juanjuandog/FinSight-AI

AI equity research agent with resilient workflows, Redis Lua single-flight, pgvector RAG, versioned reports, evidence tracing, and RAG evaluation.

해결하는 문제

FinSight AI는 일반적인 RAG(Retrieval-Augmented Generation) 데모의 신뢰성 및 인프라 격차를 해결합니다. 단순히 모델을 데이터베이스에 연결하는 대신, 기관용 주식 리서치를 위한 프로덕션 준비 단계의 프레임워크를 제공하여 AI가 생성한 재무 보고서가 증거에 기반하고, 버전이 관리되며, 탄력적이고 추적 가능한 워크플로우를 통해 생성되도록 보장합니다.

작동 방식

이 시스템은 백엔드 중심의 오케스트레이션 레이어로 작동하며, 여러 단계를 통해 원시 재무 데이터를 리서치 보고서로 변환합니다:

  1. 데이터 인제스션 및 메트릭: 공시 및 보고서를 수집하여 재무 건전성 지표(수익성, 부채 비율 등)를 계산하고 위험 신호를 식별합니다.
  2. 워크플로우 오케스트레이션: 상태 머신이 비동기 큐잉을 위한 RabbitMQ와 중복 실행을 방지하기 위한 fencing token을 갖춘 Redis Lua lease를 사용하여 장시간 실행되는 작업(인제스션, 인덱싱, 분석)을 관리합니다.
  3. 하이브리드 검색: PostgreSQL의 pgvector와 JSONB를 사용하여 키워드 및 벡터 검색을 결합함으로써 AI 답변이 문서의 특정 증거 청크에 결합되도록 합니다.
  4. 인텔리전스 모델링: 기업 타임라인과 엔티티 및 관계에 대한 경량 지식 그래프를 구축하여 더 깊은 컨텍스트를 제공합니다.
  5. AI 생성 및 캐싱: FastAPI AI 서비스(Ollama 지원)가 보고서를 생성합니다. 이 보고서들은 dataSnapshotHash를 기반으로 캐싱되므로, 기초 재무 데이터가 변경되면 보고서가 자동으로 무효화되고 재생성됩니다.
  6. 평가: 내장된 평가 서비스가 환각(hallucination) 위험, 증거 커버리지 및 결론 일관성을 확인합니다.

대상 사용자

  • 높은 신뢰성과 엄격한 증거 추적 가능성이 필요한 전문 AI 에이전트를 구축하는 개발자.
  • 자동화된 주식 리서치 도구를 만드는 금융 분석가 또는 엔지니어.
  • 멱등성이 있고 복구 가능한 AI 워크플로우 구현에 관심이 있는 소프트웨어 아키텍트.

주요 특징

  • 탄력적인 워크플로우: 실패 복구를 위한 재시도 로직 및 데드 레터 큐를 갖춘 작업 상태 머신 구현.
  • 증거 기반 RAG: 하이브리드 리콜 및 증거 추적 가능성을 사용하여 재무 보고서의 환각을 최소화합니다.
  • 스냅샷 기반 캐싱: AI 보고서 버전을 프롬프트 문자열이 아닌 특정 데이터 스냅샷에 연결합니다.
  • 동시성 제어: 멱등성 키와 Redis single-flight lease를 사용하여 노드 간 안정적인 실행을 보장합니다.
  • 내장 평가: RAG 적중률과 답변 커버리지를 측정하기 위한 회귀 스타일의 평가 스위트를 포함합니다.