db(sql): SQLite वित्तीय डेटाबेस पर केवल-पठन SQL क्वेरी निष्पादित करता है, केवल SELECT / WITH / PRAGMA की अनुमति है, लेखन निषिद्ध है। - calc_financial_model(model, ...): सकल मार्जिन, शुद्ध लाभ मार्जिन, चालू अनुपात, त्वरित अनुपात, ऋण-से-संपत्ति अनुपात, ROE, ROA, टर्नओवर दर, WACC, DCF, IRR, अपेक्षित क्रेडिट हानि आदि वित्तीय संकेतकों की गणना करता है, शुद्ध Python कार्यान्वयन है, सूत्र मानक हैं और यूनिट परीक्षण योग्य हैं। - rag_search(q): TF-IDF पर आधारित हल्की पुनर्प्राप्ति, लेखा मानकों, ऑडिट, मूल्यांकन तथा मशीन लर्निंग/NLP ज्ञान को कवर करती है, कॉर्पस app/knowledge/corpus.json में संग्रहीत है, वेक्टर डेटाबेस पर निर्भर नहीं है। - run_python(code): उप-प्रक्रिया के रूप में वित्तीय गणना स्क्रिप्ट चलाता है, टाइमआउट और आउटपुट ट्रंकेशन के साथ। सेवा परत FastAPI का उपयोग करती है, GET / (वेब इंटरफ़ेस), POST /api/agent/analyze, GET /api/rag/search, GET /tools, GET /health आदि इंटरफ़ेस प्रदान करती है। web/index.html ब्राउज़र इंटरफ़ेस प्रदान करता है, प्रश्न दर्ज करने के बाद विश्लेषण रिपोर्ट और tool_trace कॉल प्रक्रिया प्रदर्शित की जा सकती है। परियोजना में Dockerfile, GitHub Actions CI वर्कफ़्लो और pytest परीक्षण भी शामिल हैं। त्वरित आरंभ प्रक्रिया इस प्रकार है: requirements-dev.txt निर्भरताएँ स्थापित करें, .env.example को .env में कॉपी करें और DeepSeek API Key भरें, नमूना वित्तीय डेटाबेस उत्पन्न करने के लिए स्क्रिप्ट चलाएँ, फिर uvicorn से सेवा प्रारंभ करें। README में स्वास्थ्य जाँच, टूल सूची, RAG पुनर्प्राप्ति और वित्तीय विश्लेषण अनुरोध के curl उदाहरण दिए गए हैं। इंजीनियरिंग मानकों के संदर्भ में, डेटाबेस क्वेरी को अनिवार्य रूप से केवल-पठन रखने, कोड निष्पादन उप-प्रक्रिया अलगाव और टाइमआउट, प्रत्येक टूल कॉल के नाम, पैरामीटर, परिणाम और समय को रिकॉर्ड करने वाली संरचित tool_trace लॉगिंग, तथा कंटेनरीकृत परिनियोजन और CI स्वचालित परीक्षण पर जोर दिया गया है। परियोजना नौकरी खोज प्रदर्शन के लिए वित्तीय सूचनाकरण और AI Agent दिशा में एक अभ्यास परियोजना के रूप में स्थित है।