基于RAG和大模型构建股价预测系统(实践篇)_用大模型做股票分析、预测

今天继续讲解股价预测系统的搭建，这次我们充分运用之前提到的ragflow系统和stock-chain框架，手把手讲解如何构建一个能进行股价预测的AI系统，今天这篇不再赘述，直接上手实操。

开始之前

系统的整体思路沿用stock-chain：

本次使用开源系统ragflow来搭建以上流程，同时我们需要提前准备好知识库文档，用来创建知识库(知识库文档在下一章讲解)。此外大模型应该进行微调以满足本次股价预测任务，但由于软硬件限制，我们就直接使用开源模型来完成这个系统。

知识库准备

1、知识库文档：股票行情&业绩报告，这个我用的开源数据集，并且只选取了2家公司历史上的某次业绩点评报告和股价数据，大体格式如下

这是以赣锋锂业（002460）：2022年兑现高盈利增长，全产业链布局有望提速为题目,在2023-04-02 00:00:00日期发布的研究报告。研报内容如下: 研报题目是:赣锋锂业（002460）：2022年兑现高盈利增长，全产业链布局有望提速；目标价格是目标价格未公布，…该企业的近期数据如下:1.股票价格（元）:{‘2023-04-03’: 68.34, ‘2023-04-04’: 65.84, ‘2023-04-06’: 64.26, ‘2023-04-07’: 64.19, ‘2023-04-10’: 65.23, ‘2023-04-11’: 66.94…

2、打开ragflow，创建知识库【上市公司业绩点评&股价】，导入这2家公司的文档

智能体创建

1、在ragflow中新建助理(智能体)，用来作为股价预测系统中的问答助手，选择智能体需要使用的知识库

2、设置调用大语言模型的系统prompt(提示词如下，大家可以模仿也可以超越)，设置RAG系统的检索准确性参数

3、设置系统使用的大语言模型以及相关参数

股价预测系统运行

创建完智能体，开启一个对话窗口，这里提了一个预测爱旭股份股价走势的问题

基于知识库的数据，它的问答是下个月(2023年6月)上涨概率较大，然后回答的格式整体是按照我的要求来的

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。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】