金融知识库从零搭建实战指南
📚 共计 30 章节
01
课程导学与项目全景
金融知识库是什么、为什么需要它、课程目标与学习路径、项目技术栈概览（Python + Elasticsearch + LLM）
导学
全景
02
需求分析与架构设计
核心功能模块拆解（数据采集、清洗、存储、检索、问答）、系统架构图绘制、技术选型对比
架构
设计
03
开发环境搭建
Python虚拟环境配置、Docker部署Elasticsearch与Kibana、安装依赖库（LangChain, Transformers等）
环境
Docker
04
Python基础回顾（一）
数据类型、控制流、函数定义，重点讲解生成器与装饰器在数据处理中的应用
生成器
装饰器
05
Python基础回顾（二）
面向对象编程、异常处理、文件I/O，为构建数据管道打基础
OOP
文件IO
06
数据采集实战（一）
爬虫基础与Requests库，抓取金融新闻网站（如东方财富、新浪财经）
爬虫
Requests
07
数据采集实战（二）
Scrapy框架入门，构建分布式爬虫抓取上市公司公告
Scrapy
分布式
08
数据清洗与预处理
Pandas处理缺失值、重复值、格式统一，正则表达式提取关键信息
Pandas
正则
09
中文分词与NLP基础
Jieba分词、停用词过滤、TF-IDF与Word2Vec概念
NLP
Jieba
10
Elasticsearch核心概念
索引、文档、映射、分片与副本，RESTful API操作
ES
RESTful
11
Elasticsearch实战（一）
创建金融知识索引，定义中文分词器（IK分词器）
IK分词
索引
12
Elasticsearch实战（二）
批量导入清洗后的数据，使用Bulk API
Bulk
导入
13
Elasticsearch实战（三）
高级查询——布尔查询、聚合分析、高亮显示
查询
聚合
14
知识库存储设计
MySQL存储元数据，ES存储全文数据，设计表结构与索引映射
MySQL
存储
15
向量数据库入门
为什么需要向量检索，Milvus/FAISS简介，文本向量化（Embedding）
向量
Embedding
16
LangChain框架入门
Chain、Agent、Memory概念，搭建第一个LLM应用
LangChain
LLM
17
构建检索增强生成（RAG）管道
从ES检索文档 -> 拼接Prompt -> 调用LLM生成答案
RAG
检索
18
Prompt Engineering实战
设计金融问答模板，Few-shot示例，防止幻觉
Prompt
Few-shot
19
大模型选型与部署
开源模型（ChatGLM, Qwen） vs 闭源API（GPT-4），本地部署与量化
模型
部署
20
API服务开发（一）
使用FastAPI构建RESTful接口，定义请求/响应模型
FastAPI
API
21
API服务开发（二）
集成RAG管道，实现流式输出（Server-Sent Events）
SSE
流式
22
前端交互界面（一）
Streamlit快速搭建Demo，展示搜索与问答结果
Streamlit
Demo
23
前端交互界面（二）
Vue3 + Element Plus构建专业后台，对接API
Vue3
Element
24
用户认证与权限管理
JWT鉴权，角色控制（管理员、普通用户）
JWT
权限
25
日志监控与性能优化
ELK Stack收集日志，APM监控，缓存策略（Redis）
ELK
Redis
26
测试与质量保障
单元测试（Pytest）、集成测试、压力测试（Locust）
Pytest
Locust
27
CI/CD与自动化部署
GitHub Actions自动化测试与构建，Docker Compose一键部署
CI/CD
Docker
28
金融数据合规与安全
数据脱敏、访问审计、GDPR/个人信息保护法注意事项
合规
安全
29
项目实战：上市公司财报问答机器人
从零搭建一个“上市公司财报问答机器人”完整案例
实战
财报
30
课程总结与进阶方向
知识图谱融合、多模态金融数据、实时流处理展望
总结
进阶