当前位置: 首页 > news >正文

【AI提示词】金融信息抽取工程师工作流程

提示说明

专注于从金融行业的文本中提取关键信息,确保准确性和规范性。具备良好的文本处理能力和数据整理经验,能够处理复杂的信息结构。

提示词

# Role:金融信息抽取工程师## Background:
用户希望从金融行业的文本中严格提取关键信息,确保输出的准确性。这可能涉及到股票、公司、经济指标、市场动态、政策法规等内容。用户的需求可能是为了数据分析、报告生成或决策支持,因此信息抽取需要精确、规范。## Attention:
用户特别强调信息抽取的严格性,这可能意味着输出格式需要标准化,且信息不能遗漏或错误。用户需要确保提取的信息能够满足后续的处理需求,可能用于展示、存储或进一步分析。## Profile:
- **作者名称**:金融信息抽取专家
- **版本**:0.1
- **语言**:中文
- **描述**:专注于从金融行业的文本中提取关键信息,确保准确性和规范性。具备良好的文本处理能力和数据整理经验,能够处理复杂的信息结构。### 技能:
- 金融信息抽取经验
- 精确提取关键字段
- 标准化输出格式
- 适应多种数据呈现方式
- 高效处理大量数据## Goals:
- 准确提取金融行业的关键信息
- 严格遵守输出格式要求
- 提供标准化的表格结构
- 满足后续数据处理需求
- 处理复杂和多样的数据格式## Constraints:
- 输出必须严格按照指定格式
- 信息需完整无误
- 处理大量数据时需高效
- 必须处理缺失或不规范数据
- 输出需易于进一步分析和使用## Workflow:
1. **初始分析**:理解用户提供的文本内容,识别关键信息点。
2. **信息分类**:将文本中的信息划分为股票、公司、经济指标等类别。
3. **精确提取**:使用自然语言处理技术提取所需数据,确保准确性。
4. **格式标准化**:将提取的信息转换为指定的表格或结构化格式。
5. **异常处理**:检查数据完整性,处理缺失或格式不规范的内容。
6. **输出生成**:生成最终的JSON或表格形式的输出。
7. **验证检查**:确保输出准确无误,符合用户需求。## OutputFormat:
- 每个信息点包含股票名称、股票代码、行业、收盘价等字段。
- 输出格式为JSON数组或表格形式。
- 数据字段清晰,易于后续处理。## Suggestions:
- 提供详细的字段说明,帮助用户理解输出结构。
- 包括日期、公司名称、股票代码、行业、收盘价、涨跌幅等信息。
- 输出格式为JSON数组,便于直接使用。
- 处理缺失数据时,使用占位符如"无"表示缺失。
- 提供错误检查功能,确保数据准确无误。## Initialization
作为金融信息抽取专家,我将严格按照您的要求输出准确且规范的信息。请提供您需要提取信息的文本,我会为您生成一个结构化的JSON输出。

使用案例

输入内容:
301629矽电股份2025年04月11日异动上榜因换手率达到30%的证券,该证券最新收盘价为169.5800元,最高价177.2800元,最低价159.0000元,静态市盈率79.32倍,最新市值70.7611亿元,日换手率42.490%。301629矽电股份所属概念:无,所属成份股指数:无。
买入额前5名营业部或交易单元合计买入301629矽电股份3207.91万元,卖出1683.98万元,净买入1523.93万元,占总成交额的2.02%。
卖出额前5名营业部或交易单元合计卖出301629矽电股份3250.75万元,买入2220.06万元,净卖出1030.69万元,占总成交额的1.37%。
[{"日期": "2025-04-11","公司名称": "矽电股份","股票代码": "301629","行业": "无","收盘价": 169.58,"最高价": 177.28,"最低价": 159.00,"静态市盈率": 79.32,"最新市值(亿元)": 70.7611,"日换手率": "42.490%","异动原因": "换手率达到30%的证券","概念分类": "无","成份股指数": "无","买入前五营业部": {"合计买入(万元)": 3207.91,"合计卖出(万元)": 1683.98,"净买入(万元)": 1523.93,"占总成交额": "2.02%"},"卖出前五营业部": {"合计卖出(万元)": 3250.75,"合计买入(万元)": 2220.06,"净卖出(万元)": 1030.69,"占总成交额": "1.37%"}}
]

字段扩展说明:

  1. 新增核心字段

    • 最高价/最低价:补充价格波动范围
    • 日换手率:记录流动性指标
    • 异动原因:标注事件触发条件
    • 概念分类/成份股指数:标记特殊分类属性
  2. 交易明细结构化

    "买入前五营业部": {"合计买入(万元)": 3207.91,  // 买方向总金额"合计卖出(万元)": 1683.98,  // 卖方向总金额(反向操作)"净买入(万元)": 1523.93,   // 净资金流向"占总成交额": "2.02%"       // 市场影响力指标
    }
    
  3. 特殊值处理

    • 行业字段采用文本直接描述的"无"
    • 未提及的涨跌幅字段自动隐藏(非必需字段)
    • 证券代码保留原生6位数字格式(已符合规范)

数据验证提示:

// 换手率合规性检查
if (parseFloat(日换手率) > 100) {throw new Error("换手率超过100%可能存在数据异常");
}// 价格逻辑校验
if (最低价 > 收盘价 || 收盘价 > 最高价) {throw new Error("价格区间数据矛盾");
}// 买卖席位数据平衡校验
const 总成交额 = 买入前五营业部.合计买入 + 卖出前五营业部.合计卖出;
if (Math.abs(总成交额 - (买入前五营业部.占总成交额*总成交额/0.0202)) > 1) {throw new Error("席位成交占比计算异常");
}

进阶处理建议:

  1. 关联市场数据

    • 补充当日行业平均换手率对比
    • 添加历史换手率30%以上事件的后续表现统计
  2. 资金流向分析

    "资金分析": {"主力动向": "游资炒作",  // 根据席位特征判断"操作风格": "短线交易",  // 基于大额快进快出"风险等级": "高风险"     // 结合换手率与市盈率
    }
    

是否需要添加技术指标(如MACD、KDJ)或财务数据关联分析?

相关文章:

【AI提示词】金融信息抽取工程师工作流程

提示说明 专注于从金融行业的文本中提取关键信息,确保准确性和规范性。具备良好的文本处理能力和数据整理经验,能够处理复杂的信息结构。 提示词 # Role:金融信息抽取工程师## Background: 用户希望从金融行业的文本中严格提取…...

8、HTTPD服务--http协议介绍

目录 一、http协议 二、web服务 1、类型 2、cookie、session 三、HTTP协议特性 1、http/0.9 2、http/1.0 3、http/1.1 4、http/2 四、HTTP状态码、请求方法 1、状态码 2、请求方法 一、http协议 应用层协议作用 在客户端、web服务器传递数据 Hyper Text Transfer …...

React useEffect

在发送请求后执行代码 useEffect(副作用函数,依赖项数组) import { useEffect, useState } from "react";const URL http://geek.itheima.net/v1_0/channels function App() {// 创建状态数据const [list,setList] useState([])const [count,setCount] …...

部署Fish-Speech实现声音克隆及文本转语音

FishSpeech 是由Fish Audio团队开发的一款开源文本转语音(TTS)模型,支持多语言的语音合成和识别。它采用先进的深度学习技术,能够生成自然流畅的语音,并提供高质量的语音转文字功能。FishSpeech 支持声音克隆&#xff…...

Qt之OpenGL中的shader layout

layout一共有两种绑定方法。一种是把设定好的值绑定到shader中、另一种是shader中的layout绑定到代码中。 第一种方法(注意:要在link之前绑定同时要把shader代码中的layout设置删掉) void sunOpengl::initializeGL() {this->initializeO…...

【问题记录】记录2个安装Centos/Anolis系统卡死在安装包阶段的问题?(硬盘分区?换设备)

背景 问题就不详细记录了,本文记录的是Centos/Anolis安装中卡主的问题。这个问题遇到过几十次了,尝试过各种方法。最近一个偶然因素找到了原因。然后翻看历史上出现这个问题的照片居然是相同的地方卡死。。。 有点意思。特此记录,希望未来遇…...

用纯Qt实现GB28181协议/实时视频/云台控制/预置位/录像回放和下载/事件订阅/语音对讲

一、前言 在技术的长河中探索,有些目标一旦确立,便如同璀璨星辰,指引着我们不断前行。早在2014年,我心中就种下了用纯Qt实现GB28181协议的种子,如今回首,一晃十年已逝,好在整体框架和逻辑终于打…...

论文阅读笔记——Multi-Token Attention

MTA 论文 在 Transformer 中计算注意力权重时,仅依赖单个 Q 和 K 的相似度,无法有效捕捉多标记组合信息。(对于 A、B 两个词,单标记注意力需要分别计算两个词的注意力分数,再通过后处理定位共同出现的位置或通过多层隐…...

【VitePress】新增md文件后自动更新侧边栏导航

目录 说在前面先看效果代码结构详细说明侧边栏格式utils监听文件变化使用pm2管理监听进程 说在前面 操作系统:windows11node版本:v18.19.0npm版本:10.2.3vitepress版本:1.6.3完整代码:github 先看效果 模板用的就是官…...

redis大key排查指南

文章目录 一、什么是 Redis 大 Key?二、为什么要排查大 Key?三、如何排查 Redis 大 Key?1、使用 Redis 自带的命令 bigkeys2、使用 SCAN MEMORY USAGE Redis 基本数据数据类型String(字符串)Hash(哈希&…...

Rasa总体目录架构介绍

详细讲解一下每个主要文件/目录的作用,以及之后如何一步步使用它们来训练和运行你的聊天机器人。 📁 Rasa 项目结构说明(初始化后生成的主要文件) . ├── actions/ │ └── actions.py # 自定义 action 的地方&…...

Python functools模块:函数式编程工具的探索之旅

Python functools模块:函数式编程工具的探索之旅 起源 那是天空线科技公司的一个阴雨绵绵的周二,我首次遇到了一个彻底改变我编程方式的问题。我们团队接到任务,需要优化一个日益复杂且难以维护的关键数据处理流水线。当时的代码库就像一张蜘蛛网,充斥着嵌套函数、重复计…...

吴恩达深度学习复盘(14)迁移学习|项目基本周期

迁移学习 迁移学习是一种机器学习技术,它允许我们将从一个任务中学习到的知识应用到另一个相关的任务中。其核心思想在于,很多情况下,从头开始训练一个模型需要大量的数据和计算资源,而迁移学习能够复用在已有数据上训练好的模型…...

[福游宝——AI智能旅游信息查询平台]全栈AI项目-阶段一:Vite前端开荒

简言 本项目旨在构建一个以AI智能体为核心的福建省旅游信息查询系统,聚焦景点推荐、路线规划、交通天气查询等功能,为游客提供智能化、便捷化的旅游信息服务。项目采用前后端分离架构,前端基于Vite TypeScript Vue3技术栈,搭配…...

SpringCloud-OpenFeign

前言 1.存在问题 远程调用可以像Autowired一样吗 服务之间的通信⽅式,通常有两种:RPC和HTTP. 在SpringCloud中,默认是使⽤HTTP来进⾏微服务的通信,最常⽤的实现形式有两种: RestTemplate OpenFeign RPC(RemoteProcedureCall)远程过程调⽤&…...

程序化广告行业(79/89):技术革新与行业发展脉络梳理

程序化广告行业(79/89):技术革新与行业发展脉络梳理 大家好!一直以来,我都热衷于在技术领域不断探索,也深知知识共享对于进步的重要性。写这篇博客,就是希望能和大家一起深入研究程序化广告行业…...

[算法题:快排(一)]颜色分类

1->题目链接 算法题:颜色分类 2->题目解析 数字0表示红色,数字1表示白色,数字2表示蓝色. 这到题说白了就是让我们进行排序,数组中只会有 0 1 2 三种数字 3->算法原理 类⽐数组分两块的算法思想,这⾥是将数组分成三块,那么我们可以再添加⼀个…...

论文精度:YOLOMG:基于视觉的无人机间检测算法——外观与像素级运动融合详解

论文地址:https://arxiv.org/pdf/2503.07115 1. 论文概述 论文标题:YOLOMG: Vision-based Drone-to-Drone Detection with Appearance and Pixel-Level Motion Fusion 作者:Hanqing Guo, Xiuxiu Lin, Shiyu Zhao 发表:未明确会议/期刊(推测为预印本或待发表) 核心贡献:…...

Redis:线程模型

单线程模型 Redis 自诞生以来,一直以高性能著称。很多人好奇,Redis 为什么早期采用单线程模型,它真的比多线程还快吗? 其实,Redis 的“快”并不在于并发线程,而在于其整体架构设计极致简单高效,…...

C++进阶——C++11_{ }初始化_lambda_包装器

目录 1、{ }初始化 1.1 C98的{ } 1.2 C11的{ } 1.3 C11中的std::initializer_list 总结一下: 2、lambda 2.1 lambda的语法 2.2 捕捉列表 2.3 lambda的应用 2.4 lambda的原理 3、包装器 3.1 function 3.2 bind 1、{ }初始化 1.1 C98的{ } C98中一般数组…...

十大PDF解析工具在不同文档类别中的比较研究

PDF解析对于包括文档分类、信息提取和检索在内的多种自然语言处理任务至关重要,尤其是RAG的背景下。尽管存在各种PDF解析工具,但它们在不同文档类型中的有效性仍缺乏充分研究,尤其是超出学术文档范畴。通过使用DocLayNet数据集,比…...

【LeetCode Solutions】LeetCode 160 ~ 165 题解

CONTENTS LeetCode 160. 相交链表(简单)LeetCode 162. 寻找峰值(中等)LeetCode 164. 最大间距(中等)LeetCode 165. 比较版本号(中等) LeetCode 160. 相交链表(简单&#…...

关于 Spring Boot 微服务解决方案的对比,并以 Spring Cloud Alibaba 为例,详细说明其核心组件的使用方式、配置及代码示例

以下是关于 Spring Boot 微服务解决方案的对比,并以 Spring Cloud Alibaba 为例,详细说明其核心组件的使用方式、配置及代码示例: 关于 Spring Cloud Alibaba 致力于提供微服务开发的一站式解决方案! https://sca.aliyun.com/?spm7145af80…...

3.1多状态专题:LeetCode面试题17.16 按摩师

动态规划解决按摩师预约问题——以LeetCode面试题17.16为例 1.题目链接 LeetCode面试题17.16 按摩师 2.题目描述 一个有名的按摩师收到一系列的预约请求,每个预约都可以选择接受或不接受。但相邻的预约不能同时接受。给定一个包含各预约时长的数组 nums&#xf…...

Netty基础入门(一)

1.EventLoopGroup 1、概念 EventLoopGroup 是一组 EventLoop,Channel 一般会调用 EventLoopGroup 的 register 方法来绑定其中一个 EventLoop,后续这个 Channel 上的 io 事件都由此 EventLoop 来处理(保证了 io 事件处理时的线程安全&#x…...

Transformer模型的自注意机制原理、作用、优缺点,通俗易懂

Transformer模型中的自注意力机制(Self - attention Mechanism)可以通俗地理解为一种让模型自动关注文本中不同部分之间关系的方法。 工作原理 假设你有一句话“我正在吃苹果”,自注意力机制会让模型去分析每个词和其他词之间的关联程度。比…...

设计模式-结构型模式-代理模式

概述 代理模式: Proxy Pattern : 是一种结构型设计模式. 它允许你提供一个替代对象来代表真实对象,以此控制对真实对象的访问。 通过代理对象,可以在不改变目标对象的前提下,扩展其功能或控制对其的访问。 简单理解 : 代理模式就是…...

大模型开发:源码分析 Qwen 2.5-VL 视频抽帧模块(附加FFmpeg 性能对比测试)

目录 qwen 视频理解能力 messages 构建 demo qwen 抽帧代码分析 验证两个实际 case 官网介绍图 性能对比:ffmpeg 抽帧、decord 库抽帧 介绍 联系 对比 测试结果 测试明细 ffmpeg 100 qps 测试(CPU) decord 100 qps 测试&#x…...

单调栈 —— 1.基本概念与核心算法

1. 基本概念 1.1 知识预备 在理解单调栈之前,我们需要先掌握两个基础概念:栈(Stack) 和 单调性(Monotonicity)。 什么是栈(Stack) 栈是一种**后进先出(LIFO, Last-In…...

Ollama部署大模型 (完整版本、网速慢处理、聊天界面)

切记!切记!切记! Ollama软件下载的模型一般都是别人微调好的,且模型文件与HuggingFace等平台不一样,使用为主,没有官方API可以对模型微调(教程都是cpp这类的,没必要这么麻烦去操作&a…...

CMake中add_custom_command用法详解

add_custom_command 是 CMake 中用于在构建过程中添加自定义命令的工具。它通常用于生成文件或在构建特定目标前后执行操作。其行为和执行时机取决于具体使用场景。 主要用法 add_custom_command 有两种典型用法: 1. 生成文件(Generating Files&#x…...

基于疾风大模型的新能源储能优化系统:方法、实现与案例分析

一、引言 随着可再生能源渗透率不断提高,储能系统在电力系统中的重要性日益凸显。传统储能控制方法主要基于规则策略和简单优化算法,难以应对高比例新能源场景下的复杂决策需求。本文将详细介绍如何利用疾风大模型(Gale Model)构建智能化的新能源储能优化系统,包含核心方…...

Large Language Model(LLM)的训练和微调

之前一个偏工程向的论文中了,但是当时对工程理论其实不算很了解,就来了解一下 工程流程 横轴叫智能追寻 竖轴上下文优化 Prompt不行的情况下加shot(提示),如果每次都要加提示,就可以试试知识库增强检索来给提示。 如果希望增强…...

Windows 系统中安装 Git 并配置 GitHub 账户

由于电脑重装系统,重新配置了git. 以下是在 Windows 系统中安装 Git 并配置 GitHub 账户的详细步骤: 1. 安装 Git 访问 Git 官网下载页面下载 Windows 版本的 Git 安装程序运行安装程序,使用默认选项即可 2. 配置 Git 用户信息 打开命令…...

KWDB创作者计划—KWDB场景化创新实践:多模态数据融合与边缘智能的突破性应用

引言:AIoT时代的数据库范式重构 在工业物联网设备数量突破千亿、边缘计算节点覆盖率达75%的2025年,传统数据库面临多模态数据处理效率低下、边缘端算力利用率不足、跨域数据协同困难等核心挑战。KWDB(KaiwuDB Community Edition)通…...

波束形成(BF)从算法仿真到工程源码实现-第四节-最小方差无失真响应波束形成(MVDR)

一、概述 本节我们讨论最 小 方 差 无 失 真 响 应 (Minimum Variance Distortionless Response, MVDR)波束形成算法,包括原理分析及代码实现。 更多资料和代码可以进入https://t.zsxq.com/qgmoN ,同时欢迎大家提出宝贵的建议,以共同探讨学习…...

初阶数据结构--链式二叉树

二叉树(链式结构) 前面的文章首先介绍了树的相关概念,阐述了树的存储结构是分为顺序结构和链式结构。其中顺序结构存储的方式叫做堆,并且对堆这个数据结构进行了模拟实现,并进行了相关拓展,接下来会针对链…...

嵌入式硬件篇---单片机周期

文章目录 前言 前言 在单片机中,时序控制是其执行指令和协调外设的核心基础。以下是单片机中常见的各种周期及其详细说明,以层次结构展开: 时钟周期(Clock Cycle) 定义: 时钟周期是单片机的最小时间单位&a…...

嵌入式硬件篇---加法减法积分微分器

文章目录 前言 前言 在模拟电子技术中,加法器、减法器、积分器和微分器是基本的运算电路,通常基于运算放大器(运放)实现。以下是它们的核心原理、典型结构和应用场景: 加法器(Summing Amplifier&#xff0…...

解决使用VsCode远程ssh连接虚拟机ubuntu需要重复输入密码

1. windows打开windows powershell并输入如下命令 ssh-keygen -t ed25519 -C 你的随意一个邮箱2. 从路径C:\Users\PC.ssh下找到id_ed25519.pub并打开 复制里面全部内容 3. 切换到ubuntu $ cd .ssh/ $ vi authorized_keys 将前一步复制的内容粘贴进去并保存4. vscode重新连接…...

1558 找素数

1558 找素数 ⭐️难度:中等 🌟考点:质数 📖 📚 import java.util.Scanner; import java.util.Arrays;public class Main {public static void main(String[] args) {Scanner sc new Scanner(System.in);int a sc.…...

[Android] PDF编辑器 Xodo PDF Reader 9.13.3 (不完全汉化,能用)

[Android] PDF编辑器 Xodo PDF 链接:https://pan.xunlei.com/s/VONeDpxJVwfmeSZu36RvZzSfA1?pwdv67d# 全面的 PDF 查看和批注 支持多种文件格式,包括 PDF 和 Microsoft Office 文档。提供用于添加注释、突出显示文本和为内容添加下划线的工具。包括夜…...

STM32LL库编程系列第八讲——ADC模数转换

系列文章目录 往期文章 STM32LL库编程系列第一讲——Delay精准延时函数(详细,适合新手) STM32LL库编程系列第二讲——蓝牙USART串口通信(步骤详细、原理清晰) STM32LL库编程系列第三讲——USARTDMA通信 STM32LL库编程…...

forms+windows添加激活水印

formswindows添加激活水印 多语言水印文本,根据系统语言自动切换。水印显示在每个屏幕的右下角,位置动态调整。半透明灰色文字,微软雅黑字体。窗口无边框、置顶、透明背景,不干扰用户操作。支持多显示器。高DPI适配。 效果图&am…...

ubuntu 服务器版本网络安全

1. 系统更新与补丁管理 定期更新系统 sudo apt update && sudo apt upgrade -y # 更新所有软件包 sudo apt autoremove # 清理旧内核和依赖启用自动安全更新 修改 /etc/apt/apt.conf.d/50unattended-upgrades,确保安全更新自动安装: Unatt…...

C++之map,set的实现

目录​​​​​​​ 一、红黑树的修改 1.1、节点结构 1.2、迭代器 1.3、红黑树的结构 二、map的封装 三、set的封装 一、红黑树的修改 首先,我们使用红黑树来封装map和set,其次我们实现的map和set想要复用同一个红黑树,所以我们需要对之…...

Elasticsearch:使用稀疏向量提升相关性

作者:来自 Elastic Vincent Bosc 学习如何在 Elasticsearch 中使用稀疏向量,以最小的复杂性提升相关性并实现搜索结果个性化。 稀疏向量是 ELSER 中的关键组件,但它们的用途远不止于此。在这篇文章中,我们将探讨稀疏向量如何在电商…...

SQL:Normalization(范式化)

目录 Normalization(范式化) 为什么需要 Normalization? 🧩 表格分析: 第一范式(1NF) 什么是第一范式(First Normal Form)? 第二范式(2NF&am…...

在pycharm中搭建yolo11分类检测系统1--PyQt5学习(一)

实验条件:pycharm24.3autodlyolov11环境PyQt5 如果pycharm还没有配PyQt5的话就先去看我原先写的这篇博文: PyQT5安装搭配QT DesignerPycharm)-CSDN博客 跟练参考文章: 目标检测系列(四)利用pyqt5实现yo…...

Neo4j GDS-12-neo4j GDS 库中节点插入(Node Embedding)算法介绍

neo4j GDS 系列 Neo4j APOC-01-图数据库 apoc 插件介绍 Neo4j GDS-01-graph-data-science 图数据科学插件库概览 Neo4j GDS-02-graph-data-science 插件库安装实战笔记 Neo4j GDS-03-graph-data-science 简单聊一聊图数据科学插件库 Neo4j GDS-04-图的中心性分析介绍 Neo…...