支持 OPENAI 格式在线AI大模型（deepseek这些只要使用 openai 格式的都行），AI provider 填“openai-compatible”，其他字段按实际情况填写，若在线AI不可用则有本地规则兜底。 ！！！首次启动会失败，重启应用便会恢复，初始化环境需要一点时间，请耐心等待。 FinSight 是一个面向股票投研场景的开源 AI Agent 后端平台，核心能力包括：证据驱动的 AI 研报、可恢复 Agent 工作流、Redis Lua Single-flight 并发控制、PostgreSQL/pgvector 混合检索、报告版本化缓存和 RAG 评测。 这个项目不是简单的“调大模型接口” Demo，而是重点展示 AI Agent 背后的后端工程能力：长链路任务治理、幂等调度、失败恢复、可信缓存、证据追踪和输出质量评测。 FinSight 自带一个可运行的机构投研控制台。这个前端不是简单装饰页，而是把后端生成的投研工作流、报告缓存、证据链、RAG 评测和财务风险信号都展示出来。 为什么做这个项目 很多 RAG 项目停留在“检索几段文本，然后问 LLM”。FinSight 更关注一个 AI 投研系统真正落地时需要解决的问题： 长时间运行的 Agent 工作流需要明确状态机； 多实例环境下不能重复执行昂贵任务； AI 调用需要 Single-flight，避免请求放大和缓存击穿； AI 报告不能只按 prompt 缓存，而要绑定数据快照； RAG 回答必须能追踪证据来源； AI 输出质量需要可回归评测，而不是只靠主观感觉。 核心亮点 模块 实现内容 Agent 工作流 将数据采集、指标重算、文档索引、公司画像、AI 研报生成拆成可恢复阶段 并发控制 幂等 key、repository 层 createIfAbsent、Redis Lua single-flight lease、fencing token、本地降级锁 失败恢复 任务状态机、阶段追踪、重试、Dead Letter、超时接管调度器 可信 AI 缓存 contextHash、dataSnapshotHash、reportVersion，支持 Redis/PostgreSQL 缓存复用 检索链路 PostgreSQL JSONB、全文检索、pgvector、混合召回、证据去重 评测体系 RAG 命中率、证据覆盖率、答案覆盖率、幻觉风险、结论一致性、置信度校准、延迟 Demo 展示 Spring Boot API、静态 Dashboard、样例数据流、Actuator、Prometheus 指标