finance-agent

该项目是一个智能财务分析 Agent，核心思路是让大语言模型（DeepSeek）通过工具调用（Function Calling）自主决定分析步骤，最终输出带依据的结构化财务分析报告。 架构上，主循环位于 app/agent/loop.py：系统提示词与工具集一起发给 DeepSeek 的 chat(tools) 接口，模型返回 tool_calls 后由 dispatch 执行对应工具，结果作为 tool 消息回填，继续迭代直到得出答案。 工具集包含四类能力： - query_db(sql)：对 SQLite 财务库执行只读 SQL 查询，仅允许 SELECT / WITH / PRAGMA，禁止写入。 - calc_financial_model(model, ...)：计算毛利率、净利率、流动比率、速动比率、资产负债率、ROE、ROA、周转率、WACC、DCF、IRR、预期信用损失等财务指标，为纯 Python 实现，公式标准且可单元测试。 - rag_search(q)：基于 TF-IDF 的轻量检索，覆盖会计准则、审计、估值及机器学习/NLP 知识，语料存于 app/knowledge/corpus.json，不依赖向量数据库。 - run_python(code)：以子进程方式运行财务计算脚本，带超时与输出截断。 服务层使用 FastAPI，提供 GET /（网页界面）、POST /api/agent/analyze、GET /api/rag/search、GET /tools、GET /health 等接口。web/index.html 提供浏览器界面，输入问题后可显示分析报告与 tool_trace 调用过程。项目还包含 Dockerfile、GitHub Actions CI 工作流以及 pytest 测试。 快速开始流程为：安装 requirements-dev.txt 依赖，复制 .env.example 为 .env 并填入 DeepSeek API Key，运行脚本生成示例财务库，再用 uvicorn 启动服务。README 给出了健康检查、工具清单、RAG 检索和财务分析请求的 curl 示例。 工程规范方面，强调数据库查询强制只读、代码执行子进程隔离与超时、结构化 tool_trace 日志记录每次工具调用的名称、参数、结果与耗时，以及容器化部署和 CI 自动测试。项目定位为面向求职展示的财务信息化与 AI Agent 方向实践项目。