使用场景（风控问答、股票助理、教育应用）

📌 场景 1：风控问答系统（如 FinRiskGPT）

🎯 目标：上传监管文档/10-K 报告 → 提问风险问题 → 得到结构化回复（含引用）
💡 特点：支持长文档解析、多轮追问、引用原文、合规性保障
功能点
推荐模块
文档上传与分段
PyPDFLoader + RecursiveTextSplitter
文本向量化与存储
OpenAIEmbeddings + FAISS
问答链
ConversationalRetrievalChain（带 Memory）
结构化输出
StructuredOutputParser
高亮引用 + 追踪原文
使用 metadata + 自定义 OutputParser
多任务调度（摘要 + 问答 +评分）
SequentialChain 或 LangGraph
风控规则校验
Guardrails（如格式、合规词过滤）
Prompt 构建
ChatPromptTemplate（多段系统提示 + 变量）
工具调用（如评分器）
Tool + Agent（带 Function Calling）

📌 场景 2：股票助手（AI 投资研究）

🎯 目标：提问某只股票的财务数据、新闻、分析建议
💡 特点：多数据源、外部信息调用、函数执行、实时查询
功能点
推荐模块
财报/10-K 结构化分析
RetrievalQA 或 ConversationalRetrievalChain
实时数据查询（价格、新闻）
自定义 Tool + openai-functions Agent
多轮投资问答（记忆上下文）
ConversationBufferMemory
财务指标解释/对比
FewShotPromptTemplate + 自定义解释模板
多 Agent 协作（行情/研究/问答）
LangGraph 构建多意图路径
多公司对比/分析摘要
MapReduceDocumentsChain
用户指令分类器
使用 RouterChain 或轻量分类器
多语言支持（如中英）
PromptTemplate + langchain.output_parsers 转译器

📌 场景 3：教育类应用（金融术语教学 / Quizlet 风格）

🎯 目标：通过 AI 实现术语解释、答题互动、个性化学习
💡 特点：Prompt 工程为主，输出结构化，互动性强，可游戏化
功能点
推荐模块
多轮解释（通俗 vs 专业）
ChatPromptTemplate + ConversationalChain
输出卡片内容（结构化）
StructuredOutputParser（含定义/例子/练习）
自动生成习题/选项
LLMChain + Few-shot Prompt
学习进度追踪
Memory + 用户 ID 分流
多类型提示词（术语/概念/案例）
PromptTemplate + Selector（模板切换）
知识点推荐（路径图）
自定义规则 + LangGraph 控制路径
课程规划 Agent
Agent + Tool（例如推荐下一个概念）
图文混合（图片+解释）
结合 OpenAI DALL·E Tool 或自建生成器

✅ 模块对比总览表（重点）

功能分类
风控问答系统
股票助手
教育应用
文档加载
✅ PyPDFLoader
✅ 10-K / News
✅ CSV / 词库
向量检索
✅ FAISS / Chroma
✅ 股票数据 + 财报
🔄 可选（术语库）
多轮问答
✅ ConversationalRetrievalChain
✅ + Memory
✅ ConversationChain
Agent 工具
✅ 风控评分器
✅ 实时查询函数
✅ 教学规划 Tool
结构化输出
✅ JSON / Markdown
✅ 财务表格
✅ Flashcard结构
调度框架
✅ LangGraph
✅ LangGraph + Agent
✅ SequentialChain
合规控制
✅ Guardrails
🔄 可选
✅ 内容审核
Prompt 工程
✅ 多段 + 系统设定
✅ Few-shot 分层
✅ 多种提示样式

🔧 延伸建议

  • 如你使用 Streamlit/Web框架 搭建系统界面，可直接绑定 LangChain pipeline
  • 可考虑将上述模块封装为 可重用组件：如 DocUploader、VectorDBManager、RiskScorerTool、QuizGenerator 等
  • 推荐配合 LangSmith（OpenAI 出品）调试所有 Chain/Agent 行为与中间步骤