Универсалният агент не работи ли? Този финансов AI с 15 000 звезди автоматизира целия процес на инвестиционни изследвания
През последните две години тенденцията в развитието на AI интелигентните агенти става все по-ясна, а универсалните агентски възможности, подкрепени от универсални големи модели, непрекъснато се покачват.
Но щом стъпят в професионална област, тези "всемогъщи агенти" лесно се излагат, а финансовите изследвания са най-типичният пример.
Логиката на разбиване на финансовите отчети, унифицираната проверка на калибъра на показателите, проверката на автентичността на източниците на данни, възпроизводимостта на изследователските заключения, това са основните изисквания на финансовите изследвания и е невъзможно да се реши истински проблем, като се разчита на интелигентен агент, който е универсален за всички области.
Също така, докато преглеждах проекти с отворен код, открих проект, който е събрал доста добра репутация във финансовите и разработчическите общности: Dexter, автономен интелигентен агент, специално създаден за задълбочени финансови изследвания.
За разлика от обикновените инструменти за финансови въпроси и отговори, той може сам да разбива изследователски задачи, да извлича професионални данни, да изпълнява аналитични процеси и многократно да проверява резултатите от изследванията. Може да се каже, че е интелигентен агент, който наистина е внедрен в сценарии за финансови инвестиционни изследвания, а популярността и силата му са много добри.
Не е "финансова версия на ChatGPT"
Ако обикновеният финансов AI решава въпроса "може ли да даде отговор", то Dexter решава по-важния въпрос във финансовите изследвания "може ли проблемът да бъде проучен ясно".
Dexter не е позициониран като "финансова версия на ChatGPT", а като възпроизвеждане на реалния процес на финансови инвестиционни изследвания.
Когато зададете изследователски въпрос, например:
- Анализирайте промените в приходите на дадена компания през последните пет години?
- Сравнете структурите на оценка на два индустриални сектора?
- Оценете качеството на паричните потоци на дадена компания?
Той няма да даде директно заключителен текст, а ще следва професионалната логика на инвестиционните изследвания, първо ще изясни изследователската цел, след това ще прецени основните финансови показатели, необходими за завършване на изследването, след това ще филтрира съвпадащите професионални източници на данни и накрая ще изпълни анализ стъпка по стъпка, ще провери данните и ще допълни информацията.
Целият изследователски процес е структуриран и проследим, вместо да разчита на голям модел за еднократно "генериране" на отговори.
Професионалните източници на данни са неговата увереност
Долната граница на финансовия анализ винаги зависи от качеството на данните.
Dexter може директно да се свързва с финансови източници на данни от институционален клас, обхващащи основни данни като отчети за приходите, баланси и отчети за паричните потоци.
Това не е просто уеб скрейпинг, а система от данни, организирана около професионална финансова структура.
Проблемът с много универсални агенти е, че логиката може да не е проблем, но източниците на данни са неясни и калибрите са непоследователни, така че крайните заключения изобщо не могат да бъдат подкрепени.
Dexter третира източниците на данни като основна възможност от гледна точка на дизайна, а не като допълнителна функция. Това е много важна стъпка за сценариите на инвестиционни изследвания.
Той ще "се проверява сам"
Механизмът за самопроверка на Dexter е още по-съобразен с високите изисквания за точност във финансовата област.
По време на целия процес на анализ Dexter непрекъснато ще проверява междинните резултати и крайните заключения. След като открие логически пропуски или липсващи данни, той автоматично ще коригира стъпките на изследване и ще продължи да изпълнява, докато не завърши пълната изследователска задача.
Поддръжка на модели
Съвместимостта на Dexter също е много гъвкава. Независимо дали става въпрос за големи облачни модели като OpenAI, Anthropic, Google, xAI, OpenRouter или локално разположени Ollama, те могат да бъдат безпроблемно свързани. Той може да работи бързо в облака и също така да отговаря на нуждите за поверителност на локалното разполагане.
Бърз старт
1. Подготовка на работната среда
Dexter използва Bun като среда за изпълнение. Официалните изисквания са версия 1.0 или по-нова. Различните системи имат различни методи за инсталиране. Рестартирайте терминала след завършване на операцията.
macOS / Linux системите могат да изпълнят:
curl -fsSL https://bun.com/install | bash Windows системите могат да изпълнят:
powershell -c "irm bun.sh/install.ps1|iex" След като инсталацията приключи, въведете bun --version в терминала. Ако може да се изведе нормално номерът на версията, това означава, че инсталацията е успешна.След като клонирате хранилището на проекта, влезте в директорията на проекта и използвайте Bun, за да инсталирате необходимите зависимости на проекта:
git clone https://github.com/virattt/dexter.git cd dexter bun install
Трето: Конфигуриране на променливи на средата
Това е ключова стъпка за стартиране на Dexter. Проектът вече предоставя шаблонни файлове за променливи на средата. Трябва само да копираме шаблона, за да генерираме конфигурационен файл, и след това да го редактираме според собствените си нужди:
cp env.example .env След това редактирайте генерирания .env файл. Основните API ключове, които трябва да бъдат конфигурирани, са разделени на три категории:
- API ключ на доставчика на голям модел: Включва OpenAI, Anthropic, Google, xAI, OpenRouter и т.н. (като OPENAI_API_KEY) Може да бъде конфигуриран според големия модел, който използвате;
- API ключ за финансови набори от данни: Използва се за извличане на финансови пазари и финансови данни на институционално ниво. Това е основната конфигурация за реализиране на професионален финансов анализ и се препоръчва да бъде задължителна. Адрес за получаване: https://financialdatasets.ai/
- API ключ, свързан с мрежово търсене: Включва Exa, Tavily, използва се за подобряване на възможностите за мрежово търсене на интелигентния агент и е опционална конфигурация. Адрес за получаване: https://exa.ai/
Ако трябва да използвате локално разгърнат Ollama, конфигурирайте във файла:
OLLAMA_BASE_URL=http://127.0.0.1:11434
Четвърто: Стартиране на Dexter
След като променливите на средата са конфигурирани, изпълнете командата за стартиране директно в терминала:
bun start Можете да влезете в интерактивния CLI интерфейс на Dexter. Въведете въпроси, свързани с финансови изследвания в интерфейса и той автоматично ще планира и изпълни пълния процес на анализ.
Ако е за целите на разработка или отстраняване на грешки, можете да използвате режим на горещо презареждане, за да стартирате:
bun dev
Пето: Оценка и отстраняване на грешки
За потребители с разширени нужди, Dexter има вградени специализирани инструменти за оценка, които могат да се използват за тестване на аналитичните възможности на интелигентния агент. Можете да стартирате пълния процес на оценка или да вземете произволни проби за тестване:
bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter автоматично ще запише всички процеси на анализ, извиквания на инструменти и междинни резултати в тази директория:
.dexter/scratchpad/ Чрез файловете под нея можете да завършите прегледа на изследователския процес и отстраняването на грешки в проекта
Вертикалният агент е фокусът на следващия етап
Общите агенти ще продължат да напредват, но интелигентните агенти, които наистина започват да бъдат "полезни", трябва да бъдат задълбочени във вертикални области.
Dexter е типичен пример. Той не се опитва да обхване всички области, а се фокусира върху финансовите изследвания, задълбочавайки източниците на данни, процесите на анализ и механизмите за проверка.Адрес на проекта: https://github.com/virattt/dexter
