منصوبے کے بارے میں

یہ پروجیکٹ ایک ذہین مالیاتی تجزیہ Agent ہے، جس کا بنیادی خیال یہ ہے کہ بڑے لینگویج ماڈل (DeepSeek) کو ٹول کالنگ (Function Calling) کے ذریعے تجزیہ کے مراحل خود مختار طور پر طے کرنے دیے جائیں، اور آخر میں ثبوت کے ساتھ منظم مالیاتی تجزیہ رپورٹ پیش کی جائے۔ آرکیٹیکچر کے لحاظ سے، مرکزی لوپ app/agent/loop.py میں موجود ہے: سسٹم پرامپٹ اور ٹول سیٹ ایک ساتھ DeepSeek کے chat(tools) انٹرفیس کو بھیجے جاتے ہیں، ماڈل tool_calls واپس کرتا ہے، پھر dispatch کے ذریعے متعلقہ ٹول چلایا جاتا ہے، نتیجہ tool پیغام کے طور پر واپس بھرا جاتا ہے، اور یہ عمل جواب ملنے تک جاری رہتا ہے۔ ٹول سیٹ میں چار قسم کی صلاحیتیں شامل ہیں: - query_db(sql): SQLite مالیاتی ڈیٹا بیس پر صرف پڑھنے والی SQL استفسار چلاتا ہے، صرف SELECT / WITH / PRAGMA کی اجازت ہے، تحریر ممنوع ہے۔ - calc_financial_model(model, ...): مجموعی منافع کا تناسب، خالص منافع کا تناسب، موجودہ تناسب، فوری تناسب، قرض اور اثاثہ تناسب، ROE، ROA، ٹرن اوور تناسب، WACC، DCF، IRR، متوقع کریڈٹ نقصان وغیرہ مالیاتی اشاریوں کا حساب لگاتا ہے، یہ خالص Python میں بنایا گیا ہے، فارمولے معیاری اور یونٹ ٹیسٹ کے قابل ہیں۔ - rag_search(q): TF-IDF پر مبنی ہلکی تلاش، جو اکاؤنٹنگ معیارات، آڈٹ، ویلیوایشن اور مشین لرننگ/NLP علم کا احاطہ کرتی ہے، مواد app/knowledge/corpus.json میں محفوظ ہے، ویکٹر ڈیٹا بیس پر انحصار نہیں کرتی۔ - run_python(code): ذیلی عمل کے طور پر مالیاتی حساب کتاب اسکرپٹ چلاتا ہے، ٹائم آؤٹ اور آؤٹ پٹ کٹوتی کے ساتھ۔ سروس لیئر FastAPI استعمال کرتی ہے، اور GET / (ویب انٹرفیس)، POST /api/agent/analyze، GET /api/rag/search، GET /tools، GET /health وغیرہ انٹرفیس فراہم کرتی ہے۔ web/index.html براؤزر انٹرفیس فراہم کرتا ہے، سوال درج کرنے کے بعد تجزیہ رپورٹ اور tool_trace کالنگ کا عمل دکھایا جا سکتا ہے۔ پروجیکٹ میں Dockerfile، GitHub Actions CI ورک فلو اور pytest ٹیسٹ بھی شامل ہیں۔ فوری آغاز کا عمل یہ ہے: requirements-dev.txt کی dependencies انسٹال کریں، .env.example کو .env میں کاپی کریں اور DeepSeek API Key درج کریں، نمونہ مالیاتی ڈیٹا بیس بنانے کے لیے اسکرپٹ چلائیں، پھر uvicorn سے سروس شروع کریں۔ README میں ہیلتھ چیک، ٹول فہرست، RAG تلاش اور مالیاتی تجزیہ کی درخواست کے curl مثالیں دی گئی ہیں۔ انجینئرنگ معیارات کے لحاظ سے، ڈیٹا بیس استفسار کو لازمی صرف پڑھنے والا رکھنے، کوڈ اجرا کو ذیلی عمل میں الگ تھلگ اور ٹائم آؤٹ کے ساتھ کرنے، ہر ٹول کال کا نام، پیرامیٹر، نتیجہ اور وقت کو منظم tool_trace لاگ میں ریکارڈ کرنے، نیز کنٹینرائزڈ ڈیپلائمنٹ اور CI خودکار ٹیسٹ پر زور دیا گیا ہے۔ پروجیکٹ کی حیثیت ملازمت کے لیے نمائش کے لیے مالیاتی معلوماتی نظام اور AI Agent سمت کے عملی پروجیکٹ کے طور پر ہے۔