专栏名称: 阿里开发者

阿里巴巴官方技术号，关于阿里的技术创新均将呈现于此

如何利用DeepSeek帮我做金融理财?

阿里开发者 · 公众号 · 科技公司 · 2025-03-20 18:00

主要观点总结

本文介绍了基于XXL-JOB和Deepseek的智能金融数据分析系统的搭建和操作流程。文章首先概述了XXL-JOB和Deepseek的特点和用途，然后详细描述了系统的搭建步骤，包括本地部署、使用云产品等。接着通过定时推送财经新闻的例子展示了系统的使用，并介绍了手动运行任务和定时做金融数据分析的流程。最后总结了通过这套架构可以在任何领域进行智能化数据分析，并提供了参考链接。

关键观点总结

关键观点1:

关键观点2:

关键观点3:

关键观点4:

正文

阿里妹导读

本篇文章将介绍如何搭建一套基于 XXL-JOB + Deepseek 的定时数据分析系统，帮你做一个智能的金融理财助手。

概述

AI 大模型火了几年了，不知不觉中，已经普及到千家万户中，常见的应用场景有：

内容创作：比如通过你的名字给你作一首诗。比如给你生成吸引人的广告文案。
聊天机器人：比如客服答疑，比如英语口语陪练。
逻辑推理：比如辅助医生分析病例、生成诊断建议。比如帮你做一道数学题目。

大部分的交互方式，都是通过自然语言和大模型进行对话，由人主动发起，如下：

也有许多的业务场景，不是由人主动发起的，通过定时任务在后台不停运行，也可以结合大模型做增强，场景如下：

风险监控：定时监控系统指标，由大模型进行智能分析，发现潜在的风险。
数据分析：定时采集在线金融数据，由大模型进行智能分析，给出投资者建议。

本篇文章将介绍如何搭建一套基于 XXL-JOB + Deepseek 的定时数据分析系统，帮你做一个智能的金融理财助手。 XXL-JOB[1] 是一个国内流行的开源分布式任务调度平台，简单易用，并且功能丰富。支持单机任务、分布式任务的定时调度，可以做到秒级别调度。有多种路由策略、堵塞处理策略可供选择。提供任务的报警监控、手动运维、监控大盘等能力。

如何搭建系统

搭建Deepseek

大模型选择Deepseek，出于以下考虑：

Deepseek以推理能力出圈，适合做数据分析。并且Deepseek的母公司幻方量化就是做量化交易的，我们相信Deepseek在金融分析上有着显著的优势。
Deepseek开源并且很轻量，可以很方便部署起来。

也可以选择阿里云最新开源的QwQ模型，推理能力比肩Deepseek-r1，在做复杂数据分析上同样能力出众。以下图表展示了QwQ-32B 与其他领先模型在数学推理、编程能力和通用能力上的对比：

方案一：本地部署

本地部署Deepseek、QwQ或者其他模型，步骤都是差不多的，下面以Deepseek为例：

安装ollama： https://ollama.com/download

安装Deepseek r1模型：r1模型专注于复杂逻辑推理，更适合做金融数据分析

根据机器规格大小选择一个模型，比如我的电脑有16G内存，选择7b，就在命令行输入如下命令安装：

不同模型对应的硬件要求如下表：

模型名称	模型大小	显存	内存
deepseek-r1:1.5b	1.1GB	4GB+	8GB+
deepseek-r1:7b	4.7GB	8GB+	16GB+
deepseek-r1:8b	4.9GB	10GB+	18GB+
deepseek-r1:14b	9.0GB	16GB+	32GB+
deepseek-r1:32b	20GB	24GB+	64GB+

部署完成后，我们通过api进行测试（使用兼容openai的api，端口默认是11434），方便后续写代码。

方案二：使用云产品

我们也可以直接使用云产品，以阿里云百炼[2]为例，只需要开通即可使用，并且有海量的免费额度。使用云产品的话还有个好处，就是可以随时切换模型，体验不同模型的优劣。

搭建XXL-JOB

使用XXL-JOB有如下好处：

可以定时发起AI任务请求。
可以把prompt和返回格式放在任务参数上，动态修改。
可以使用广播分片任务，把大任务拆分成多个小任务，加快AI任务运行速度。
可以使用任务依赖编排，构建一个AI数据分析的流程。