FinSight-AI

让 AI 自动生成可溯源、版本化的股票研究报告，投研效率翻倍

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署智能体 🍴 复刻 32 🐛 待处理 12 👀 关注 5

GitHub ↗

GitHub 星标 ★ 561

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，可免费使用和部署。

项目预览

FinSight-AI 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类智能体

开发团队juanjuandog

GitHubhttps://github.com/juanjuandog/FinSight-AI

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Java

技术栈/模型ai-agent,financial-research,llm-evaluation,pgvector,postgresql,rabbitmq,rag,redis,spring-boot,workflow-orchestration

GitHub 星标★ 561

上线时间2026-05-11 00:00:00

代码更新2026-09-02

仓库体积13.3 MB

本站数据更新2026-11-09

维护状态维护中

收录时间2026-08-09

浏览次数5

项目介绍

FinSight-AI 是一个基于 Java/Spring Boot 构建的 AI 股票研究智能体，旨在为金融分析师提供自动化、可追溯的股权研究报告生成能力。它解决了传统投研流程中信息分散、报告生成耗时、结论缺乏证据支撑等问题。核心能力包括：通过 Redis Lua 单飞模式实现高效请求去重与并发控制，保障工作流稳定性；使用 pgvector 进行 RAG 向量检索，结合 PostgreSQL 存储版本化报告，支持历史报告追踪与对比；内置证据溯源机制，每条结论可关联原始数据来源，增强可信度；同时提供 RAG 评估模块，量化检索质量。项目采用 RabbitMQ 进行异步任务编排，支持复杂工作流的高可靠执行，适合需要自动化生成研究报告、快速响应市场变化的金融科技场景。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 561

技术标签

ai-agent llm-evaluation pgvector postgresql rag

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：本地安装 6 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

JDK 与 Spring Boot 运行环境（README 未给出具体版本要求）
PostgreSQL 数据库并启用 pgvector 扩展，用于 RAG 向量检索与版本化报告存储
Redis，用于 Lua 单飞模式的请求去重与并发控制
RabbitMQ，用于异步任务与工作流编排
可访问的 LLM 服务（用于生成研究报告，README 未给出具体配置方式）

安装与启动步骤

1克隆仓库

把 FinSight-AI 源码拉到本地，README 提供了 GitHub 地址与简体中文版说明文件。
```
git clone https://github.com/juanjuandog/FinSight-AI.git
```
2进入项目目录

切换到克隆下来的仓库根目录，后续操作都在此目录内进行。
```
cd FinSight-AI
```
3阅读架构文档

先看 docs/architecture.md 了解工作流、快照与 RAG 检索的设计，再动手部署。
4阅读接口文档

查看 docs/api.md，确认对外暴露的接口与调用方式，便于启动后验证。
5准备中间件

按技术栈自行安装并启动 PostgreSQL(含 pgvector)、Redis、RabbitMQ 三类依赖服务。
6构建与启动

README 节选中 Quick Start 正文缺失，构建启动命令请以仓库 README 为准，勿照搬本教程。