分类目录归档：解决方案
| 一级分类 | 二级分类 | 项目名 | 简介 | 地址 |
|---|---|---|---|---|
| AI | 智能体框架 | LangChain | ||
| AI-开发框架 | 多智能体协作框架 | AutoGen | ||
| AI | LLM（大语言模型）应用开发平台 | BiSheng | ||
| AI | 多智能体框架 | MetaGPT | ||
| AI | 开源大模型 | DeepSeek | ||
| AI | 金融大模型 | FinRobot | ||
| AI | FinGPT | |||
| AI | FinNLP | |||
| 量化 | 量化交易平台 | vnpy | 基于Python的开源量化交易平台开发框架 | github |
| 量化 | 量化交易框架 | AlphaPy | ||
| AI量化 | 知识库 | quant-wiki | ... |
我将使用Markdown的语法为你生成四列10行的表格，表头为你指定的内容。
| 类别 | 需求名称 | 需求描述 | 备注 |
|---|---|---|---|
| 登录需求 | 人脸识别 | web 登录界面通过人脸识别自动登录 | 无 |
| 量化交易策略 | 交易策略 | 选股策略 | 重要-2025-01-10 |
| 咨询平台 | 需求3 | 对需求3的具体描述 | 需尽快处理 |
| 教育平台 | 需求4 | 对需求4的具体描述 | 需测试 |
| 数据平台 | 需求5 | 对需求5的具体描述 | 等待反馈 |
| 智能运维 | 需求6 | 对需求6的具体描述 | 已沟通 |
| 理财平台 | 需求7 | 对需求7的具体描述 | 需调整 |
| 类别4 | 需求8 | 对需求8的具体描述 | 可优化 |
| 类别5 | 需求9 | 对需求9的具体描述... |
StackStorm是一个开源的自动化平台，用于事件驱动的自动化操作。它能够将各种系统、工具和服务集成在一起，通过自动化流程来响应事件，从而提高系统的运维效率、可靠性和敏捷性。例如，在一个复杂的云计算环境中，当监测到某个虚拟机的CPU使用率过高时，StackStorm可以自动触发一系列操作，如扩展虚拟机资源或者迁移虚拟机到其他主机。
核心组件与架构
FinRobot 是一个人工智能代理平台，它超越了 FinGPT 的范畴，是为金融应用精心设计的全面解决方案。它集成了多种多样的人工智能技术，不仅仅局限于语言模型。这种广阔的视野凸显了该平台的多功能性和适应性，能够满足金融行业多方面的需求。
FinRobot 是一个专注于金融应用的开源 AI 智能体平台，由 AI4Finance 基金会开发。它通过结合大语言模型（如 GPT-4）和多种金融工具，提供一系列功能，主要用于股票分析、市场预测、财务报表解读和报告生成。以下是一些核心特点和功能：
QuantML量化论文知识图谱社区致力于机器学习量化模型深度研究，每日分享前沿论文、策略代码与Alpha因子，核心目标是连接论文与主题以助力高效探索；社区现有317篇论文、30个主题标签，时间跨度覆盖2011-2026年，热门标签集中在time-series prediction（272篇关联论文）、financial prediction（137篇）、trading strategies（130篇）等量化核心领域；同时提供“论文-标签图谱”“标签关系图谱”两大快速入口（前者可查论文摘要、作者与年份，后者能发现主题共现关系与聚类结构），最新论文包括2026年的《ContestTrade:...
文章1：《RAG入门：从“是什么”到“为什么需要”——大模型时代的知识增强利器》
• 核心目标：帮零基础读者建立RAG基础认知，厘清RAG与传统大模型的差异
• 核心受众：AI初学者、产品经理、想了解RAG的技术小白
• 详细大纲：
开篇：破除2个常见误区（RAG=复杂工程？RAG可替代Fine-tuning？）
什么是RAG？——用“图书馆找书+写报告”类比讲清核心逻辑（检索→整合→生成）
RAG vs Fine-tuning：3个关键差异（成本、知识时效性、灵活性）
RAG能解决什么问题？——3个核心应用场景（企业知识库问答、专业领域辅助、实时信息查询）
极简RA...
本文发表于ICLR 2024会议，由蚂蚁集团与清华大学团队合作完成。针对时间序列预测中复杂时序变化的挑战，提出基于多尺度混合的全新视角，设计出全MLP架构的TimeMixer模型。该模型通过Past-Decomposable-Mixing（PDM）块和Future-Multipredictor-Mixing（FMM）块，分别在历史信息提取阶段对多尺度序列的季节和趋势成分进行分解混合，在未来预测阶段融合多预测器的互补能力；在18个真实世界基...
要理解股票价格的前复权、不复权、后复权，首先需要明确核心前提——除权除息：股票会因分红（现金分红）、送股/转增股等行为导致股价“跳空下跌”（如10送10后股价腰斩），这种跳空会割裂K线走势的连贯性。复权的本质就是消除除权除息的影响，让股价走势回归“真实趋势”；而不复权则保留了实际交易价格的原貌。
三者的核心差异在于复权基准点不同（以哪个时间点的价格为“真实价格”，调整其他时间点的价格），进而导致股价数值、K线形态和应用场景完全不同。
