Mutual Fund FAQ Assistant：基于RAG的智能基金问答系统

本文介绍的Mutual Fund FAQ Assistant是一个轻量级RAG（检索增强生成）系统，专为ICICI Prudential共同基金方案提供事实性问答服务。它结合向量搜索与LLM技术，实现精准、可溯源的投资信息查询，解决普通投资者获取基金信息效率低、通用LLM易产生幻觉的问题，且严格限定为事实性信息，不提供投资建议。项目由bhavyaamahajann维护，发布于2026年6月5日GitHub平台。

在金融投资领域，共同基金是投资者资产配置的重要工具，但繁杂的产品信息、费率结构等细节让普通投资者难以快速获取准确信息。传统FAQ文档检索效率低下，通用大语言模型易产生幻觉，提供不准确建议。因此，Mutual Fund FAQ Assistant项目采用RAG架构，在自然语言问答体验基础上，确保回答基于官方可信来源，仅提供事实性信息。

项目采用全栈架构，各层技术选型兼顾性能与效率：

• 前端层：React + Vite（快速开发）、Vanilla CSS（温暖咖啡馆浅色主题）；
• 后端层：FastAPI（高性能异步Web框架）；
• 智能检索层：嵌入模型BAAI/bge-large-en-v1.5（本地HuggingFace）、向量数据库ChromaDB（本地持久化）；
• LLM层：Groq LLaMA-3.3-70b-versatile（通过API访问，响应快）；
• 自动化运维：GitHub Actions每日定时更新基金数据。

系统目前覆盖ICICI Prudential Mutual Fund的15只主流基金，分类如下：

• 按市值：大盘、中盘、小盘、大盘+中盘混合、灵活市值、多市值、集中持股策略基金；
• 混合与平衡型：股票储蓄型、股债平衡型、定期储蓄型、多资产配置基金；
• 特殊类型：税收节省型、Nifty50指数跟踪型、黄金ETF联接、白银ETF联接基金。

核心RAG架构确保回答准确可追溯：

1. 数据摄取：抓取15个官方URL文档→用BAAI模型向量化→存储到ChromaDB→GitHub Actions每日更新；
2. 查询处理：用户提交问题→向量化→ChromaDB语义相似度检索相关片段；
3. 生成回答：上下文+LLaMA-3.3-70b生成回答（≤3句话）→自动附带来源引用；
4. 安全约束：仅提供事实性信息，不构成投资建议，避免幻觉。

本地部署步骤：

1. 克隆仓库：git clone https://github.com/bhavyaamahajann/Mutual_Fund_FAQ_Assistant.git；
2. 环境准备：创建venv→激活→安装backend/requirements.txt依赖；
3. 配置启动：复制环境变量模板并设置Groq API密钥→运行数据摄取脚本→构建前端→启动FastAPI服务器；
4. 访问：http://localhost:8000使用，也可选择Streamlit替代界面。

项目价值体现在：

1. 可信问答：限定来源避免LLM幻觉；
2. 成本优化：开源嵌入模型+轻量级向量库降低部署成本；
3. 合规友好：区分事实与投资意见，符合金融监管；
4. 可扩展：模块化设计便于接入更多数据源或切换LLM。 对开发者的启示：该项目为垂直领域（如金融、医疗）问答系统提供清晰参考，RAG架构在准确性要求高的场景价值突出。