基于DeepSeek+Dify构建财务报表分析模型

本次案例通过实操，让开发者深入了解，如何使用Dify和DeepSeek构建财务报表分析模型，体验Dify在AI应用开发中的便捷。

华为云开发者联盟

1229人浏览 · 2025-04-15 11:27:11

华为云开发者联盟 · 2025-04-15 11:27:11 发布

1 概述

1.1 案例介绍

DeepSeek 是一家创新型科技公司，长久以来专注于开发先进的大语言模型（LLM）和相关技术。该公司推出了比较出名的模型有 DeepSeek-V3 和 DeekSeek-R1。DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。

Dify是一款面向开发者和企业的AI应用开发平台，致力于降低AI技术的使用门槛。通过可视化工作流编排和低代码开发模式，用户无需深厚的技术背景即可快速构建、部署和管理AI驱动的智能应用。

本案例通过实操，让开发者深入了解，如何使用Dify和DeepSeek构建财务报表分析模型，体验Dify在AI应用开发中的便捷。

1.2 适用对象

企业
个人开发者
高校学生

1.3 案例时间

本案例总时长预计40分钟。

1.4 案例流程

说明：

① 用户登录华为开发者空间；

② 在云主机配置Dify操作环境；

③ 浏览器打开Dify，构建模型应用。

1.5 资源总览

本案例预计花费0元。

资源名称	规格	单价（元）	时长（分钟）
开发者空间	2vCPUs \| 4GB X86 \|Ubuntu 22.04 Server定制版	0	40

2 获取模型服务

2.1 领取模型

本案例中，使用华为开发者空间登录MaaS，获取模型服务。

ModelArts Studio（MaaS）平台，是华为云推出的一款大模型即服务平台，可以一站式的对业界主流开源大模型进行部署托管，同时开放大模型API服务，可以结合业界主流Agent开发框架，轻松构建AI Agent应用。

1. 在开发者空间firefox浏览器，输入华为云网址：https://www.huaweicloud.com/进入华为云首页。

2. 在华为云的首页右上方，点击登录，在弹出的对话框中输入自己的用户名和密码。

3. 登录成功后，在华为云首页，依次选择产品>人工智能>AI基础平台>ModelArts Studio大模型及服务平台，进入ModelArts Studio页面。

4. 进入到ModelArts Studio页面后，点击进入控制台。

5. 进入到ModelArts Studio控制台后，首先左上角地域选择西南贵阳一，随后点击在线推理>免费服务。

6. 点击领取额度，额度领取成功后需要等待2-3分钟才可以生效，随后点击调用说明，获取模型名称以及API地址，这里我们领取DeepSeek-R1-32K。

7. 点击调用说明后，可以获取到模型名称、API地址。

2.2 API Key获取

在调用说明页面，点击API Key管理，前往API Key获取页面。

进入API Key页面后，点击右上角创建API Key，输入标签和描述，然后点击确定。

点击确定后就可以获取到API Key了。（注意：创建好的API Key只会显示这一次，所以请保存好，方便后续调用。如果API误关后，可以删除重新创建，但最多创建5个。）

3 配置Dify操作环境

3.1 安装Dify

Dify是一个开源的AI应用开发平台与编排引擎，专注于帮助用户快速构建、部署和管理基于大语言模型（LLM）的AI应用。

进入开发者空间，在桌面左下角，打开终端命令窗口，下载Dify.AI安装脚本。

sudo wget -P /home/ https://dtse-mirrors.obs.cn-north-4.myhuaweicloud.com/case/0022/install.sh

安装脚本下载完毕后，进行脚本运行。

sudo bash /home/install.sh

安装完毕后出现安装过程结束，详细日志请查看/var/dify-install.log即为安装成功。

3.2 访问Dify

在开发者空间打开firefox浏览器，输入http://127.0.0.1访问Dify.AI。首次登录需要注册管理员账号，需要使用到邮箱、用户名、密码。

注册完毕后，成功进入到Dify.AI的主页面。

到这里，就成功部署了Dify。

4 功能实现

4.1 工作流构建

工作流通过将复杂的任务分解成较小的步骤（节点）降低系统复杂度，减少了对提示词技术和模型推理能力的依赖，提高了LLM应用面向复杂任务的性能，提升了系统的可解释性、稳定性和容错性。主要分为两种：

Chatflow：面向对话类情景，包括客户服务、语义搜索、以及其他需要在构建响应时进行多步逻辑的对话式应用程序。在当前案例中，我们使用的就是Chatflow。

Workflow：面向自动化和批处理情景，适合高质量翻译、数据分析、内容生成、电子邮件自动化等应用程序。

1. 创建应用

点击Dify.AI主页的创建空白应用。

随后点击chatflow，输入应用名称、描述后点击创建。（注：应用名称和描述可以自定义）

创建完毕后，由于后续要增加新的节点，所以将LLM节点和直接回复节点删除。

2. 配置开始节点

点击开始节点->输入字段右侧的加号，在打开的窗口中参考如下信息进行配置：

字段类型：文件列表；
变量名称：自定义，如text；
显示名称：自定义，如text；
支持的文件类型：文档；
上传文件类型：两者（这里上传文档可以使后续增加的节点读取到我们上传的文档内容）；
最大上传数：5（默认）。

3. 配置文档提取器节点

在Dify中，LLM节点自身无法直接读取或解释文档的内容，因此需要将用户上传的文档，通过文档提取器节点解析并读取文档中的信息，转化文本之后再将内容传给LLM以实现对文件内容的处理。

配置完毕后，点击开始节点右侧的加号，添加文档提取器节点。

添加完成后，对文档提取器节点开始配置，点击文档提取器节点，在输入变量中将在开始节点设置的变量名称插入（如text）。

4. 添加LLM节点

LLM（Large Language Model）是当前人工智能领域最具革命性的技术之一，是一种基于深度学习框架构建的人工智能系统，通过在海量的文本数据上进行预训练，学习语言的统计规律和语义关系，从而获得理解和生成人类语言的能力。

LLM节点的作用是调用大语言模型的能力，处理用户在“开始”节点中输入的信息（自然语言、上传的文件或和图片），给出有效的回应信息。

点击文档提取器节点右侧的加号，添加LLM节点。

5. 配置模型

添加完成后，首先进行模型配置。点击LLM节点->模型->模型设置。

打开模型设置后，在模型供应商中找到OpenAI-API-compatible（由于是调用MaaS的API，所以在模型供应商中选择此供应商），点击安装。

安装完毕后，点击模型设置，参数按照下表进行配置。

参数名称	参数配置
模型类型	LLM
模型名称	2.1步骤中获取的模型名称
模型显示名称	2.1步骤中获取的模型名称
API Key	2.1中获取的API Key
APIendpoint URL	2.1步骤中获取的模型URL，将URL最后/chat/completions删除即可
APIendpoint中的模型名称	DeepSeek-R1
其他选项配置	默认

模型配置完成后，点击LLM节点添加上下文变量，选择文档提取器中我们设置的text变量。选择文档提取器中的变量，是为了将我们上传的文档表格，经过文档提取器的转换，转化为LLM可以理解的格式，以便大模型更好的理解分析文档表格内容。

6. 添加提示词

提示词是用户给大语言模型输入的指令或者问题，用于引导模型生成符合预期的回答或内容，其核心作用是明确任务要求，控制输出方向，并优化大语言模型的响应质量。

将以下提示词模板复制到图中模块中。

# 任务

- **主要目标**：全面解析企业的财务报表结构，识别关键财务指标与潜在风险。
- **目标**：详细说明资产负债表、利润表、现金流量表等核心部分的内容与逻辑关系。
- **要求**：结合财务比率分析、趋势分析和行业对比，深入评估企业财务健康状况。
- **限制**：无特别格式限制，但需保持分析的严谨性和逻辑性。
- **预期输出**：财务报表的结构化解析，包括各部分的核心内容、作用及分析结论。

# 推理顺序

- **推理部分**：1.识别报表类型：确认分析对象为资产负债表、利润表、现金流量表等；
 2.分解核心部分：逐项解析报表中的关键科目（如流动资产、营业收入、现金流等）；
3.数据验证：检查数据的一致性（如资产负债表借贷平衡、利润表与现金流量表关联性）；
 4.财务比率计算：计算流动性比率（如流动比率）、偿债能力比率（如资产负债率）、盈利能力比率（如ROE）等；
 5.趋势与行业对比：分析历史数据趋势及与行业平均水平的差异；
 6.风险与机会识别：基于分析结果，指出潜在财务风险或增长机会。
- **结论部分**：1.总结企业核心发现：如企业盈利是否稳定、现金流是否健康、负债是否可控；
  2.提出建议：如优化资本结构、改善营运效率或调整投资策略。

# 输出格式

- **解析格式**：以报表类型为标题，分项说明各部分的内容与作用。
- **结构形式**：Markdown表格，增强可读性。
- **具体说明**：每个部分需包含以下内容：1.报表类型：资产负债表、利润表、现金流量表等；2.核心内容：报表中关键科目及数据组成；3.作用：分析该部分对财务健康评估的贡献；4.分析维度：涉及的财务比率、趋势或行业对比等。


### 交互规则
1. **问题范围**：仅接受与**资产负债表、利润表、现金流量表**相关的分析请求
2. **偏离引导**：当问题涉及战略、市场、人力等非财务领域时，系统将提示：
> "当前分析聚焦于财务报表维度，请问您需要解析资产负债表结构、利润表项目关联性，还是现金流健康度评估？"

### 核心任务
| 分析阶段 | 执行内容 |
|----------------|--------------------------------------------------------------------------|
| 1. 报表识别 | 确认目标报表类型（资产负债表/利润表/现金流量表）及会计期间 |
| 2. 科目解构 | 拆解核心科目数值与勾稽关系（如流动资产构成、营收与现金流的匹配度） |
| 3. 数据验证 | 校验三表逻辑一致性（如净利润与经营现金流差异分析） |
| 4. 比率计算 | 输出三大类指标：流动性（流动比率）、偿债性（利息覆盖倍数）、盈利性（ROIC）|
| 5. 多维对比 | 生成趋势对比图（3-5年）与行业分位数对照表（如用箱线图呈现） |
| 6. 风险定位 | 通过红黄绿灯系统标注异常指标（如应收账款周转天数>行业P90标红） |

### 输出规范
```python
def generate_report(data):
"""
结构化输出模板，包含动态交互检测
:param data: 预处理后的财务数据集
:return: Markdown格式分析报告，含自动问题检测
"""
if detect_off_topic(data):
return "⚠️ 检测到非财务分析需求，请提供具体报表数据或咨询以下维度：\n- 资产负债结构健康度诊断\n- 利润质量多维评估\n- 自由现金流测算模型"
else:
return build_markdown_table(data) # 生成标准分析表格