FintelAI-人工智能金融智能平台
系统架构
User Query → LLM Controller → MCP Server → Yahoo Finance
↓ ↓
Groq LLM ML Models
↓ ↓
Analysis ← Financial Data组件角色
- 雅虎财经：原始金融和市场数据源
- MCP服务器：数据获取+机器学习预测（波动性、趋势）
- LLM控制器：查询路由、决策逻辑、会话分析
- Groq法学硕士：财务推理、比较、自然语言反应
LLM从不直接接触雅虎财经，只通过MCP工具。
______________________________________________________________________
可用财务数据
实时市场数据
- 当前价格，开盘价，最高价，最低价，收盘价
- 成交量，调整后收盘价
- 日内变动
历史数据
- 每日、每周、每月蜡烛
- 可配置周期（1d、5d、1mo、3mo、1y、最大）
公司基础
- 市值、市盈率、每股收益
- 收入、债务股本比
- 利润率、股息率
ML预测
- 价格趋势预测：7天LSTM预测
- 波动性分析：基于历史波动性的风险评分
- 异常检测：价格异常波动
______________________________________________________________________
MCP工具
| 工具 | 目的 | 回报 |
|---|---|---|
get_current_price | 实时股票价格 | 价格、变化百分比、交易量 |
get_fundamentals | 公司指标 | 市值、市盈率、每股收益、债务 |
predict_price_trend | 7天预测 | 预测价格，信心 |
predict_volatility | 风险评估 | 波动性评分，风险等级 |
______________________________________________________________________
技术栈
前端：React，顺风CSS，Lucide图标\ 后端：FastAPI（LLM控制器+MCP服务器）\ LLM：Groq（火焰-3.3-70b-多功能）\ 数据：雅虎金融（yfinance）\ 机器学习：scikit-learn，LSTM（TensorFlow/Keras）
______________________________________________________________________
主要特点
✅ 智能查询路由：代码强制规则覆盖LLM以获得精度\ ✅ 多股票比较：同时分析多个股票行情\ ✅ 会话记忆：上下文感知响应（10条消息历史记录）\ ✅ 冷启动处理：渲染自由层的自动重试逻辑\ ✅ ML驱动的见解：预测分析，而不仅仅是数据检索
______________________________________________________________________
使用示例
- *“特斯拉目前的价格是多少？”* →
get_current_price - *“比较苹果与微软的基本面”* →
get_fundamentals - *“Nvidia现在有风险吗？”* →
predict_volatility - *“亚马逊的趋势是什么？”* →
predict_price_trend
______________________________________________________________________
部署
MCP服务器：渲染(https://financial-mcp.onrender.com)\ LLM控制器：渲染(https://llm-mcp-financial.onrender.com)\ 前端：Vercel(https://financial-mcp-vert.vercel.app)
备注：免费层服务器可能会冷启动（首次请求时30-60秒）。前端包括自动预热功能。