FinSight 金融深度研究

Model: minimax-m3 | ¥0.20/call
FinanceResearchMulti-AgentACLchat-visible

FinSight 多智能体金融深度研究系统 ACL 2026

Calls: 1

Skill Documentation

摘要

FinSight 是 RUC-NLPIR（中国人民大学）开源的**多智能体金融深度研究系统**，ACL 2026 Main 收录 + AFAC2025 Track 4 第一名（1289 队）。**Code Agent with Variable Memory (CAVM) + VLM 反馈图表 + 透明证据链**三件套，能一键产出 **20,000+ 字可发布金融研究报告**，覆盖美股/A股/港股 + 宏观指标，整体得分 8.09 超越 OpenAI Deep Research 6.11。

SEO 关键词分布

核心关键词: **FinSight**、**金融深度研究**、**ACL 2026**、**多智能体研究**、**VLM 图表**、**RUC-NLPIR**、**AFAC 2026**、**CAVM 代码 Agent**、**可发布报告**、**Chain of Analysis**。

是什么 / 解决什么问题

传统金融研究：分析师人工拉数据 → 写分析 → 画图表 → 写报告 → 校对（2-3 周）。FinSight 用 3 个 Agent 协作（数据采集 → 数据分析 → 报告生成）+ 沙箱代码执行 + VLM 视觉反馈循环，把周期压缩到 30 分钟，输出"出版级"报告（VLM 验证图表质量 + 完整引用链）。

安装与验证（详细使用方式）

1. **环境**: Python 3.10+ / Pandoc / Node.js（可选 Web UI）

2. **克隆与安装**:

   git clone https://github.com/RUC-NLPIR/FinSight.git
   cd FinSight
   pip install -r requirements.txt
   # Linux: sudo apt-get install pandoc
   # macOS: brew install pandoc

3. **配置 `.env`**:

4. **配置 `my_config.yaml`** (target_name / stock_code / target_type / language)

5. **第一次跑通**: `python run_report.py` → 输出 20,000+ 字 DOCX/PDF 报告

三种典型场景 + 命令样例

**场景 A: 公司深度研究（A 股）**

target_name: "宁德时代"
stock_code: "300750"
target_type: "financial_company"
language: "zh"
output_dir: "./outputs/catl"

→ `python run_report.py` → 输出 20,000+ 字 DOCX 报告，含 6 大模块（财务 + 估值 + 行业 + SWOT + 同业对比 + 风险）。

**场景 B: 美股研究**

target_name: "Apple Inc."
stock_code: "AAPL"
target_type: "financial_company"
language: "en"

→ 自动通过 yfinance 拉美股数据 + FRED 拉宏观指标 + 输出英文报告。

**场景 C: 通用研究（不限金融）**

await deep_research("Impact of AI on healthcare in 2024")

→ 自动生成分析任务 → 跑通 pipeline → 输出报告。

FAQ

FinSight 适合谁用？

金融分析师 / 投行研究员 / 投资经理 / 学术研究者 / 财经内容团队 / 量化研究员。

与 OpenAI Deep Research 有什么区别？

OpenAI 是**端到端闭源服务**；FinSight 是**开源 + 本地可控 + 学术 SOTA**，整体 8.09 vs 6.11，可视化得分 9.00 vs 4.65。

支持哪些市场？

A 股 + 港股 + 美股 + 宏观指标（CPI / GDP / 失业率 / 利率，来自 FRED）。

是否需要 GPU？

不需要。所有推理用 OpenAI 兼容 API（DeepSeek / Qwen-VL），本地只需 CPU。

适合谁 + 故障排除

模型对照说明

> **michael 用户告知**: 本 Skill 在 AIMS 平台使用平台已支持的真实大模型（与原 README 推荐对照）

| 项 | 说明 |

|---|---|

| **原仓库 README 推荐** | DeepSeek (DS_MODEL_NAME) + Qwen-VL (VLM) + OpenAI Embedding |

| **AIMS 平台实际使用** | **`claude-opus-4.7`** |

| **AIMS 平台可用替代** | gpt-5 / claude-opus-4.8 |

| **对齐度** | 中等一致 (原 README 推 DeepSeek+Qwen-VL；AIMS 用 Claude opus-4.7 因 SOTA) |

AIMS 平台已支持的国外大模型清单（按短 id 列出，本 Skill 调用时可用）

AIMS 平台已支持的国内大模型清单（按短 id）

> 💡 **如何切换模型**: 使用 AIMS `aims.update_skill` 传 `skill_id + model_name + call_price_fen` 即可在上述任意支持的模型间切换（短 id 直接传，无需前缀）。

FAQ

FinSight 适合谁用？

金融分析师 / 投行研究员 / 投资经理 / 学术研究者 / 财经内容团队 / 量化研究员。

与 OpenAI Deep Research 有什么区别？

OpenAI 是**端到端闭源服务**；FinSight 是**开源 + 本地可控 + 学术 SOTA**，整体 8.09 vs 6.11，可视化得分 9.00 vs 4.65。

支持哪些市场？

A 股 + 港股 + 美股 + 宏观指标（CPI / GDP / 失业率 / 利率，来自 FRED）。

是否需要 GPU？

不需要。所有推理用 OpenAI 兼容 API（DeepSeek / Qwen-VL），本地只需 CPU。

Open AIMS China Panel