什么是金融RAG
金融RAG是面向金融问题与证据设计的检索增强生成系统。它从监管文件文本、表格、脚注、电话会逐字稿或结构化API记录中检索相关证据，提供给语言模型，并为答案附加可追溯引用。目标并非仅找到语义相似文本，而是检索足以支持每项主张且期间正确的最小证据集合。
金融RAG架构：从监管文件到可验证答案
检索前先识别问题类型
叙述性风险问题、单表查值和多期间比率不应使用同一路径。系统应识别实体、表单、期间、任务类型和所需证据。精确数值可路由到结构化金融数据API，会计解释可能需要监管文件文本，差异分析则可能同时需要两者。
面向金融文档的表格感知摄取
固定长度分块可能把数字与行名、列期间、单位或脚注切断。应保留“表单→章节→子章节→页面→表格→附注”的文档层级，并创建携带充分上下文的序列化表格事实，使数字始终可解释。
叙述文本块
表格事实
元数据本身也是证据
每个文本块应附带公司标识、表单类型、提交日期、期末日、财年、货币、数量级、合并范围、修订状态和访问控制标签。先应用过滤，再做相似度搜索，避免错误公司或期间的高语义匹配结果压过目标证据。
面向监管文件与财务报告的混合检索
关键词检索
适合精确会计术语、报表项目、表单章节、已定义指标与名称。
语义检索
适合同义表达、叙述主题、相似风险与自然语言问题。
结构化检索
适合通过API获取精确数值、时间序列、比率和实体期间过滤。
合并并去重候选证据后，应依据问题及其子问题进行重排。多跳问题需要先生成证据计划，例如检索两个可比收入值，确认单位与期间，再送入计算工具。仅依赖Top-k并不能保证证据覆盖完整。
金融RAG引用必须真正支持主张
有效引用
引用的表格单元格或段落包含所主张事实，并且实体、期间与单位正确；派生值链接到所有输入与公式。
相关但不支持
来源提到相关主题，却没有支持所声称的数字、方向、原因或确定程度。相似并不等于支持。
把数字作为一等验证对象
从草稿中提取每个金额、百分比、日期和期间，确认其存在于所引证据中，或来自输入可追溯的获批计算。检查单位、符号、数量级、货币和算术；若证据冲突，应展示冲突或拒答，而不是静默选择某个数值。
如何评估金融RAG系统
应基于真实用户任务建立人工验证测试集，而不是只使用合成问题。测试集要覆盖简单查值、表格问题、跨期计算、多文档证据、模糊请求、答案缺失和对抗性指令；并分别评估检索与生成，避免流畅回答掩盖证据缺失。
| 指标 | 衡量问题 | 失败示例 |
|---|---|---|
| 上下文召回 | 是否检索到全部必要证据？ | 缺少一个期间 |
| 上下文精度 | 检索内容中有多少真正相关？ | 错误分部挤占上下文 |
| 引用支持度 | 证据是否支持每项主张？ | 仅主题相关 |
| 数字准确性 | 数值、单位和计算是否正确？ | 把百万当作元 |
| 完整性 | 是否回答所有所需方面？ | 遗漏原因 |
| 拒答质量 | 证据不足时是否停止？ | 编造估算值 |
- 冻结测试文档与预期证据。
- 对解析器、索引、嵌入、重排器、提示词与模型进行版本管理。
- 每次组件变更后运行回归测试。
- 人工审计高影响与失败案例。
使用QVeris与FMP构建金融RAG
当问题更适合通过结构化金融数据而非文档相似度回答时，QVeris可以帮助智能体发现并调用已授权的FMP API。检索路由器可以把API记录与监管文件段落、电话会证据组合，同时保留来源标识和工具响应。
端点可用性、字段、历史范围、权限和速率限制取决于当前FMP文档与订阅。QVeris不保证来源完整性、检索准确性或投资结果；验证与明确责任的人工复核仍然必要。
金融RAG常见问题
什么是金融RAG？
它是面向金融证据优化的检索增强生成，结合文档与结构化数据检索、引用和数字验证。
金融表格应该怎样分块？
应把行名、数值、单位、期间、表名、范围和相关脚注放在一起，并保留页码坐标和文档元数据。
向量搜索足以支撑金融RAG吗？
通常不足。精确术语、结构化数值与实体期间约束需要关键词检索、元数据过滤和API检索补充。
如何验证金融RAG引用？
检查每个引用是否在逻辑上支持准确主张，包括实体、期间、单位、方向和确定程度。
如何评估金融RAG？
衡量上下文召回与精度、引用支持度、数字准确性、回答完整性、可复现性和拒答质量。
金融RAG能消除幻觉吗？
不能。解析、检索、引用和生成都可能失败，仍需验证、监控和人工复核。
参考资料与方法来源
- ACL Anthology — FinMRAGBench
- T²-RAGBench — financial text and table QA
- FMP — Financial data API documentation
本文仅供教育用途，不构成投资建议。使用前必须验证所检索证据与计算。