Track 1
大模型 API 与提示工程
围绕 OpenAI、DeepSeek 等商用与国产大模型接口，训练学生完成金融任务拆解、提示模板设计、结果评估与合规使用。
About
课程概览
课程以“基于领域大模型的财报智能分析应用”为核心任务，将金融风险管理、财报分析、领域大模型与 AI for Science 研究范式连接为连续实训。
培养目标
培养学生以金融问题为牵引，使用大模型、RAG、知识图谱和自动化 Agent 完成可信财务分析、风险研判与研究报告生成的能力。
Architecture
三轨技术架构
课程把工具调用、可信检索和工程自动化拆成三条可迭代路线，便于不同基础的学生分层推进。
Track 2
Finance-RAG 与知识图谱
以年报、ESG 公告、舆情摘要和监管文本为语料，构建可追踪证据链，降低财务分析中的幻觉风险。
Track 3
本地 Agent 与自动化工作流
将抓取、清洗、检索、推理、可视化和报告写作组织为可复用流程，支撑真实企业案例实训。
Pedagogy
四阶段教学路径
课程采用“知识传授-AI 工具实操-真实案例演练”的递进模式，最终沉淀为可持续更新的案例库和成果库。
基础知识
金融风险管理、财务指标、数字化转型与 AI for Science 基本概念。
AI 工具实操
提示工程、Notebook、API 调用、向量检索与可解释输出。
真实案例演练
上市公司财报、ESG 文本、监管材料与企业经营数据分析。
成果沉淀
形成项目报告、代码仓库、案例材料和可复用教学资源。
Outcomes
学习产出
阶段性成果不仅服务课程考核，也进入学术论文、课程案例、开放资源与平台化演示。
- 理解金融风险、企业财报与数字化转型的核心概念
- 掌握领域大模型、RAG、知识图谱与 Agent 的基础工程方法
- 能够基于真实企业数据完成证据链可追踪的分析报告
- 形成可进入论文、案例、竞赛和课程平台的阶段性成果
产学研融合
从课程任务到科研问题
课程材料与 AI4S 项目中期报告共同指向绿色算力网络、财报智能分析、AI+金融安全和知识网络韧性等方向。网站以内容文件驱动，后续可持续加入新论文、新案例、学生作品和企业合作成果。