-
背景介绍。OpenBB是一家金融投资研究企业，开源项目有26K star，它提供的命令行工具有900多个命令，可以快速查询分析多类金融、投资数据。当前案例的场景，针对OpenBB的命令行工具较高使用门槛，与LlamaIndex合作，力图让自然语言更准确地操作OpenBB命令行。
-
痛点。OpenBB的命令行有900多个，用户和系统交互上容易误解和混淆。比如对于加载资产数据的load命令，如果用户输入load AAPL，用户期望系统映射的资产类别是股票，对应到系统的具体命令是stocks/load AAPL。而用户输入load bitcoin，更期望的结果是系统执行crypto/load btc。其他的例子还包括寻找看涨指标金十字，系统想要处理，也需要精确定位客户想要的标的到底是什么。而自然语言的输入，总是容易让系统摸不着头脑。
-
解决方案：使用资料库+LLM优化用户命令建议。前置条件是OpenBB的每个命令都有命令行常见的-help提示。这个资料，提供给LLM做外部资料库，就能提升用户搜索体验啦（索引搜索优化当然还不少事情）。OpenBB是在-help文档基础上，增加了更多的示例提示，比如对于股票命令stocks，提供给LLM的说明如下图。除了命令本身的参数，还包括多组示例。每个命令都单独创建一个类似的txt文件，存储到向量库。
然后，再配合更改prompt，让LLM根据用户输入（偏自然语言的命令），给出命令行建议。OpenBB这样改写它的prompt。
例如，让LLM给出的所有命令行建议，都必须是完整的命令行。比如对于load命令，命令执行系统必须要有对应的资产类型。再例如，多个国家参数需要用逗号分隔，并给出了示例。
这几项工作完成后，当 LLM 接收到查询请求，生成embedding后，到向量库中搜索匹配最合适的命令txt文件向量，将其提供给LLM生成建议命令行。
例如，用户输入cpi united states united kingdom，LLM会根据CPI命令的txt作为资料库，生成命令建议：/economy/cpi -c united_states,united_kingdom
根据用户输入生成的embedding查找txt向量库，认为cpi命令的txt更适合一起提供给LLM帮助生成命令建议。
同时保证了prompt中的要求：
1. /economy/cpi : 保证命令行的完整性，每个命令都要带有父命令；
2. united_states,united_kingdom : 国家名用下划线处理，并且逗号分隔；
最后，使用LlamaIndex，需要几行代码解决呢？3行。（当然还有其他工作啦）
