Configuración de aplicaciones de la API de FinGPT

Elige una aplicación antes que un endpoint

FinGPT es una colección de investigación y aplicaciones de modelos lingüísticos financieros, no un único cliente de API universal. Sus notebooks de agentes, ejemplos de inferencia local y trabajos de fine-tuning tienen dependencias diferentes. Esta guía se centra en fingpt/ag2_financial_analysis_pipeline.ipynb en la revisión 1aac5558, revisada el 5 de septiembre de 2026. Usa AG2 para coordinar tareas de noticias financieras. Configurar ese notebook no migra todos los proyectos de FinGPT. Elige primero el notebook exacto y sus restricciones de dependencias y documenta después qué inferencia es remota, qué se ejecuta localmente y qué herramientas de datos intervienen.

Comprende los tres límites de servicio independientes

El notebook revisado proporciona un LLMConfig para la conversación del agente, herramientas que recuperan información financiera mediante yfinance y un pipeline de sentimiento de Transformers. Son rutas de ejecución separadas. En particular, la herramienta de sentimiento del ejemplo usa FinBERT; seleccionar un modelo de chat del gateway no convierte esa herramienta en otro checkpoint de FinGPT. Una descarga de pesos locales puede tener su propia licencia de modelo y requisitos de hardware. Audita las herramientas reales antes de describir el sistema resultante como completamente remoto o completamente local.

Adapta la configuración AG2 documentada

El notebook construye LLMConfig con api_type, model, api_key y base_url. El reemplazo siguiente conserva esos campos y obtiene el identificador y la credencial del entorno. FINANCE_MODEL_ID es un espacio placeholder propiedad de la aplicación; resuélvelo a una entrada actual del catálogo que admita las interacciones necesarias del notebook. Esta configuración no crea ninguna respuesta del modelo. Conserva las restricciones de versión compatibles de AG2 del notebook y no sustituyas un paquete AutoGen de nombre similar sin comprobar los imports y las APIs.

import os
from autogen import LLMConfig

llm_config = LLMConfig({
    "api_type": "openai",
    "model": os.environ["FINANCE_MODEL_ID"],
    "api_key": os.environ["APISROUTER_API_KEY"],
    "base_url": "https://api.apisrouter.com/v1",
})
# Pass llm_config to the notebook's agents and manager.
# No request or complete notebook run is performed here.

Conecta los agentes y prueba las herramientas registradas

Pasa el mismo llm_config al investigador, analista, asesor y GroupChatManager del notebook. Conserva los registros de herramientas documentados e inspecciona la solicitud de herramienta emitida por el agente, el resultado del ejecutor y el siguiente mensaje del modelo. Empieza con un conjunto pequeño de entradas permitidas y verifica cada operación necesaria. Conserva el error de una herramienta cuando los datos no estén disponibles para que el informe final pueda indicar qué evidencia falta. El diagrama muestra la ruta de conversación; las herramientas de datos financieros y la clasificación local conservan su propia configuración.

Trata el sentimiento como salida del modelo, no como señal de acciones

La etiqueta de un clasificador describe su interpretación del texto proporcionado bajo un checkpoint concreto. No es una probabilidad calibrada del rendimiento futuro de una acción. Registra el titular original, la fuente, la hora de publicación y cualquier truncamiento antes de clasificar. Comprueba el mapeo de etiquetas y conserva los ejemplos ambiguos. Un lenguaje negativo sobre la demanda del sector puede coexistir con una orientación positiva específica de la empresa; reducir ambos elementos a una sola puntuación pierde esa distinción. Para cobertura internacional, valida el idioma y el contexto de mercado del clasificador en lugar de traducir cada texto y suponer la misma calibración.

Construye un paquete pequeño de aceptación de principio a fin

Después de una prueba autorizada del cliente por separado, usa un conjunto acotado de material público o con licencia para una empresa. Guarda los hashes de entrada, las salidas de herramientas, los resultados del clasificador, la conversación del agente y el informe final. Revisa si cada frase factual puede rastrearse hasta una entrada y si los datos ausentes siguen visibles. El primer paquete debe incluir un fallo de la herramienta de datos y un ejemplo de texto ambiguo, porque un titular correcto por el camino feliz no prueba la abstención. Mantén un estado de revisión explícito en el artefacto final; una celda de notebook completada solo es evidencia de ejecución.

Contabiliza por separado los costes de recursos remotos y locales

La conversación AG2 puede producir varias solicitudes, incluidas coordinación y reintentos. Registra su uso con evidencia de respuesta o facturación y el contrato de precios actual. Contabiliza por separado las suscripciones de datos, las descargas de checkpoints, la inferencia con CPU o GPU, el almacenamiento y la revisión humana. Reutiliza un paquete de fuentes versionado al comparar modelos de conversación para que un feed de noticias cambiante no domine el experimento. Mantén cargado el clasificador cuando corresponda y almacena en caché la extracción de fuentes aprobada por versión, conservando suficientes metadatos para detectar un modelo o entrada cambiados.

Soluciona los problemas en el componente responsable del error

Un error de importación de LLMConfig suele requerir comprobar la identidad y versión del paquete, no cambiar el endpoint. Una respuesta de autenticación o de modelo ausente pertenece a la ruta del cliente remoto. Las noticias vacías, los esquemas modificados del proveedor y las discrepancias de símbolos de mercado pertenecen a las herramientas de datos. Un error de checkpoint o memoria pertenece a la inferencia local. Conserva la etapa fallida y la evidencia saneada y vuelve a ejecutar solo la parte afectada cuando sea posible. Desactiva los permisos innecesarios de ejecución de código y mantén los datos financieros y las credenciales fuera de las salidas públicas del notebook antes de compartir una reproducción.

Evidencia y limitaciones

El notebook AG2 se revisó con fuentes en 1aac5558 el 5 de septiembre de 2026. La configuración adapta sus campos documentados. Para esta guía no se produjo ninguna ejecución del notebook de APIsRouter ni ningún caso de coste de tarea medido. Valida conjuntamente la conversación, las herramientas, la clasificación local y el informe final antes de tratar la aplicación como operativa.

Preguntas frecuentes