FinGPT 接入兼容模型 API

结论：先判断你运行的是哪一类 FinGPT

金融大模型、情绪分析、财报研究和多 Agent 示例。仓库中的 LoRA、Forecaster 等本地权重通过 transformers 或 Hugging Face 运行，不请求 chat completions；AG2 多 Agent 和 LangChain 财报管线才读取 model、api_key、api_type 与 base_url。 当前 verified 只表示锁定版本的 AG2 应用管线通过兼容端点得到非空回复。它不覆盖本地权重、所有 notebook、金融数据服务或任何投资结果。

官方 Forecaster 界面说明本地模型路线

截图来自 FinGPT 官方仓库。Forecaster 是项目的重要应用形态，但其核心模型路线不是本文的 OpenAI 兼容 API 消费路径。把项目图片放在这里，是为了明确产品边界，而不是暗示兼容端点验证覆盖了这个界面。

两类模型路线与三类数据依赖

本地金融模型走权重下载和 GPU；AG2 或 LangChain 走兼容 API；yfinance、SEC 与财务数据服务独立提供事实。只有应用管线中的通用 LLM 能由 Base URL 替换。

AG2 管线配置 LLMConfig

锁定 notebook 把模型配置组织为一个 LLMConfig。多个 AssistantAgent 可以共用一份配置，也可以分别使用快模型与深度模型；端点保持一致，模型 ID 从当前目录复制。

import os
from autogen import AssistantAgent, LLMConfig

llm_config = LLMConfig({
    "model": os.environ["KKAIAPI_MODEL"],
    "api_key": os.environ["KKAIAPI_KEY"],
    "api_type": "openai",
    "base_url": "https://api.kkaiapi.com/v1",
})

researcher = AssistantAgent(name="News_Researcher", llm_config=llm_config)
advisor = AssistantAgent(name="Investment_Advisor", llm_config=llm_config)

LangChain 财报管线配置 ChatOpenAI

另一条应用路线通过 LangChain 分析财报。模型端点之外，SEC 与财务数据服务仍需要独立凭据；不要把数据 API Key 写进模型配置。

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model=os.environ["KKAIAPI_MODEL"],
    api_key=os.environ["KKAIAPI_KEY"],
    base_url="https://api.kkaiapi.com/v1",
    temperature=0,
)

reply = llm.invoke("Reply exactly: ok")
assert reply.content.strip(), "empty response"

哪些路径适用，哪些不适用

FinGPT 包含远程聊天模型、本地权重和多个子项目。兼容 Base URL 只适用于明确调用远程聊天模型的路径，不能外推到整个仓库。

金融数据与报告闭环

yfinance、SEC、财务数据 API、FinBERT 和本地模型。多 Agent 管线使用 yfinance、情绪分类器等工具；财报管线还可能依赖 SEC 与财务数据 API。保存文件发布日期、抓取时间、原始段落和工具结果，最终答复才能回到证据。 某个工具失败时，对应角色应声明缺失或停止。模型根据公司常识生成的补充段落不属于数据结果。

模型选择、成本和故障定位

一次任务成本 = 输入 token × 输入单价 + 输出 token × 输出单价 + 缓存读写费用 + 外部数据费用。模型价格和实际 token 只从当前模型目录与控制台调用日志读取，不在文章里复制一份会过时的数字。 先用同一标的和日期比较模型，再按角色分配。研究员通常读取长材料，顾问会综合多份结果；压缩重复证据比盲目换模型更重要。401 检查 Key；404 检查模型 ID 和 /v1；AG2 导入错误先确认实际安装版本；模型成功而财报失败时，检查 SEC 与数据凭据。

常见问题