大模型赋能投研专题报告：Dify，全自动投研工作流可视化构建.pdf

大模型赋能投研专题报告：Dify，全自动投研工作流可视化构建。随着生成式 AI 技术的快速发展，金融行业也正积极探索大模型在各类业务场景中的应用落地。当前也出现了许多应 用产品能提升各环节的工作效率，然而产品类型主要属于智能客服、金融知识问答这些，核心优势也主要在于其背后 的数据库质量，本质上依然属于“工具”而非“应用”，还未真正发挥大模型自身具备的丰富潜力。而 Manus、Deep Research 这类产品展现了大模型成为真正通用或专业化智能体的可能性，这也是它们曾带来轰动的原因。如何更进一 步搭建金融领域的专业 Agent？

为什么我们需要 Dify？

Dify 作为专业化的工作流应用搭建工具，其高自由度、模块化与低代码的产品特征使其能充分解决大模型在金融投研 领域落地的痛点：处理流程长、信息整合度高、高度数据依赖。Dify 兼顾了专业化与便捷性，不仅相比此前的 LangChain 等框架有大幅效率提升，在同类产品的横向比较中同样定位突出，成为构建金融 AI 投研应用的首选。当然，Dify 也 保持着高度的可拓展性，能与 RAGFlow 这类专业化知识库相连接，也能支持 MCP 工具接入，可进一步拓宽应用的能力 边界。

强大的功能与简单的配置

我们对 Dify 内部的工具、知识库、Agent 与工作流等关键功能进行详细介绍，展示了其中自定义工具、搭建 Agent 与 工作流等操作的具体方法。Dify 允许多样化的工具来源，除了官方提供的工具接口外，也可以通过 MCP、自定义等方 式连接工具，甚至允许将用户自己构造的工作流作为工具重复使用。工作流中我们也可选择功能丰富的节点，低代码 完成 AI 应用的搭建。同时，我们也对部署本地版 Dify、配置大模型接口、构建知识库等基础操作进行展示，并对诸 如文档分块、检索算法等可能影响应用效果的节点进行说明。

应用构建实战——Dify 为投研应用带来丰富想象空间

最终，我们结合三个案例，展示了 Dify 应用的巨大想象空间。 第一个案例，我们设计了“时间提取”工具，解决了自然语言对话中存在的时间范围指代模糊的问题，能自动识别解 决用户需求所需要的确切数据时间范围。该工具可以嵌套进任意其他工作流或 Agent 之中，实现重复使用。 第二个案例，我们设计了专业化的“金融分析师”。它首先会对用户提问的范畴进行划分，确认是“个股”、“行业”、 “概念”还是“宏观”类问题，再分别接入相对应的细分流程进行针对性分析。每个细分流程则会有专门设计的 Agent 进行分析工作，它们运行流程、知识库、工具与提示词等方面都有所不同，能最大化专业程度。 第三个案例，我们介绍了“地理信息检索”Agent，展示 Dify 在搭建投研应用方面的巨大潜力。该 Agent 可以对年报 中出现的地址进行经纬度定位，并同时搜索附近区域内出现的目标地点，譬如我们在案例中设定的“养殖场”这一目 标。本质上，但凡是涉及金融与其他领域信息整合的需求，都可以在 Dify 的辅助下更高效完成。 整体而言，Dify 易于上手也兼具专业性，为金融应用带来了丰富的想象空间，是目前搭建大模型投研应用的最佳选 择。