1. 课程导入
欢迎进入《金融智能体数据源接入与检索增强实战》。在开始写第一行代码之前，我们需要先建立一张清晰的"认知地图"：金融智能体到底是什么，RAG 在金融场景中解决了什么问题，这门课会带你走过哪些关键节点，以及最终你会交付一个什么样的实战项目。本章不涉及复杂实现，但它是后续 29 章所有技术决策的"坐标系"。
一、核心原理：金融智能体与 RAG 的定义
金融智能体（Financial Agent）是指以大语言模型为推理内核，能够自主调用金融数据源、工具与业务接口，完成行情分析、财报解读、风险核查、投研问答等任务的软件实体。它与普通聊天机器人的本质区别在于三点：一是具备工具调用能力，能主动查询数据库、API 或文档库；二是具备任务规划能力，能把"分析某公司近三年现金流"拆解为多个子步骤；三是具备领域约束意识，输出需符合合规、时效与可追溯要求。
检索增强生成（Retrieval-Augmented Generation, RAG）是一种把"外部知识检索"与"大模型生成"结合起来的架构范式。其核心思想是：模型参数中的知识是静态且可能过时的，而金融领域的公告、研报、行情、监管文件是动态且强时效的。RAG 在生成前先从可信数据源检索相关片段，再将其作为上下文注入提示词，从而让回答"有据可依"。
把两者结合，就得到本课程的主线对象：金融智能体 = 大模型推理 + 工具编排 + RAG 检索 + 金融数据源。其中 RAG 是智能体获取"事实依据"的关键通道，而数据源接入则是这条通道的入口。
一句话理解：金融智能体负责"想和做"，RAG 负责"查和证"，数据源接入负责"连和取"。三者缺一，智能体就会变成"会说话但不可信"的黑箱。
二、方法流程：一个金融 RAG 请求的完整链路
为了让你对后续章节的技术点有整体预期，我们先看一次典型请求从用户提问到最终回答的全过程。这条链路会在后续章节中被逐段拆解、实现和优化。
- 意图识别：判断用户问题是行情查询、财报解读、合规核查还是开放式投研。
- 查询改写：把口语化问题改写为适合检索的查询，例如补充公司全称、时间范围、指标口径。
- 数据源路由：决定去结构化数据库、向量库、公告 PDF 还是实时行情 API 取数。
- 检索与召回：执行关键词检索、向量检索或混合检索，返回候选片段。
- 重排与过滤：按相关性、时效性、权威性重排，剔除过期或低质内容。
- 上下文组装：把检索结果、工具返回值和系统约束拼装为提示词。
- 生成与引用：模型生成回答，并附带数据来源与时间戳，保证可追溯。
- 校验与兜底：对数字、日期、合规表述做规则校验，异常时触发澄清或拒答。
下面这张图展示了上述链路中"数据源接入层"与"RAG 检索层"在整体架构中的位置关系，帮助你建立空间感：
三、案例与场景：为什么金融场景必须用 RAG
假设用户问："某银行 2024 年第三季度不良贷款率是多少，相比上季度变化如何？"如果只依赖模型参数知识，回答极可能编造数字或使用过时数据。接入 RAG 后，智能体会：从财务数据库中检索该行季报指标，从公告 PDF 中定位"不良贷款率"原文，从行情接口获取披露日期，最后生成带来源的回答。
再比如合规场景："这份研报是否包含未公开重大信息？"智能体需要检索监管规则库、公司公告时间线，并调用规则工具做比对。这类任务对可追溯性和时效性的要求远高于通用问答，这正是 RAG 与数据源接入的价值所在。
| 场景类型 | 主要数据源 | RAG 关键动作 | 典型风险 |
|---|---|---|---|
| 行情问答 | 实时行情 API、K 线库 | 时间对齐、单位换算 | 延迟导致数据过期 |
| 财报解读 | 公告 PDF、财务数据库 | 表格抽取、指标口径匹配 | 口径不一致、单位错误 |
| 投研分析 | 研报库、新闻流 | 多源召回、观点去重 | 观点冲突、来源不可靠 |
| 合规核查 | 监管规则库、公告时间线 | 规则匹配、时间线比对 | 漏检、误判、时效错位 |
四、整体课程框架与实战项目概览
本课程共 30 章，按"认知—接入—检索—编排—评测—交付"六段式推进。前 3 章建立概念与架构认知；第 4 至 12 章聚焦数据源接入，包括结构化数据库、PDF 解析、行情 API、向量化与索引；第 13 至 20 章深入 RAG 检索增强，覆盖查询改写、混合检索、重排、上下文压缩与引用生成；第 21 至 26 章进入智能体编排，讲解工具调用、任务规划、多源路由与合规校验；第 27 至 30 章完成评测、优化与项目交付。
贯穿全程的实战项目是"金融投研问答智能体"：它需要接入至少三类数据源（结构化财务库、公告 PDF、实时行情接口），实现混合检索与引用标注，并支持"某公司近三年营收趋势"这类多步任务。你会在每个阶段为这个项目增加一个可运行模块，最终形成一个可演示、可评测的完整系统。
学习建议：每章动手前先回到本章的架构图，确认你正在实现的是哪一层、哪一段链路。金融 RAG 的难点往往不在模型，而在数据源接入的规范性、检索结果的可信度与生成内容的可追溯性。
五、常见误区与复盘提示
- 误区一：把 RAG 当成"万能知识库"。RAG 只能检索到你接入并治理过的数据，数据源质量决定上限。
- 误区二：只做向量检索，忽略结构化查询。财务指标、行情数值更适合精确查询与计算，纯向量检索容易丢失精度。
- 误区三：忽视时效与版本。金融数据有强时效性，检索结果必须携带时间戳与来源版本。
- 误区四：生成结果不做校验。数字、日期、合规表述需要规则兜底，不能完全交给模型。
复盘提示：在后续章节中，每当你接入一个新数据源，都要问三个问题——数据是否可信？检索是否可复现？生成是否可追溯？这三个问题将贯穿整门课程的评价标准。
现在你已经掌握了本课程的"坐标系"：金融智能体负责推理与执行，RAG 负责检索与佐证，数据源接入负责连接与取数。接下来，我们将从最基础的数据源类型与接入规范开始，逐步把这张架构图变成可运行的代码。