大模型賦能投研專題報告：Dify，全自動投研工作流可視化構建.pdf

大模型賦能投研專題報告：Dify，全自動投研工作流可視化構建。隨著生成式 AI 技術的快速發展，金融行業也正積極探索大模型在各類業務場景中的應用落地。當前也出現了許多應 用產品能提升各環節的工作效率，然而產品類型主要屬于智能客服、金融知識問答這些，核心優勢也主要在于其背后 的數據庫質量，本質上依然屬于“工具”而非“應用”，還未真正發揮大模型自身具備的豐富潛力。而 Manus、Deep Research 這類產品展現了大模型成為真正通用或專業化智能體的可能性，這也是它們曾帶來轟動的原因。如何更進一 步搭建金融領域的專業 Agent？

為什么我們需要 Dify？

Dify 作為專業化的工作流應用搭建工具，其高自由度、模塊化與低代碼的產品特征使其能充分解決大模型在金融投研 領域落地的痛點：處理流程長、信息整合度高、高度數據依賴。Dify 兼顧了專業化與便捷性，不僅相比此前的 LangChain 等框架有大幅效率提升，在同類產品的橫向比較中同樣定位突出，成為構建金融 AI 投研應用的首選。當然，Dify 也 保持著高度的可拓展性，能與 RAGFlow 這類專業化知識庫相連接，也能支持 MCP 工具接入，可進一步拓寬應用的能力 邊界。

強大的功能與簡單的配置

我們對 Dify 內部的工具、知識庫、Agent 與工作流等關鍵功能進行詳細介紹，展示了其中自定義工具、搭建 Agent 與 工作流等操作的具體方法。Dify 允許多樣化的工具來源，除了官方提供的工具接口外，也可以通過 MCP、自定義等方 式連接工具，甚至允許將用戶自己構造的工作流作為工具重復使用。工作流中我們也可選擇功能豐富的節點，低代碼 完成 AI 應用的搭建。同時，我們也對部署本地版 Dify、配置大模型接口、構建知識庫等基礎操作進行展示，并對諸 如文檔分塊、檢索算法等可能影響應用效果的節點進行說明。

應用構建實戰——Dify 為投研應用帶來豐富想象空間

最終，我們結合三個案例，展示了 Dify 應用的巨大想象空間。 第一個案例，我們設計了“時間提取”工具，解決了自然語言對話中存在的時間范圍指代模糊的問題，能自動識別解 決用戶需求所需要的確切數據時間范圍。該工具可以嵌套進任意其他工作流或 Agent 之中，實現重復使用。 第二個案例，我們設計了專業化的“金融分析師”。它首先會對用戶提問的范疇進行劃分，確認是“個股”、“行業”、 “概念”還是“宏觀”類問題，再分別接入相對應的細分流程進行針對性分析。每個細分流程則會有專門設計的 Agent 進行分析工作，它們運行流程、知識庫、工具與提示詞等方面都有所不同，能最大化專業程度。 第三個案例，我們介紹了“地理信息檢索”Agent，展示 Dify 在搭建投研應用方面的巨大潛力。該 Agent 可以對年報 中出現的地址進行經緯度定位，并同時搜索附近區域內出現的目標地點，譬如我們在案例中設定的“養殖場”這一目 標。本質上，但凡是涉及金融與其他領域信息整合的需求，都可以在 Dify 的輔助下更高效完成。 整體而言，Dify 易于上手也兼具專業性，為金融應用帶來了豐富的想象空間，是目前搭建大模型投研應用的最佳選 擇。