Pour créer un analyste financier capable d'extraire des informations des rapports financiers d'Apple, nous allons exploiter la puissance des sous-agents. Voici comment cela fonctionne :

1. Installer les packages requis : Nous commençons par installer les packages nécessaires, notamment le client Python d'Anthropic, une bibliothèque pour lire les fichiers PDF et Matplotlib pour générer des graphiques.

2. Définir les sous-agents : Nous définissons nos sous-agents à l'aide du client Anthropic, les modèles Clot 3 Hau plus petits gérant les rapports trimestriels individuels.

3. Télécharger les rapports financiers : Nous téléchargeons les rapports sur les résultats financiers pour chaque trimestre de l'exercice 2023.

4. Générer des invites pour les sous-agents : Nous utilisons le modèle Opus plus important pour générer des invites pour les sous-agents, leur demandant d'extraire les informations pertinentes des rapports trimestriels sur les résultats.

5. Extraire les informations des rapports : Nous utilisons la fonction extract_information pour traiter chaque rapport trimestriel, en convertissant les fichiers PDF en images et en les transmettant aux sous-agents Hau avec les invites générées.

6. Combiner les informations des sous-agents : Les réponses des sous-agents, séparées par des balises XML, sont collectées et transmises à l'agent super Opus pour générer la réponse finale.

7. Visualiser les informations : L'agent super fournit une réponse comprenant du code Python utilisant Matplotlib pour générer un graphique visualisant l'évolution des ventes nettes d'Apple au fil des trimestres.

En tirant parti des capacités du modèle Opus plus important et des sous-agents Hau plus petits, nous pouvons extraire efficacement des informations à partir de rapports financiers complexes et les présenter de manière concise et attrayante visuellement. Cette approche démontre la puissance de l'utilisation d'une hiérarchie d'agents IA pour relever des tâches complexes.