
17岁开发者发布AI金融新闻分析工具NotBot
来源标题:Show HN: My first project, an AI-powered financial news analyzer
17岁开发者推出AI金融新闻分析工具NotBot,可分析特定股票的最新新闻并计算情感极性加权平均值,生成情绪指标。该项目基于Google News抓取和FinBERT情感分析进行改造,后续用Gemini免费版优化,并替换了FinBERT以结合外部信息判断事件实际影响。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
我今年17岁,几个月前开始了NotBot这个项目,想看看自己能不能把一个想法变成一个真正能跑起来的项目。我的主要兴趣是经济学,而不是成为一名程序员,但我喜欢用代码做实验。几个月前,我萌生了一个想法:做一个程序,分析某只股票的最新新闻,并计算这些新闻极性的加权平均值,从而生成某种情绪指标。在做调研时,我在YouTube上看到一个视频,介绍了一个简单的GitHub仓库,它用一种简化且不精确的方式实现了我想要的功能。乍一看,我就发现那是个很简单的程序:feedparser从Google News抓取新闻,beautifulsoup4提取内容,再用FinBERT做情感分析,运行在Transformers和PyTorch之上。于是我开始用Gemini的免费版对它进行修改。我不得不解决很多问题,比如修复从Google News提取文章的功能,最后靠一个新库(googlenewsdecoder)解决了。
接着我不得不替换FinBERT,因为它基于词语的上下文来分类情感,却没有借助外部来源考虑事件的实际影响。我尝试了一个LLM,它让我能通过prompt更精确地指定评估标准。我找到一个免费的,但TPM和RPM限制相当严格(它叫openai/gpt-oss-120b)。我还创建了两个系数:一个根据新闻来源调整其可靠性,另一个根据新闻的时效性调整其影响力(所有选中的新闻文章都是最近24小时内发布的)。每篇文章被分为标题、描述和内容三部分,这三部分各自依据预设值赋予不同权重(标题35%、描述25%、正文40%)。如果内容少于100个字符,正文就不分配权重,标题占60%,描述占40%。做完这些修改后,我因为学业中断了大约一个月,期间我发现了Codex(OpenAI的agent)。我更换了主LLM,接入了Gemini(3.1 Flash-Lite),因为我原先使用的LLM的TPM限制太严格了。虽然我开始使用Gemini,但并没有弃用Groq。事实上,我把它作为Gemini返回某种错误时的后备方案。另一个重要的修改是通过aiohttp实现异步文章下载,并通过asyncio同时处理多篇文章。后来,我决定重新使用Groq来做文章分析。事实上,我让两个LLM都分析较长的文章,然后计算它们两个极性得分的平均值。第一个是Finnhub,它让我能搜索到更多关于某只股票的新闻文章(输入名称和股票代码即可)。到那时,我不得不拆分代码,因为脚本已经变得非常长。我做的最后一个修改与新闻筛选有关:我实现了一个过滤器,防止相似的新闻文章被选中,以免以错误的方式过度扭曲极性。
首先,我想从专家那里了解,从结构角度看这个项目构建得如何,以及可以如何改进。对于未来的项目,我应该考虑哪些参数来判断一个项目是否构建良好?其次,我想知道如何判断这样一个程序是否真的能起作用,或者至少它怎样才能有用(哪怕需要做一些修改)。第三点也是最后一点:pipeline的哪些方面可能需要更多关注或可以优化?继续在这个项目上投入(甚至考虑把它做成产品)是否合理,还是说我正接近一个结构性的极限?
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。