FinRobot version at custom API guide
Updated 2026-09-05
Dinudokumento na ngayon ng FinRobot ang PydanticAI desktop architecture kasabay ng Pro script at legacy AutoGen notebook. Itugma ang instruction sa aktuwal mong application bago baguhin ang credential.
Tukuyin kung aling FinRobot ang pinapatakbo mo
Inilalarawan ng opisyal na README na sinuri sa d2219100 noong September 5, 2026 ang FinRobot Desktop v0.1.0 na may PydanticAI, FastAPI, at React/Tauri. Nananatili rin dito ang finrobot_equity Pro workflow at mas lumang AutoGen tutorial. Hindi mapagpapalit ang mga configuration surface na ito. Naka-tag ang desktop release bilang desktop-v0.1.0 sa 6a8161ff; hiwalay na source identity ang master snapshot. Itala ang aktuwal na release o commit, entry command, at configuration file. Hindi itinatatag ng paglitaw ng legacy OAI_CONFIG_LIST instruction sa parehong repository kung paano naglo-load ng model ang desktop application.
Ihambing ang documented application path
Ituring na unang compatibility check ang version selection. Inilalarawan ng desktop documentation ang orchestration, specialist research role, at deterministic financial computation, ngunit hindi itinatag ng review na ito ang custom APIsRouter endpoint path nito. Magkakaibang source-visible setting ang inilalantad ng Pro script at legacy Python agent. Hindi makapagko-certify ng isa ang iba dahil lamang matagumpay ang request nito. Suriin din ang opisyal na desktop platform at signing note bago mag-install; huwag lampasan ang operating-system security check para lamang makumpleto ang integration tutorial.
| Aplikasyon | Nasuring configuration surface | Hangganan ng ebidensya |
|---|---|---|
| Desktop v0.1.0 | PydanticAI application na inilalarawan ng README | Hindi na-verify ang custom gateway configuration |
| finrobot_equity Pro | config.ini API_KEYS at analysis script | Source-reviewed ang endpoint field at forwarding |
| Legacy Python tutorial | AutoGen config list at llm_config | Hiwalay na lumang workflow; hindi desktop setup |
Gamitin ang Pro endpoint field para lamang sa Pro script
Kasama sa kasalukuyang finrobot_equity/core/config/config.ini.example ang openai_api_key, openai_base_url, at openai_model. Binabasa ng generate_financial_analysis.py ang optional base URL at model at ipinapasa ang mga ito sa text-generation path nito. Iniangkop ng template sa ibaba ang mga na-verify na field na iyon; palitan nang lokal ang uppercase placeholder. Hindi ipinahihiwatig ng INI file na ito ang environment-variable interpolation. Protektahan ang totoong file gamit ang lokal na permission, huwag isama sa version control, at iwasang ilathala sa support log. Nananatiling hiwalay ang financial-data key sa model credential.
[API_KEYS]
fmp_api_key = YOUR_FINANCIAL_DATA_KEY
openai_api_key = YOUR_APISROUTER_KEY
openai_base_url = https://api.apisrouter.com/v1
openai_model = CURRENT_CATALOG_MODEL_IDPatakbuhin ang Pro text-generation path gamit ang tahasang input
Gamitin ang Pro analysis script kasama ang company identity at protektadong configuration file, saka siyasatin ang generated analysis bago i-render ang report. Hiwalay sa model narration route sa ibaba ang financial acquisition, forecast assumption, at numerical calculation. Para sa international issuer, suriin ang exchange coverage ng data provider, reporting currency, at accounting basis bago maghambing ng resulta. Tahasang lutasin ang share count, fiscal period, at anumang currency conversion. Patakbuhin lamang ang kailangang stage habang binubuo ang unang inspectable report packet.
python finrobot_equity/core/src/generate_financial_analysis.py \
--company-ticker "$RESEARCH_TICKER" \
--company-name "$RESEARCH_COMPANY" \
--config-file finrobot_equity/core/config/config.ini \
--generate-text-sectionsPanatilihing reproducible ang financial calculation
Tahasan na hinihiwalay ng kasalukuyang desktop architecture ang financial computation sa LLM explanation. Ilapat ang parehong acceptance principle kapag nagsusuri ng FinRobot artifact: matunton ang ipinakitang numero sa source input, unit, assumption, at calculation na gumawa nito. Nakasalalay pa rin sa hindi tiyak na forecast ang deterministic valuation; hindi patunay na mangyayari ang forecast ang reproducibility. Panatilihing hiwalay ang base assumption at alternatibong scenario, panatilihin ang formula, at ipatalakay sa model ang sensitivity sa halip na tahimik na pumili ng target value. Hilinging manatiling missing ang nawawalang input hanggang magbigay ang reviewer ng awtorisadong assumption.
Ituring na hiwalay na migration ang legacy AutoGen notebook
Ini-import ng natitirang finrobot/agents/workflow.py ang AutoGen at tumatanggap ng llm_config. Naglo-load ang legacy tutorial ng model entry sa pamamagitan ng OAI_CONFIG_LIST at nagpapasa ng config list sa workflow na iyon. Sundin nang magkakasama ang notebook at dependency version kapag pinananatili ang path na ito. Huwag ilipat dito ang modernong PydanticAI configuration o ilarawan ang OAI_CONFIG_LIST bilang universal FinRobot setting. Kailangang suriin ng migration ng kasalukuyang report process ang tool, data-key loading, code-execution behavior, at report generation nito, hindi base URL lamang.
I-validate ang isang report mula input hanggang source locator
Magsimula sa limitadong pampublikong filing packet at makitid na tanong. Pagkatapos ng hiwalay na awtorisadong client test, i-validate ang isang kailangang data tool, isang numerical calculation, at isang report section na may citation. Itala ang application revision, source hash, configuration na walang secret, resolved model ID, at naobserbahang usage. Suriin na pinananatili ng generated text ang unit at inihihiwalay ang reported fact sa projection. Transport hello o model factory response lamang ang pinatutunayan ng stage na iyon. Kailangan din ng full-report acceptance ang data completeness, calculation review, readable output, at claim na maaaring matunton.
Mag-budget at mag-recover sa stage boundary
Ihiwalay ang financial-data charge, model request, report-rendering resource, at analyst review. Gamitin ang kasalukuyang pricing para sa estimate, saka i-reconcile ang request ledger kasama ang retry at failure. Kung hindi pinapansin ang API field, siyasatin ang eksaktong entry script bago magdagdag ng configuration file. Kung walang laman ang report, siyasatin ang acquisition at parsing log bago baguhin ang model. Kapag magkasalungat ang numerical input, ihinto ang report para sa review at panatilihin ang parehong source value. Ipagpatuloy mula sa naitama na stage upang mapanatili ng completed report ang dahilan ng bawat pagbabago.
Ebidensya at mga limitasyon
Sinuri ang source at release documentation noong September 5, 2026. Kumpirmado ang Pro endpoint field at forwarding nito sa d2219100; nananatiling hindi na-verify ang desktop custom gateway path. Walang APIsRouter request, kumpletong report, o measured usage case na isinagawa para sa guide na ito. Nalalapat ang Pro example sa mga pinangalanang script, hindi sa Desktop o bawat legacy notebook.
Mga madalas itanong
AutoGen project pa rin ba ang kasalukuyang FinRobot?
Hindi. Dinodokumento ng nasuring README ang PydanticAI desktop stack habang pinananatili ang Pro script at legacy AutoGen workflow. Itugma ang guide sa bersyon ng application.
May base URL setting ba ang Pro ngayon?
Oo. Sa d2219100, kasama sa config.ini.example ang openai_base_url at openai_model, at binabasa at ipinapasa ng analysis script ang mga ito sa text-generation path.
Pinatutunayan ba niyon na sinusuportahan ng desktop app ang APIsRouter?
Hindi. Hindi na-verify sa review na ito ang custom endpoint path ng desktop. Hindi maitatatag ng Pro configuration at legacy notebook ang desktop compatibility.
Maaari ko bang ilagay nang direkta sa INI file ang environment-variable name?
Huwag ipagpalagay ang interpolation. Placeholder ang ipinakitang value na dapat palitan sa protektadong lokal na configuration maliban kung tahasang sinusuportahan ng eksaktong loader mo ang ibang mechanism.
Maaasahang prediction ba ang valuation na kinalkula ng code?
Reproducible calculation ito sa ilalim ng tinukoy na input at assumption. Kailangan pa rin ng independent review ang kawalan ng katiyakan sa forecast, kalidad ng data, at mga modeling choice.
Ano ang dapat kong suriin bago gumawa ng final report?
Suriin ang source completeness, reporting period, unit, calculation input, at claim ng generated text. Panatilihin ang hindi pa nalulutas na item at manual correction kasama ng artifact.