🤖 Qwen3.5-2B 金融智能投研助手

本地化运行的金融数据专家 | 基于 Qwen3.5-2B 大模型与 AkShare 实时数据

本项目构建了一个轻量级的本地金融分析助手。它利用 Qwen3.5-2B 大模型进行自然语言理解，并结合 AkShare 专业金融数据接口，实现了对 A股行情、历史走势及宏观经济数据的精准查询。有效解决了通用大模型在金融数据上的“幻觉”与“数据滞后”问题。

---

✨ 核心功能

• 实时行情查询 📈
  • 支持通过股票名称（如“贵州茅台”）或代码（如“600519”）查询实时价格、涨跌幅、成交量。
• 历史走势分析 📊
  • 自动获取指定时间段的日K线数据，并计算最高价、最低价及平均收盘价。
• 宏观数据洞察 🏦
  • 实时获取中国年度 GDP 与 CPI 数据，辅助判断经济周期。
• 本地化部署 💻
  • 支持 CUDA (GPU) 与 CPU 模式自动切换，低资源环境也可运行。

---

🚀 快速开始

1. 环境准备

推荐使用 Python 3.9+ 环境。

# 克隆项目
git clone https://github.com/YUKIQVQ/finance-agent.git
cd finance-agent

2. 安装依赖

pip install -r requirements.txt

3. 启动应用

python main.py

交互示例：

👤 用户: 贵州茅台现在的股价是多少？
🤖 助手: ✅ **实时行情查询结果** ...

---

💡 交互指令指南

你可以尝试以下类型的指令：

指令类型	关键词示例	功能描述
实时行情	“股价”、“最新价”、“行情”	获取股票的实时快照数据
历史分析	“历史”、“K线”、“走势”	分析指定时间段的价格波动
宏观数据	“GDP”、“CPI”、“宏观经济”	查询国家统计局发布的年度数据
闲聊	其他任意话题	调用本地大模型进行通用对话

---

🛠️ 技术架构

• LLM 模型: Qwen/Qwen3.5-2B (通过 ModelScope 加载)
• 数据源: AkShare (东方财富、新浪财经等)
• 核心逻辑:
  • 意图识别: 基于关键词的优先级路由（宏观数 -> 实时 -> 历史）。
  • 数据清洗: 动态列名匹配，防止接口更新导致报错。
  • 设备管理: 自动检测 CUDA 环境，支持 float16 推理加速。

---

📄 License

本项目采用 MIT License。