使用dify监测金融市场情绪

更新时间:

本实验带您体验如何利用diy创建金融市场情绪工作流,通过输入公司名称,使用Tavily搜索引擎获取相关金融新闻,并借助大模型(如通义千问)进行情绪分析,输出介于-11之间的情绪评分。

场景简介

在量化交易中,股票的市场情绪监测是决定交易策略的重要依据之一。在dify中,创建“股票市场情绪监测”工作流,输入需要监测的公司名称,使用Tavily搜索该公司相关金融类新闻,利用大模型对搜索到的金融类新闻进行情绪分析,输出量化的、介于-11之间的情绪评分(-1为最悲观,1为最乐观)。

image

输出格式为JSON,包括定量的市场情绪评分(score),定性的市场清晰分析结果(sentiment)等,可存入PostgreSQL数据库,结合股价、基本面数据等信息,确定量化交易策略。

{
"positive_keywords": ["exciting things to share", "revive optimism", "record of $35.6 billion", "top pick on AI dominance", "few (if any) blemishes", "invest billions"],
"negative_keywords": ["tumbled nearly 7%", "$5.5 billion charge", "U.S. restrictions on exports", "tariffs", "plunge", "drops 1,000 points"],
"score": -0.1,
"sentiment": "略微消极",
"categories": ["市场表现", "财务报告", "技术发展"]
}

image

免责声明

本服务由第三方提供,我们尽力确保其安全性、准确性和可靠性,但无法保证其完全免于故障、中断、错误或攻击。因此,本公司在此声明:对于本服务的内容、准确性、完整性、可靠性、适用性以及及时性不作任何陈述、保证或承诺,不对您使用本服务所产生的任何直接或间接的损失或损害承担任何责任;对于您通过本服务访问的第三方网站、应用程序、产品和服务,不对其内容、准确性、完整性、可靠性、适用性以及及时性承担任何责任,您应自行承担使用后果产生的风险和责任;对于因您使用本服务而产生的任何损失、损害,包括但不限于直接损失、间接损失、利润损失、商誉损失、数据损失或其他经济损失,不承担任何责任,即使本公司事先已被告知可能存在此类损失或损害的可能性;我们保留不时修改本声明的权利,因此请您在使用本服务前定期检查本声明。如果您对本声明或本服务存在任何问题或疑问,请联系我们。

实验概要

计费说明

  • Dify社区版在计算巢部署的费用主要涉及:

    • 所选vCPU与内存规格。

    • 系统盘类型及容量。

    • 公网带宽。

  • 计费方式:

    按量付费(小时)或包年包月,预估费用在创建实例时可实时看到。使用按量付费时需要确保账户余额不少于100元。

背景知识

本场景主要涉及以下云产品和服务:

前提条件

  1. 账号申请。

    如果没有阿里云账号,您需要先注册阿里云账号。阿里云账号是您使用云资源的付费实体,因此是部署方案的必要前提。

  2. 可领取权益。

    说明

    请根据您的实际需求,领取相关权益。

部署计算巢Dify社区版

说明

计算巢Dify社区版分为单机版和高可用版,本实验部署Dify社区版的单机版即可。

部署架构

image

部署操作

  1. 在实验页面,勾我已阅读并同意《阿里云云起实践平台服务协议》后,单击进入实操

  2. 前往计算巢Dify社区版部署页面。

  3. 创建服务实例页面,模板选择单机版,根据如下说明配置参数,然后单击下一步:确认订单

    参数项

    说明

    示例值

    服务实例名称

    长度不超过64个字符,必须以英文字母开头,可包含数字、英文字母、短划线(-)和下划线(_)。

    dify-xxxx

    地域

    服务实例部署的地域。

    华东1(杭州)

    付费类型

    资源的计费类型:按量付费和包年包月。

    按量付费

    实例类型

    可用区下可以使用的实例规格。

    ecs.u1-c1m2.xlarge

    实例密码

    长度8-30,必须包含三项(大写字母、小写字母、数字、 ()`~!@#$%^&*-+=|{}[]:;'<>,.?/ 中的特殊符号)。

    自定义设置密码。

    可用区ID

    ECS实例所在可用区。

    可用区G

    选择已有/新建的专有网络

    选择新建专有网络或已有专有网络。

    新建专有网络

    专有网络IPv4网段

    VPCIP地址段范围。

    192.168.0.0/16

    交换机子网网段

    交换机的IP地址段范围,必须属于VPC的子网段。

    192.168.1.0/24

    image

    image

    image

  4. 在确认订单页面,配置确认无误后,单击立即创建

    image

  5. 请您耐心等待服务部署完成,大约需要2分钟。在概览页签的实例信息区域,当状态变为已部署时,表示dify社区版部署成功。

    image

  6. 概览页签的立即使用区域,单击dify右侧的链接,访问dify社区版。

    image

  7. 设置管理员账户页面,自定义设置邮箱用户名密码,然后单击设置,注册管理员账户。

    image

  8. 登录页面,填写邮箱密码,单击登录

    image

  9. 接下来您可以开始设置模型供应商了。

    image

设置模型供应商

本步骤指导您如何申请阿里云百炼API-KEY,并在dify中设置通义千问模型。

  1. 前往阿里云百炼控制台,如果页面顶部显示以下消息,您需要开通阿里云百炼的模型服务,以获得免费额度。如果未显示该消息,则表示您已经开通,请跳过此步骤。

    image

  2. 前往API-KEY页面,单击创建我的API-KEY

    4484ff70302d38d51119a7e139ab25cd

  3. 创建新的API-KEY对话框中,归属业务空间选择主账号空间,单击确定

    image

  4. 我的API-KEY页面,单击目标API-KEY右侧操作列下的查看,您即可看到API-KEY的明文信息,在后续步骤需要使用到API-KEY。

    说明

    API-KEY请注意保存,不要存放在公开环境中。

    ab0fc98ea62304abe9b1cfbb9c1c6f05

  5. 返回至dify页签,在工作室页面的右上角,单击右上角用户图标,然后单击设置,进入dify设置页面。

    image

  6. 在左侧导航栏中,单击模型供应商

    image

  7. 模型供应商页面的安装模型供应商区域,找到通义千问模型,单击其卡片中的安装

    image

  8. 安装插件对话框中,单击安装

    image

    返回如下提示,表示通义千问插件已成功安装。

    image

  9. 模型供应商页面的待配置区域,单击通义千问右侧API-KEY中的设置

    说明

    通义千问插件安装成功后,若未在待配置区域中显示,请您稍等片刻后刷新页面即可显示。

    image

  10. 添加通义千问对话框中,输入您申请的阿里云百炼API-KEY,单击保存

    image

设置搜索引擎

  1. 前往tavily官网,单击右上角的Log In,进行登录。

    说明

    若您没有账号,请自行进行注册。

    image

  2. Overview页面,获取到tavilyAPI Key。

    image

  3. 返回至dify页签,在工作室页面的右上角,单击右上角的插件

    image

  4. 插件页面,选择右上角的安装插件 > Marketplace

    image

  5. Marketplace页面,搜索Tavily,单击其卡片中的安装

    image

  6. 安装插件对话框中,单击安装

    image

    返回如下提示,表示Tavily插件已成功安装。

    image

  7. 在左上角单击插件,您可以在插件页面中查看已安装的所有插件。

    image

  8. 插件页面,单击工具

    image

  9. 工具页面,单击Tavily

    image

  10. Tavily面板中,单击去授权

    image

  11. 设置授权面板中,输入您获取到的Tavily API key,单击保存

    image

    返回如下提示,表示已成功授权。

    image

创建工作流

  1. 工具页面,单击探索

    image

  2. 探索页面,选择文本情感分析工作流,单击其卡片中的添加到工作区,以此为基础创建股票市场情绪监测工作流。

    image

  3. 在弹出的对话框中,应用名称改为股票市场情绪检测,单击创建

    image

  4. 若弹出安装插件对话框,无需安装,关闭即可。

    image

  5. 配置工作流。

    1. 在工作流编辑页面,将条件分支多重情感为真多重情感为假结束结束2五个节点删除。

      image

    2. 在工作流编辑页面,单击开始节点,在右侧的开始面板中,删除节点中的MultisentimentCategories这两个字段,只保留input_text输入字段。

      image

    3. 在工作流编辑页面,单击开始节点右侧的image图标添加节点,选择工具 > Tavily > Tavily Serach

      image

    4. 在右侧的Tavily Search面板中,在输入变量输入框中,输入/,选择input_text变量,在主题字段,选择Constant > 金融

      image

    5. 在工作流编辑页面,单击TAVILY SEARCH节点右侧的image图标添加节点,然后单击LLM

      image

    6. 在右侧的LLM面板中,将节点名称改为情绪分析模型选择qwen-max,单击添加消息,添加两个USER消息,一个ASSISTANT消息,根据如下说明配置参数。

      参数说明:

      • SYSTEM:将如下内容复制并粘贴至SYSTEM输入框中。

        你是一个文本情感分析模型。分析文本情感,进行分类,并提取积极和消极关键词。如果没有提供类别,应自动确定类别。分配一个情感分数(-1.01.0,以0.1为增量)。仅返回JSON响应。
        始终尝试返回一个情感分数,不得有异常。
        为整个文本定义一个单一分数,并识别与该文本相关的类别。
        重要提示:将输出格式化为JSON。只返回JSON响应,不添加其他评论或文本。如果返回的文本不是JSON,将视为失败。
      • 第一个USER:将如下内容复制并粘贴至第一个USER输入框中。

        输入文本:披萨很美味,员工很友好,等待时间较长。
        分类:质量,服务,价格
      • ASSISTANT:将如下内容复制并粘贴至ASSISTANT输入框中。

        {
            "positive_keywords": ["美味", "友好的员工"],
            "negative_keywords": ["等待时间长"],
            "score": 0.3,
            "sentiment": "略微积极",
            "categories": ["质量", "服务"]
        }
      • 第二个USER:在第二个USER输入框中,输入/,选择text变量。

      image

    7. 在工作流编辑页面,单击情绪分析节点右侧的image图标添加节点,然后单击结束

      image

    8. 在右侧的结束面板,单击image图标添加一个输出变量,变量名输入text,变量值选择情绪分析中的text

      image

  6. 体验工作流。

    1. 在工作流编辑页面,单击右上角的运行

      image

    2. Test Run面板中,输入您想监测的公司名称,单击开始运行,即可计算当前的市场情绪评分。

      image

      返回类似如下结果。

      image

  7. 在工作流编辑页面,单击右上角的发布,然后单击发布更新,即可保存并发布工作流。

    image

    重要

    完成实验之后,如您不再使用计算巢Dify社区版,建议及时删除服务实例,否则会继续产生费用。同时建议前往API-KEY页面,删除阿里云百炼API-KEY。