2026必备！自考论文难题TOP10 AI论文平台深度测评
2026/1/6 20:23:06
对于LLM投研的很多项目，如果只是用不同角色的agents各自在不同角度调研，然后展开辩论或写报告，最后有个拿主意的LLM这样的，实际上感觉至少是要你提前是选好股的，否则就缺少横向对比其他股票的机会，会错判相对的高估低估问题。
借助LLM自然语言能力和推理分析能力的AI投研项目在流行兴起，在它们这些agents黑盒中，究竟有什么原理，我们都知道不可能完全使用LLM来全流程完成决策，所以LLM到底怎么扮演它的角色？
对https://github.com/TauricResearch/TradingAgents项目进行拆解，解读一下LLM的角色和能力，谈谈我的看法。
项目包装了很多角色，它这里工程化了公司投研的流水线，实际上是不是这样可以留言讨论。首先是分析师团队：
基本面分析师：
“你是一名研究员，负责梳理某公司过去一周的基本面信息。请撰写一份详尽的基本面报告，内容包括：
• 公司财务文件（资产负债表、现金流量表、利润表）
• 公司概况、基本财务指标、历史财务表现
等，以便让交易员对该公司的基本面有全景式、颗粒度足够细的认识。
不要只用‘趋势喜忧参半’这类空话，务必给出具体、细致、可辅助交易决策的洞察。
报告末尾请附一张 Markdown 表格，把关键信息条理清晰地汇总出来。
可用工具：- •
get_fundamentals– 获取公司综合基本面数据 - •
get_balance_sheet– 获取资产负债表 - •
get_cashflow– 获取现金流量表 - •
get_income_statement– 获取利润表
”
- •
这个分析基本就是再调用完工具之后，将工具结果一通提供给LLM，让LLM生成报告，做法相当于写文章时将一通调查好的资料塞给LLM，让它根据需求输出一样。其实如果解读不深的话，确实也用不上react。
那工具收集的信息是什么样的呢？如下：
| 函数 (Tool) | 主供应商 | 备选供应商 | 原始数据说明 |
|---|---|---|---|
get_fundamentals | Alpha Vantage (AV) | openai (GPT 二次摘要) | AV Company Overview 接口：提供市值、行业、员工数、52周高低、市盈率、股息、ROE、毛利率、EBITDA等50+个字段。 |
get_balance_sheet | Alpha Vantage (AV) | yfinance / SimFin (local) | AV Balance Sheet 接口：提供现金、短期投资、应收、存货、总负债、股东权益、保留盈余等数据，每季/每年。 |
get_cashflow | Alpha Vantage (AV) | yfinance / SimFin (local) | AV Cash Flow 接口：提供经营现金流、投资现金流、筹资现金流、CAPEX、自由现金流、股票回购等数据。 |
get_income_statement | Alpha Vantage (AV) | yfinance / SimFin (local) | AV Income Statement 接口：提供营收、COGS、毛利、研发/销售/管理费用、营业利润、净利润、EPS等数据。 |
那其实就好像将整个财务报告提供给了LLM，当然，由于已经是服务商提供的接口，就没有财务报告所需tokens那么大，而且额外提供些已经计算好的指标，毕竟LLM的乘除法不行。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。