5 分钟内构建财务报告分析器：LlamaIndex + 毕马威会计师事务所案例研究

在当今快速变化的金融世界中，快速而准确地从冗长的报告中提取有意义的见解至关重要。随着生成性人工智能的出现，我们现在拥有强大的工具来自动化和增强这一过程。在本文中，我将带您了解如何使用LlamaIndex构建一个复杂的财务报告分析系统，以KPMG关于财务报告中人工智能的报告作为我们的测试案例。

如果您对提高生产力和机器学习技能的实用技巧感兴趣，请随时订阅我们的LinkedIn页面。我们每天分享该领域的精彩新闻，每周发布一篇新文章。

理解 LlamaIndex 和 Create-Llama

LlamaIndex（前身为 GPT Index）已成为基于 LLM 的应用程序的强大数据框架。它提供了将自定义数据源连接到大型语言模型的基础设施，从而实现复杂的数据摄取、结构化和检索。create-llama 项目进一步简化了启动全栈 AI 应用程序的方式。

LlamaIndex 生态系统的主要特点包括：

文档加载和解析能力
复杂的索引策略
查询优化
多模态数据处理
RAG（检索增强生成）能力

create-llama 启动工具包提供：

⚡ FastAPI 强大功能：预配置的后端，比你的咖啡机还快
⚛️ Next.js 优势：现代 React 框架，让开发者微笑
🔐 认证就绪：开箱即用的用户管理
🔄 环境管理：开发、测试、生产 — 一切井井有条！
🚀 像专业人士一样部署：自动化部署，感觉就像魔法

构建财务报告分析器：5分钟自动分析设置

上周，我需要分析KPMG关于财务报告中AI的最新报告。我们谈论的是一份超过50页的PDF，里面充满了统计数据、趋势和行业见解。传统上，这意味着需要花费数小时进行阅读、做笔记和手动提取数据。

相反，我构建了一个更好的工具。

1. 设置过程：

## 后端设置
conda create -n articles_dev python=3.11

conda activate articles_dev

npx create-llama@latest

cd my-financial-report-on-gen-ai

poetry install

## 前端设置
npm install

npm run generate

npm run dev

这里是应用程序提出的不同步骤。如您所见，有许多可用的用例，例如 Agentic RAG 或数据科学家。

然后您可以选择“生成代码并安装依赖项”以完全安装您的应用程序。

最后对于这个用例：

PS：请检查此目录中 .env 文件中预配置的参数。（例如，如果您使用 OpenAI 作为模型提供者，您可能需要配置 OPENAI_API_KEY，并为 E2B 的代码解释器工具配置 E2B_API_KEY。）

2. 魔法：多代理分析

这个系统的特别之处在于其多代理架构：

研究代理 — 你的PDF阅读器
分析代理 — 你的数据科学家
报告代理 — 你的写作者

来自KPMG报告分析的主要发现：这是KPMG关于AI采用和投资的pdf报告链接：https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2024/04/ai-in-financial-reporting-and-audit-web.pdf

上传这个PDF（或其他文件），提问并观察这些代理：

提取关键统计数据
生成可视化或代码，如果执行时出现错误
识别趋势
编写执行摘要

你可以下载pdf报告，如果需要，可以在聊天中询问更新，如果你想要关于你数据某一部分的可视化或更多统计数据。

在几秒钟内，系统：

生成按行业划分的采用情况
总结对GenAI的投资
汇编关键统计数据
生成执行摘要

技术秘密配方

真正的力量来自 LlamaIndex 的 RAG (检索增强生成) 能力：

from llama_index import GPTVectorStoreIndex, SimpleDirectoryReader

## Load and index your PDF
documents = SimpleDirectoryReader('data').load_data()
index = GPTVectorStoreIndex.from_documents(documents)

## Get insights instantly
query_engine = index.as_query_engine()
response = query_engine.query("What are the key adoption trends?")