Налаштування API-програми FinGPT

Оберіть програму до вибору кінцевої точки

FinGPT є набором досліджень і програм фінансових мовних моделей, а не одним універсальним клієнтом API. Його ноутбуки агентів, приклади локального висновку та робота з донавчання мають різні залежності. Цей посібник зосереджений на fingpt/ag2_financial_analysis_pipeline.ipynb у ревізії 1aac5558, перевіреній 5 вересня 2026 року. Він використовує AG2 для координації завдань фінансових новин. Налаштування цього ноутбука не є міграцією кожного проєкту FinGPT. Спочатку оберіть точний ноутбук і його обмеження залежностей, потім задокументуйте, що є віддаленим висновком, що працює локально та які інструменти даних задіяні.

Зрозумійте три незалежні межі сервісів

Перевірений ноутбук надає LLMConfig для розмови агента, інструменти отримання фінансової інформації через yfinance та конвеєр настрою Transformers. Це окремі шляхи виконання. Зокрема, приклад інструмента настрою використовує FinBERT; вибір чат-моделі шлюзу не перетворює цей інструмент на інший checkpoint FinGPT. Локальне завантаження ваг може мати власну ліцензію моделі та вимоги до обладнання. Перевіряйте фактичні інструменти до опису отриманої системи як повністю віддаленої або повністю локальної.

Адаптуйте документовану конфігурацію AG2

Ноутбук створює LLMConfig з api_type, model, api_key і base_url. Наведена нижче заміна зберігає ці поля та отримує ідентифікатор і облікові дані із середовища. FINANCE_MODEL_ID є слотом заповнювача, яким володіє програма; розв’яжіть його до актуального запису каталогу, що підтримує потрібні ноутбуку взаємодії. Ця конфігурація не створює відповіді моделі. Збережіть сумісні обмеження версії AG2 ноутбука та не замінюйте пакет AutoGen із подібною назвою без перевірки імпортів і API.

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.

Підключіть агентів і перевірте зареєстровані інструменти

Передайте той самий llm_config досліднику, аналітику, раднику та GroupChatManager ноутбука. Збережіть документовані реєстрації інструментів і перевірте виданий агентом запит інструмента, результат виконавця та наступне повідомлення моделі. Почніть із невеликого дозволеного набору входів і перевірте кожну потрібну операцію. Зберігайте повернену помилку інструмента, коли дані недоступні, щоб фінальна довідка могла назвати відсутній доказ. Схема показує маршрут розмови; інструменти фінансових даних і локальна класифікація зберігають власну конфігурацію.

Розглядайте настрій як результат моделі, а не сигнал акції

Ярлик класифікатора описує його інтерпретацію наданого тексту для конкретного checkpoint. Це не калібрована ймовірність майбутньої ефективності акції. До класифікації запишіть оригінальний заголовок, джерело, час публікації та будь-яке обрізання. Перевірте мапування ярликів і збережіть неоднозначні приклади. Негативна мова про попит у галузі може співіснувати з позитивним прогнозом для конкретної компанії; об’єднання обох в одну оцінку втрачає цю відмінність. Для міжнародного охоплення перевірте мову й ринковий контекст класифікатора, а не перекладайте кожен текст і не припускайте однакової калібровки.

Створіть невеликий наскрізний пакет прийняття

Після окремо авторизованого тесту клієнта використайте обмежений набір публічних або ліцензованих матеріалів для однієї компанії. Збережіть хеші входів, результати інструментів, результати класифікатора, розмову агента та фінальну довідку. Перевірте, чи кожне фактичне речення можна простежити до входу і чи відсутні дані залишаються видимими. Початковий пакет має містити збій інструмента даних і неоднозначний текстовий приклад, бо один вдалий заголовок не тестує утримання від відповіді. Збережіть явний статус перевірки на фінальному артефакті; завершена клітинка ноутбука є лише доказом виконання.

Враховуйте витрати віддалених і локальних ресурсів

Розмова AG2 може створювати кілька запитів, включно з координацією та повторами. Записуйте їхнє використання за доказами відповіді або платежу та чинним платіжним контрактом. Окремо враховуйте підписки на дані, завантаження checkpoint, висновок на CPU або GPU, сховище та людську перевірку. Порівнюючи моделі розмови, повторно використовуйте версіонований пакет джерела, щоб змінний канал новин не домінував в експерименті. Де доречно, тримайте класифікатор завантаженим і кешуйте схвалений витяг джерела за версією, зберігаючи достатньо метаданих для виявлення зміненої моделі або входу.

Діагностуйте компонент, якому належить помилка

Помилка імпорту LLMConfig зазвичай потребує перевірки ідентичності й версії пакета, а не зміни кінцевої точки. Відповідь про автентифікацію або відсутню модель належить шляху віддаленого клієнта. Порожні новини, змінені схеми провайдера та невідповідності ринкових символів належать інструментам даних. Помилка checkpoint або пам’яті належить локальному висновку. Збережіть невдалий етап і очищені докази, потім за можливості повторіть лише уражену частину. До поширення відтворення вимкніть непотрібні дозволи на виконання коду та тримайте фінансові дані й облікові дані поза публічними результатами ноутбука.

Докази та обмеження

Ноутбук AG2 перевірено за джерелом у 1aac5558 5 вересня 2026 року. Конфігурація адаптує його документовані поля. Для цього посібника не було виконано ноутбук APIsRouter або створено виміряний кейс вартості завдання. До визнання програми робочою перевірте разом розмову, інструменти, локальну класифікацію та фінальну довідку.

Поширені запитання