如何使用Kay.ai和Langchain工具来自动化分析SEC文件-CSDN博客

本文链接：https://blog.csdn.net/aehrutktrjk/article/details/142418844

引言

SEC文件是上市公司、特定内幕人士和经纪商向美国证券交易委员会提交的财务报表或其他正式文件。这些文件是投资者和金融专业人士评估企业投资价值的重要来源。在这篇文章中，我们将展示如何使用Kay.ai和Langchain工具来自动化分析SEC文件，帮助识别企业的财务趋势。

主要内容

安装和设置

首先，你需要安装kay包并获取API密钥。你可以在Kay.ai免费获取一个API密钥。然后，将API密钥设置为环境变量KAY_API_KEY。

请确保同时设置OpenAI的API密钥。

# 设置Kay和OpenAI的API密钥
from getpass import getpass

KAY_API_KEY = getpass("Enter your Kay API key: ")
OPENAI_API_KEY = getpass("Enter your OpenAI API key: ")

import os

os.environ["KAY_API_KEY"] = KAY_API_KEY
os.environ["OPENAI_API_KEY"] = OPENAI_API_KEY

构建数据检索和分析链

使用ConversationalRetrievalChain和KayAiRetriever，我们可以构建一个强大的数据检索和分析链，自动回答关于企业财务趋势的问题。

from langchain.chains import ConversationalRetrievalChain
from langchain_community.retrievers import KayAiRetriever
from langchain_openai import ChatOpenAI

model = ChatOpenAI(model="gpt-3.5-turbo")
retriever = KayAiRetriever.create(
    dataset_id="company", data_types=["10-K", "10-Q"], num_contexts=6
)
qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever)

代码示例

设置好API后，我们可以开始分析。例如，查看NVIDIA过去三个季度的开销模式：

questions = [
    "What are patterns in Nvidia's spend over the past three quarters?",
]

chat_history = []

for question in questions:
    result = qa({"question": question, "chat_history": chat_history})
    chat_history.append((question, result["answer"]))
    print(f"-> **Question**: {question} \n")
    print(f"**Answer**: {result['answer']} \n")