首页 >科技周边 >人工智能 >如何建立用于股票见解的多模式代理系统？

如何建立用于股票见解的多模式代理系统？

William Shakespeare原创: 2025-03-04 10:41:10419浏览

多模式的代理系统代表了人工智能领域的革命性进步，无缝地结合了多种数据类型（例如文本，图像，音频和视频），这是一个统一的系统，可以显着增强智能技术的能力。这些系统依赖于可以独立处理，分析和综合各种来源的信息的自主智能代理，从而促进对复杂情况的更深入，更细微的理解。

通过将多模式输入与代理功能合并，这些系统可以实时动态适应不断变化的环境和用户交互，从而提供更敏感和智能的体验。这种融合不仅提高了各个行业的运营效率，而且还提高了人类计算机的相互作用，从而使它们更加流畅，直觉和上下文意识。结果，将多模式的代理框架设置为重塑我们与技术互动和利用技术的方式，在跨部门的无数应用中推动创新。

学习目标

具有高级图像分析的代理AI系统的好处

> CREW AI的视觉工具如何增强代理AI功能？ DeepSeek-R1-Distill-Qwen-7b型号及其功能

>实践Python教程与DeepSeek R1
构建一个多模式的多模式，多代理系统，用于库存分析
>使用库存图表进行分析和比较库存行为
>本文是

> > data Science Blogathon的一部分。 Table of contentsAgentic AI systems with Image Analysis CapabilitiesBuilding a Multi-Modal Agentic System to Explain Stock Behavior From Stock Charts

Hands-On Python Implementation using Ollama on Google Colab

>结论
常见问题具有图像分析功能的代理AI系统
代理AI系统正在改变行业。
- 瞬时视觉数据处理：这些高级系统具有实时分析大量视觉信息的能力，从而极大地提高了不同部门的运营效率，包括医疗保健，制造和零售。这种快速处理有助于快速决策和对动态条件的立即响应。图像识别中的 >卓越的精度：
- > 通过将图像分析无缝纳入其操作框架中，这些智能系统可以自主执行复杂的任务，例如提供医疗诊断或进行监视操作，而无需直接监督。这种自动化不仅简化了工作流程，而且还可以最大程度地减少人为错误的可能性，从而为提高生产率和可靠性铺平了道路。>
- >机组人道AI视觉工具 > Crewai是一个尖端的开源框架，旨在将自主的AI代理协调到凝聚力的团队中，使他们能够协作处理复杂的任务。在Crewai内部，每个代理都被分配了特定的角色，配备了指定工具，并由定义明确的目标驱动，反映了现实世界工作人员的结构。
构建一个多模式的代理系统，以解释库存图表的库存行为>
>我们将构建一个复杂的多模式代理系统，该系统将首先利用Crewai的视觉工具，旨在解释和分析两家公司的库存图表（以图像的形式）。然后，该系统将利用DeepSeek-R1-Distill-Qwen-7b模型的力量，以提供对这些公司股票行为的详细说明，从而为两家公司的业绩提供良好的见解并比较其行为。这种方法可以通过将视觉数据分析与高级语言模型相结合，从而实现明智的决策，从而对市场趋势进行全面的了解和比较。

> deepSeek-r1-distill-qwen-7b
为了适应DeepSeek R1的高级推理能力以用于更紧凑的语言模型，创建者编制了DeepSeek R1本身生成的800,000个示例的数据集。然后将这些示例用于微调现有模型，例如Qwen和Llama。结果表明，这种相对简单的知识蒸馏方法有效地将R1的复杂推理功能传递给了这些其他模型
> DeepSeek-R1-Distill-Qwen-7b型号是Distled DeepSeek R1的型号之一。它是较大的DeepSeek-R1体系结构的蒸馏版，旨在提供提高效率的同时保持稳健的性能。这是一些关键功能：
该模型在数学任务中脱颖而出，在数学500基准上取得了令人印象深刻的分数为92.8％，
展示了其有效处理复杂数学推理的能力。除了其数学能力外，DeepSeek-R1-Distill-Qwen-7b在事实提问的任务上表现出色，在GPQA Diamond上得分为49.1％，在数学和事实推理能力之间取得了良好的平衡。
>我们将利用这一模型来解释和找到公司股票行为背后的推理，从库存图表图像中提取信息。

使用Ollama在Google Colab上使用Ollama实施实施Python >我们将使用Ollama来拉动LLM型号并利用Google COLAB上的T4 GPU来构建此多模式代理系统。

>步骤1。安装必要的库
```
!pip install crewai crewai_tools
!sudo apt update
!sudo apt install -y pciutils
!pip install langchain-ollama
!curl -fsSL https://ollama.com/install.sh | sh
!pip install ollama==0.4.2
```
>步骤2。启用线程到设置Ollama Server
```
import threading
import subprocess
import time

def run_ollama_serve():
 subprocess.Popen(["ollama", "serve"])

thread = threading.Thread(target=run_ollama_serve)
thread.start()
time.sleep(5)
```
步骤3。
```
!ollama pull deepseek-r1
```
>步骤4。定义OpenAI API键和LLM模型
```
import os
from crewai import Agent, Task, Crew, Process, LLM
from crewai_tools import LlamaIndexTool
from langchain_openai import ChatOpenAI
from crewai_tools import VisionTool
vision_tool = VisionTool()

os.environ['OPENAI_API_KEY'] =''
os.environ["OPENAI_MODEL_NAME"] = "gpt-4o-mini"

llm = LLM(
 
 model="ollama/deepseek-r1",
)
```
步骤5。定义代理，工作人员中的任务
```
def create_crew(image_url,image_url1):

 #Agent For EXTRACTNG INFORMATION FROM STOCK CHART
 stockchartexpert= Agent(
 role="STOCK CHART EXPERT",
 goal="Your goal is to EXTRACT INFORMATION FROM THE TWO GIVEN %s & %s stock charts correctly """%(image_url, image_url1),
 backstory="""You are a STOCK CHART expert""",
 verbose=True,tools=[vision_tool],
 allow_delegation=False

 )

 #Agent For RESEARCH WHY THE STOCK BEHAVED IN A SPECIFIC WAY
 stockmarketexpert= Agent(
 role="STOCK BEHAVIOUR EXPERT",
 goal="""BASED ON THE PREVIOUSLY EXTRACTED INFORMATION ,RESEARCH ABOUT THE RECENT UPDATES OF THE TWO COMPANIES and EXPLAIN AND COMPARE IN SPECIFIC POINTS WHY THE STOCK BEHAVED THIS WAY . """,
 backstory="""You are a STOCK BEHAVIOUR EXPERT""",
 verbose=True,

 allow_delegation=False,llm = llm
 )

 #Task For EXTRACTING INFORMATION FROM A STOCK CHART
 task1 = Task(
 description="""Your goal is to EXTRACT INFORMATION FROM THE GIVEN %s & %s stock chart correctly """%((image_url,image_url1)),
 expected_output="information in text format",
 agent=stockchartexpert,
 )

 #Task For EXPLAINING WITH ENOUGH REASONINGS WHY THE STOCK BEHAVED IN A SPECIFIC WAY
 task2 = Task(
 description="""BASED ON THE PREVIOUSLY EXTRACTED INFORMATION ,RESEARCH ABOUT THE RECENT UPDATES OF THE TWO COMPANIES and EXPLAIN AND COMPARE IN SPECIFIC POINTS WHY THE STOCK BEHAVED THIS WAY.""",
 expected_output="Reasons behind stock behavior in BULLET POINTS",
 agent=stockmarketexpert
 )
 
 #Define the crew based on the defined agents and tasks
 crew = Crew(
 agents=[stockchartexpert,stockmarketexpert],
 tasks=[task1,task2],
 verbose=True, # You can set it to 1 or 2 to different logging levels
 )

 result = crew.kickoff()
 return result
```
>步骤6。运行船员

以下两个库存图表作为机组人员的输入
```
text = create_crew("https://www.eqimg.com/images/2024/11182024-chart6-equitymaster.gif","https://www.eqimg.com/images/2024/03262024-chart4-equitymaster.gif")
pprint(text)
```
最终输出

从最终产出中可以看出，代理系统对股票图表的股价行为进行了很好的分析和比较。
```
Mamaearth's stock exhibited volatility during the year due to internal challenges that led to significant price changes. These included unexpected product launches and market controversies which caused both peaks and troughs in the share price, resulting in an overall fluctuating trend. On the other hand, Zomato demonstrated a generally upward trend in its share price over the same period. This upward movement can be attributed to expanding business operations, particularly with successful forays into cities like Bengaluru and Pune, enhancing their market presence. However, near the end of 2024, external factors such as a major scandal or regulatory issues might have contributed to a temporary decline in share price despite the overall positive trend. In summary, Mamaearth's stock volatility stems from internal inconsistencies and external controversies, while Zomato's upward trajectory is driven by successful market expansion with minor setbacks due to external events.
```
多模式代理系统的另一个示例，用于股票洞察

>让我们检查并比较另外两家公司的股票图表中的股价行为 - 欣喜若狂的食品工程和比卡吉食品国际有限公司。
```
text = create_crew("https://s3.tradingview.com/p/PuKVGTNm_mid.png","https://images.cnbctv18.com/uploads/2024/12/bikaji-dec12-2024-12-b639f48761fab044197b144a2f9be099.jpg?im=Resize,width=360,aspect=fit,type=normal")
print(text)
```
最终输出
从最终产出可以看出，代理系统对股票图表中的股价行为进行了很好的分析，并比较了对比卡吉（Bikaji）持续性能的趋势的详尽解释，与欢乐的食品公司的看涨模式相比。
结论
总之，多模式代理框架通过将各种数据类型融合以更好的实时决策来标志着AI中的变革转变。这些系统通过整合高级图像分析和代理功能来增强自适应智能。结果，它们优化了各个部门的效率和准确性。机组AI Vision Tool和DeepSeek R1模型展示了此类框架如何实现复杂的应用程序，例如分析股票行为。这一进步强调了AI在推动创新和改善决策方面的作用日益增长。
钥匙要点
1. 多模式代理框架：这些框架将文本，图像，音频和视频集成到统一的AI系统中，从而增强了人工智能功能。这些系统中的智能代理独立处理，分析和综合来自不同来源的信息。这种能力使他们能够对复杂情况有细微的理解，从而使AI更适应和响应。
2. 实时适应性：通过将多模式输入与代理功能合并，这些系统动态适应不断变化的环境。这种适应性使得更加响应且智能的用户交互。多种数据类型的集成提高了包括医疗保健，制造业和零售在内的各个领域的运营效率。它提高了决策速度和准确性，从而提高了更好的结果
3. >> crew ai视觉工具：此工具使Crewai中的自主代理能够从图像中提取和处理文本，增强其决策能力并提高整体工作流程效率。
4. >deepSeek-r1-distill-qwen-7b型号：这种蒸馏模型可提供强大的性能，同时更加紧凑，在数学推理和事实问题上的任务中出色，使其适合分析股票行为。
5. >本文所示的媒体不归Analytics Vidhya拥有，并由作者自行决定使用。 常见问题
> Q1。 AI中的多模式代理框架是什么？多模式代理框架将文本，图像，音频和视频（视频和视频）等各种数据类型组合到统一的AI系统中。该集成使智能代理能够分析和处理多种形式的数据，以获得更细微和有效的决策。什么是船员AI？ CREW AI是一个高级的开源框架，旨在将自主AI代理协调为凝聚力的团队，以合作完成复杂的任务。系统中的每个代理都有一个特定的角色，配备了指定工具，并由定义明确的目标驱动，模仿了现实世界工作人员的结构和功能。 Q3。机组人道AI视觉工具如何增强多模式系统？机组AI视觉工具允许代理从图像提取和处理文本。该功能使系统能够理解视觉数据并将其集成到决策过程中，从而进一步提高工作流程效率。哪些行业可以从具有图像分析功能的代理AI系统中受益？这些系统在医疗保健，制造业和零售等行业中特别有益，在医疗保健，制造业和零售业中，图像识别中的实时分析和精度对于诸如医学诊断和质量控制等任务至关重要。Q5。 DeepSeek R1的蒸馏型是什么？ DeepSeek-R1的蒸馏模型是使用称为蒸馏的过程创建的较大DeepSeek-R1模型的较小，更有效的版本，该过程可保留原始模型的许多推理能力，同时降低计算需求。这些蒸馏模型使用DeepSeek-R1生成的数据进行微调。这些蒸馏模型的一些示例是DeepSeek-R1-Distill-Qwen-1.5b，DeepSeek-R1-Distill-Qwen-7b，DeepSeek-R1-Distill-Qwen-14b，DeepSeek-R1-Distill-distill-distill-lllama-8b等