网站导航
> 技术文档 > 《DeepSeek原生应用与智能体开发实践》——DeepSeek驱动的即时金融信息采集与分析平台

《DeepSeek原生应用与智能体开发实践》——DeepSeek驱动的即时金融信息采集与分析平台

网友: 技术文档 2025-07-30 12:07:15

《DeepSeek原生应用与智能体开发实践》——DeepSeek驱动的即时金融信息采集与分析平台

  • 一、图书简介
  • 二、编辑推荐
  • 三、案例实战：DeepSeek驱动的即时金融信息采集与分析平台
    • 3.1 引言
    • 3.2 系统架构设计
    • 3.3 技术选型
  • 四、核心实现流程
    • 4.1 实现流程图
    • 4.2 关键代码实现
      • (1) 网页内容解析
      • (2) 智能分析Prompt设计
      • (3) 结果处理与展示
  • 五、系统界面展示
  • 六、应用效果示例
  • 七、技术难点与解决方案
  • 八、总结与展望
  • 九、附：完整代码与系统运行效果

🌺The Begin🌺点点关注，收藏不迷路🌺

一、图书简介

在这里插入图片描述

JD：https://item.jd.com/10162997643656.html。

《DeepSeek原生应用与智能体开发实践》——DeepSeek驱动的即时金融信息采集与分析平台
\"《DeepSeek原生应用与智能体开发实践》围绕DeepSeek大模型应用开发展开，深度融合技术创新与工程实践，内容覆盖大模型应用开发（在线调用、提示词、推理、Agent、工具调用、MCP、微调、蒸馏、后训练、RAG）技术栈及其案例。书中原理与案例相融合，注重培养读者的大模型原生应用与智能体开发能力，并构建从理论到落地的完整知识体系。《DeepSeek原生应用与智能体开发实践》配套示例源码、PPT课件、配图PDF文件、读者微信交流群。
《DeepSeek原生应用与智能体开发实践》共分16章，内容包括大模型时代、DeepSeek开发环境配置与开放API使用、提示工程与DeepSeek提示库、思维链与DeepSeek推理模型、基于DeepSeek的Agent开发详解、DeepSeek的Function Calling与MCP应用实战、大模型驱动的即时金融信息采集与分析平台、KV Cache加持的推理加速、MLA注意力机制、MoE专家模型、MTP与多组件优化、大模型微调技术与应用、大模型蒸馏技术与应用、后训练算法GRPO详解与实战、基于后训练的智能医疗问诊实战，以及基于A2A、MCP与RAG的多Agent跨境电商智能客服实战。

《DeepSeek原生应用与智能体开发实践》既适合DeepSeek开发初学者、大模型原生应用与智能体开发人员、模型优化与工程化工程师、大模型研究人员、行业AI解决方案提供商，也适合高等院校及高职高专院校学习人工智能大模型的学生。\"

二、编辑推荐

（1）《DeepSeek原生应用与智能体开发实践》包括18个应用案例，非常借鉴价值，其中重点案例包括美妆GUI Agent、体重管理API Agent、即时金融信息采集与分析平台、智能医疗问诊系统、多Agent跨境电商智能客服系统，读者根据自己的需求稍微修改一下即可应用于生产实践。
（2）即时金融信息采集与分析平台、智能医疗问诊系统、多Agent跨境电商智能客服系统分别代表金融、医疗、电商行业的应用解决方案。特别是多Agent跨境电商智能客服系统，融合了A2A、MCP、RAG技术，其系统分析与代码实现过程的讲解就值书价了，有需要借鉴此案例的读者可以大胆购买。
（3）《DeepSeek原生应用与智能体开发实践》还可以结合《DeepSeek大模型高性能核心技术与多模态融合开发》一书中的案例，对DeepSeek原理与应用开发进行深入研究。
（4）《DeepSeek原生应用与智能体开发实践》围绕DeepSeek大模型应用开发展开，深度融合技术创新与工程实践，内容覆盖大模型应用开发（在线调用、提示词、推理、Agent、工具调用、MCP、微调、蒸馏、后训练、RAG）常用技术栈。
（5）《DeepSeek原生应用与智能体开发实践》原理与实战案例相融合，注重培养读者的大模型原生应用与AI Agent智能体开发能力，并构建从理论到落地的完整知识体系。
（6）《DeepSeek原生应用与智能体开发实践》通过代码级详解与量化实验对比，将KV Cache、MLA注意力、MoE专家模型、MTP输出等前沿技术转化为可复现的工程能力，帮助读者深入理解大模型的技术逻辑。
（7）配套示例源码、数据文件、PPT课件、配图PDF文件、读者微信交流群。\"

三、案例实战：DeepSeek驱动的即时金融信息采集与分析平台

3.1 引言

在金融行业，信息获取与分析的速度和质量直接关系到投资决策的成败。传统的信息处理方式往往需要金融从业者花费大量时间阅读、筛选和分析海量信息。随着人工智能技术的发展，特别是大语言模型(LLM)的突破，我们能够构建更加智能高效的金融信息处理系统。本文将详细介绍如何利用DeepSeek大模型构建一个完整的金融信息智能分析系统，实现从信息采集到智能分析的全流程自动化。

3.2 系统架构设计

整个系统采用模块化设计，主要包含以下几个核心模块：

信息采集模块：负责从新浪财经等金融网站获取原始数据

内容解析模块：对网页内容进行结构化提取

智能分析模块：利用DeepSeek大模型进行深度分析

交互展示模块：通过Gradio构建用户友好界面

系统采用模块化设计，主要包含四大核心模块：

┌────────────────┐ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐│ │ │ │ │ │ │ ││ 信息采集模块 │───▶│ 内容解析模块 │───▶│ 智能分析模块 │───▶│ 交互展示模块 ││ │ │ │ │ │ │ │└────────────────┘ └────────────────┘ └────────────────┘ └────────────────┘

3.3 技术选型

  • 网页采集：Requests库
  • HTML解析：BeautifulSoup
  • 大模型API：DeepSeek Chat
  • 交互界面：Gradio
  • 数据格式：JSON

四、核心实现流程

4.1 实现流程图

#mermaid-svg-hEAc60UYap0wFd6d {font-family:\"trebuchet ms\",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-hEAc60UYap0wFd6d .error-icon{fill:#552222;}#mermaid-svg-hEAc60UYap0wFd6d .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-hEAc60UYap0wFd6d .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-hEAc60UYap0wFd6d .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-hEAc60UYap0wFd6d .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-hEAc60UYap0wFd6d .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-hEAc60UYap0wFd6d .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-hEAc60UYap0wFd6d .marker{fill:#333333;stroke:#333333;}#mermaid-svg-hEAc60UYap0wFd6d .marker.cross{stroke:#333333;}#mermaid-svg-hEAc60UYap0wFd6d svg{font-family:\"trebuchet ms\",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-hEAc60UYap0wFd6d .label{font-family:\"trebuchet ms\",verdana,arial,sans-serif;color:#333;}#mermaid-svg-hEAc60UYap0wFd6d .cluster-label text{fill:#333;}#mermaid-svg-hEAc60UYap0wFd6d .cluster-label span{color:#333;}#mermaid-svg-hEAc60UYap0wFd6d .label text,#mermaid-svg-hEAc60UYap0wFd6d span{fill:#333;color:#333;}#mermaid-svg-hEAc60UYap0wFd6d .node rect,#mermaid-svg-hEAc60UYap0wFd6d .node circle,#mermaid-svg-hEAc60UYap0wFd6d .node ellipse,#mermaid-svg-hEAc60UYap0wFd6d .node polygon,#mermaid-svg-hEAc60UYap0wFd6d .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-hEAc60UYap0wFd6d .node .label{text-align:center;}#mermaid-svg-hEAc60UYap0wFd6d .node.clickable{cursor:pointer;}#mermaid-svg-hEAc60UYap0wFd6d .arrowheadPath{fill:#333333;}#mermaid-svg-hEAc60UYap0wFd6d .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-hEAc60UYap0wFd6d .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-hEAc60UYap0wFd6d .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-hEAc60UYap0wFd6d .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-hEAc60UYap0wFd6d .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-hEAc60UYap0wFd6d .cluster text{fill:#333;}#mermaid-svg-hEAc60UYap0wFd6d .cluster span{color:#333;}#mermaid-svg-hEAc60UYap0wFd6d div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\"trebuchet ms\",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-hEAc60UYap0wFd6d :root{--mermaid-font-family:\"trebuchet ms\",verdana,arial,sans-serif;} 有效 无效 是 否 输入新浪财经URL URL有效性检查 发送HTTP请求获取网页 返回错误信息 解析HTML提取标题和正文 解析成功? 构造分析Prompt 返回解析错误 调用DeepSeek API 解析JSON结果 格式化输出 展示分析结果

4.2 关键代码实现

(1) 网页内容解析

def parse_sina_finance(url): try: response = requests.get(url, headers=headers, timeout=10) soup = BeautifulSoup(response.text, \'lxml\') # 多策略标题提取 title_elements = [ soup.select_one(\'h1.main-title\'), soup.select_one(\'div.article-header h1\'), soup.find(\'meta\', property=\'og:title\'), soup.find(\'title\') ] # 正文内容提取 content_div = ( soup.select_one(\'#artibody\') or soup.select_one(\'.article-content\') or soup.select_one(\'.content\') or soup.find(\'div\', itemprop=\'articleBody\') ) return { \'title\': title_text, \'content\': text_content.strip(), \'url\': url, \'error\': False }

技术亮点：

  • 多策略兼容不同网页结构
  • 灵活的正文定位方式
  • 完善的异常处理机制

(2) 智能分析Prompt设计

prompt = f\"\"\"作为资深财经分析师，请对以下新闻进行专业分析：{news_content}要求输出完整JSON格式，包含以下字段：1. 新闻标题2. 行业分析（必须包含以下子项）： - 债券市场影响 - 金融机构影响 - 地方政府融资平台影响3. 相关上市公司（公司+代码+影响分析）4. 相关概念板块（板块名称+影响分析）5. 综合分析（必须包含以下内容）： - 政策影响层面 - 市场反应层面 - 投资机会层面 - 风险提示 - 长期趋势\"\"\"

Prompt设计要点：

  • 明确定义分析角色
  • 结构化输出要求
  • 多维度分析框架
  • 标准化JSON格式

(3) 结果处理与展示

# 格式化输出formatted_output = f\"📌 新闻标题: {data.get(\'新闻标题\', \'无\')}\\n\\n\"# 行业分析部分formatted_output += \"🏭 行业分析:\\n\"for industry, analysis in data.get(\'行业分析\', {}).items(): formatted_output += f\" - {industry}: {analysis}\\n\"# 综合分析部分formatted_output += \"🔍 综合分析:\\n\"for aspect, analysis in data.get(\'综合分析\', {}).items(): formatted_output += f\" • {aspect}: {analysis}\\n\"

五、系统界面展示

使用Gradio构建的用户界面简洁直观：

def create_gradio_interface(): with gr.Blocks(title=\"金融信息采集与分析平台\") as demo: gr.Markdown(\"# 🏦 金融信息采集与分析平台\") with gr.Row(): with gr.Column(scale=2): url_input = gr.Textbox(label=\"输入新浪财经文章URL\") submit_btn = gr.Button(\"开始分析\", variant=\"primary\") gr.Markdown(\"### 解析结果\") title_output = gr.Textbox(label=\"文章标题\") content_output = gr.Textbox(label=\"文章内容\", lines=10) with gr.Column(scale=3): gr.Markdown(\"### AI分析结果\") ai_output = gr.Textbox(label=\"市场影响分析\", lines=15) with gr.Accordion(\"原始JSON数据\", open=False):  raw_json_output = gr.JSON(label=\"原始分析数据\") submit_btn.click(fn=full_analysis_workflow, inputs=url_input, outputs=[title_output, content_output, ai_output, raw_json_output]) return demo

界面特点：

  • 响应式布局
  • 清晰的信息分区
  • 原始数据可查看
  • 简洁操作流程

六、应用效果示例

系统对城投债新闻的分析示例输出：

📌 新闻标题: “3号指引”强化城投债发行审核管理 保险、理财子、银行自营资金快速入场加仓“看好”信用利差收窄回报🏭 行业分析: - 债券市场影响: “3号指引”对城投债发行审核门槛进行调整，导致城投债供给放量难度加大，优质城投债争夺激烈。信用利差预计收窄，债券收益率上行吸引资金入场。 - 金融机构影响: 保险、理财子、银行自营资金等配置型资金积极增持优质城投债，以锁定高收益。私募基金等交易型资金加仓低评级高收益城投债，押注信用利差收窄。 - 地方政府融资平台影响: 资质良好的城市建设企业发债渠道畅通，但资产质量较低、依赖政府补贴、负债率较高的城投公司发债审核趋严，弱平台加速出清。📈 相关上市公司: - 中金公司(601995): 利好，作为固收研究团队，其分析能力将受到市场关注。 - 华西证券(002926): 利好，其宏观固收团队的建议可能吸引投资者关注。 - 华安证券(600909): 中性，其固收分析师的观点对市场影响有限。📊 相关概念板块: - 城投债: 利好，优质城投债需求增加，信用利差收窄预期提升。 - 债券市场: 中性，整体债券收益率上行，但城投债供需关系变化可能带来结构性机会。 - 金融机构: 利好，保险、理财子、银行自营资金等配置需求增加。🔍 综合分析: • 政策影响: “3号指引”通过收紧低资质城投公司发债审核，推动城投公司市场化转型，加速弱平台出清。 • 市场反应: 资金快速入场加仓优质城投债，信用利差收窄预期增强，市场对高评级城投债需求上升。 • 投资机会: 关注高评级城投债的配置机会，以及3至5年期城投债的骑乘收益。 • 风险提示: 低等级城投债发债难度加大，可能导致部分城投公司偿债压力上升，需警惕信用风险。 • 长期趋势: 城投债市场分化加剧，优质城投债将更受资金青睐，弱平台逐步退出市场，市场化转型成为主流。

七、技术难点与解决方案

  1. 网页解析稳定性：

    • 难点：不同页面结构差异大
    • 方案：多策略组合式解析+异常处理

  2. 分析结果一致性：

    • 难点：大模型输出格式不稳定
    • 方案：严格Prompt约束+JSON格式校验

  3. 系统响应速度：

    • 难点：大模型API调用延迟
    • 方案：异步处理+超时机制

八、总结与展望

本系统通过结合网络爬虫、大模型分析和交互式界面，实现了金融信息的智能采集与分析。未来可扩展方向包括：

  1. 增加多数据源支持（东方财富、雪球等）
  2. 实现定时自动监测与分析
  3. 加入历史数据对比分析功能
  4. 开发移动端适配版本

注：实际开发中请注意遵守各网站的爬虫政策，合理控制请求频率，避免给目标服务器造成过大压力。

九、附：完整代码与系统运行效果

《DeepSeek原生应用与智能体开发实践》——DeepSeek驱动的即时金融信息采集与分析平台

import requestsfrom bs4 import BeautifulSoupfrom openai import OpenAIimport gradio as grimport json# 初始化DeepSeek客户端client = OpenAI(api_key=\"替换为你自己的api—key\", base_url=\"https://api.deepseek.com\")def parse_sina_finance(url): \"\"\"解析新浪财经网页内容\"\"\" headers = { \'User-Agent\': \'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36\' } try: response = requests.get(url, headers=headers, timeout=10) response.raise_for_status() response.encoding = \'utf-8\' soup = BeautifulSoup(response.text, \'lxml\') # 优化标题提取逻辑 title_elements = [ soup.select_one(\'h1.main-title\'), soup.select_one(\'div.article-header h1\'), soup.find(\'meta\', property=\'og:title\'), soup.find(\'title\') ] title_text = \"标题未找到\" for elem in title_elements: if elem: if hasattr(elem, \'get\') and \'content\' in elem.attrs:  title_text = elem.get(\'content\', \'\') elif hasattr(elem, \'text\'):  title_text = elem.get_text(strip=True) if title_text:  break # 提取正文 content_div = ( soup.select_one(\'#artibody\') or soup.select_one(\'.article-content\') or soup.select_one(\'.content\') or soup.find(\'div\', itemprop=\'articleBody\') ) text_content = \'\\n\'.join([ p.get_text(strip=True) for p in content_div.find_all(\'p\', recursive=False) if p.get_text(strip=True) ]) if content_div else \'正文内容未找到\' return { \'title\': title_text, \'content\': text_content.strip(), \'url\': url, \'error\': False } except requests.exceptions.RequestException as e: return { \'title\': \'请求失败\', \'content\': f\'网络请求错误: {str(e)}\', \'url\': url, \'error\': True } except Exception as e: return { \'title\': \'解析失败\', \'content\': f\'解析异常: {str(e)}\', \'url\': url, \'error\': True }def analysis_news(news_content): \"\"\"使用DeepSeek分析新闻内容\"\"\" try: # 构造 Deepseek 提示词 prompt = f\"\"\" 你是一个经验丰富的财经专家，专注于全球市场和经济动态。以下是过去3小时内的财经新闻，请你根据新闻内容自动识别新闻涉及的行业，并分析其对A股上市公司和概念板块的影响。 ## Profile - language: 中文 - description: 专注于全球市场和经济动态的财经专家，擅长分析财经新闻对A股上市公司和概念板块的影响。 - background: 拥有多年财经分析经验，熟悉全球市场动态和A股市场。 - personality: 严谨、细致、逻辑性强。 - expertise: 财经新闻分析、行业影响评估、A股市场研究。 - target_audience: 投资者、财经分析师、A股市场参与者。 ## Skills 1. **核心技能类别**  - **行业识别**: 根据新闻内容快速识别涉及的行业。  - **行业分析**: 使用特定行业的分析框架进行深入分析。  - **影响评估**: 评估新闻对A股上市公司和概念板块的影响。  - **报告撰写**: 撰写详细的分析报告，包括受影响的公司和板块。 2. **辅助技能类别**  - **数据收集**: 收集和整理相关财经新闻和数据。  - **市场研究**: 研究A股市场的动态和趋势。  - **政策解读**: 解读相关政策对行业的影响。  - **沟通能力**: 与投资者和分析师进行有效沟通。 ## Rules 1. **基本原则**  - **准确性**: 确保分析的准确性和可靠性。  - **及时性**: 在新闻发布后尽快进行分析。  - **客观性**: 保持客观，不带有个人偏见。  - **全面性**: 全面考虑新闻对行业和市场的多方面影响。 2. **行为准则**  - **保密性**: 保护客户和公司的机密信息。  - **专业性**: 保持专业态度，遵守职业道德。  - **透明度**: 在分析报告中明确说明分析方法和依据。  - **责任感**: 对分析结果负责，及时更新和修正。 3. **限制条件**  - **信息来源**: 仅使用可靠和权威的财经新闻来源。  - **时间限制**: 在新闻发布后3小时内完成分析。  - **范围限制**: 仅分析对A股上市公司和概念板块的影响。  - **法律合规**: 遵守相关法律法规，不进行非法操作。 ## Workflows - 目标: 分析过去3小时内的财经新闻对A股上市公司和概念板块的影响。 - 步骤 1: 自动选择行业，根据新闻内容判断涉及的主要行业。 - 步骤 2: 使用相应的行业分析框架进行深入分析。 - 步骤 3: 列出受影响的公司和板块，分析是利好还是利空，并简要解释原因。 - 预期结果: 提供详细的分析报告，帮助投资者和市场参与者做出决策。  3. **新闻内容**：  - 以下是新闻内容，请分析并提炼出对A股相关公司和板块的影响。  {news_content} 4. **输出符合以下结构的纯json格式的结果,方便程序直接存入数据库**  要求输出完整JSON格式，包含以下字段： 1. 新闻标题 2. 行业分析（必须包含以下子项）：  - 债券市场影响  - 金融机构影响  - 地方政府融资平台影响 3. 相关上市公司（公司+代码+影响分析） 4. 相关概念板块（板块名称+影响分析） 5. 综合分析（必须包含以下内容）：  - 政策影响层面  - 市场反应层面  - 投资机会层面  - 风险提示  - 长期趋势 示例格式： {{  \"新闻标题\": \"...\",  \"行业分析\": {{ \"债券市场\": \"...\", \"金融机构\": \"...\", \"地方政府融资平台\": \"...\"  }},  \"相关上市公司\": {{ \"公司A(代码)\": \"利好/利空，原因...\", \"公司B(代码)\": \"利好/利空，原因...\"  }},  \"相关概念板块\": {{ \"板块A\": \"利好/利空，原因...\", \"板块B\": \"利好/利空，原因...\"  }},  \"综合分析\": {{ \"政策影响\": \"...\", \"市场反应\": \"...\", \"投资机会\": \"...\", \"风险提示\": \"...\", \"长期趋势\": \"...\"  }} }} \"\"\" response = client.chat.completions.create( model=\"deepseek-chat\", messages=[{\"role\": \"user\", \"content\": prompt}], temperature=0.3 ) response_content = response.choices[0].message.content.strip() response_content = response_content.replace(\"```json\", \"\").replace(\"```\", \"\").strip() try: data = json.loads(response_content) # 更完善的格式化输出 formatted_output = f\"📌 新闻标题: {data.get(\'新闻标题\', \'无\')}\\n\\n\" # 行业分析部分 formatted_output += \"🏭 行业分析:\\n\" industry_analysis = data.get(\'行业分析\', {}) for industry, analysis in industry_analysis.items(): formatted_output += f\" - {industry}: {analysis}\\n\" formatted_output += \"\\n\" # 上市公司部分 formatted_output += \"📈 相关上市公司:\\n\" for company, analysis in data.get(\'相关上市公司\', {}).items(): formatted_output += f\" - {company}: {analysis}\\n\" formatted_output += \"\\n\" # 概念板块部分 formatted_output += \"📊 相关概念板块:\\n\" for concept, analysis in data.get(\'相关概念板块\', {}).items(): formatted_output += f\" - {concept}: {analysis}\\n\" formatted_output += \"\\n\" # 综合分析部分 formatted_output += \"🔍 综合分析:\\n\" comprehensive = data.get(\'综合分析\', {}) for aspect, analysis in comprehensive.items(): formatted_output += f\" • {aspect}: {analysis}\\n\" return formatted_output, data except json.JSONDecodeError: return f\"AI分析结果解析失败:\\n原始响应:\\n{response_content}\", None except Exception as e: return f\"结果处理异常: {str(e)}\\n原始响应:\\n{response_content}\", None except Exception as e: return f\"AI分析请求失败: {str(e)}\", Nonedef full_analysis_workflow(url): \"\"\"完整的分析工作流\"\"\" # 第一步：解析网页 parsed_content = parse_sina_finance(url) # 如果解析失败，直接返回错误信息 if parsed_content[\'error\']: return ( parsed_content[\'title\'], parsed_content[\'content\'], parsed_content[\'url\'], f\"无法进行AI分析: {parsed_content[\'content\']}\", None ) # 第二步：AI分析 analysis_result, raw_data = analysis_news(parsed_content) return ( parsed_content[\'title\'], parsed_content[\'content\'], parsed_content[\'url\'], analysis_result, raw_data )def create_gradio_interface(): with gr.Blocks(title=\"金融信息采集与分析平台\", theme=gr.themes.Soft()) as demo: gr.Markdown(\"\"\" # 🏦 金融信息采集与分析平台 *输入新浪财经文章URL，自动解析内容并进行AI分析* \"\"\") with gr.Row(): with gr.Column(scale=2): url_input = gr.Textbox(  label=\"输入新浪财经文章URL\",  placeholder=\"https://finance.sina.com.cn/...\",  lines=1 ) submit_btn = gr.Button(\"开始分析\", variant=\"primary\") with gr.Group():  gr.Markdown(\"### 解析结果\")  title_output = gr.Textbox(label=\"文章标题\", interactive=False)  content_output = gr.Textbox( label=\"文章内容\", lines=10, interactive=False  )  url_output = gr.Textbox(label=\"文章URL\", interactive=False) with gr.Column(scale=3): gr.Markdown(\"### AI分析结果\") ai_output = gr.Textbox(  label=\"市场影响分析\",  lines=15,  interactive=False ) with gr.Accordion(\"原始JSON数据\", open=False):  raw_json_output = gr.JSON(label=\"原始分析数据\") # 完整工作流处理 submit_btn.click( fn=full_analysis_workflow, inputs=url_input, outputs=[title_output, content_output, url_output, ai_output, raw_json_output] ) return demoif __name__ == \'__main__\': # 创建Gradio界面 app = create_gradio_interface() # 启动应用 app.launch( server_name=\"127.0.0.1\", server_port=7860, share=False )

在这里插入图片描述

🌺The End🌺点点关注，收藏不迷路🌺
网络标签：

相关问题