সাধারণ এজেন্টরা কি ব্যর্থ হচ্ছে? এই 15,000 স্টার বিশিষ্ট ফিনান্সিয়াল এআই, বিনিয়োগ গবেষণা প্রক্রিয়াটিকে সম্পূর্ণরূপে স্বয়ংক্রিয়ভাবে চালায়

গত দুই বছরে এআই ইন্টেলিজেন্ট এজেন্টের উন্নয়নের প্রবণতা আরও স্পষ্ট হয়ে উঠেছে, সাধারণ বৃহৎ মডেলের সমর্থন সহ সাধারণ প্রতিনিধি ক্ষমতা ক্রমাগত বাড়ছে।

কিন্তু যখনই কেউ বিশেষায়িত ক্ষেত্রে প্রবেশ করে, এই "সর্বজনীন এজেন্ট" সহজেই দুর্বলতা প্রকাশ করে, আর্থিক গবেষণা হল সবচেয়ে সাধারণ উদাহরণ।

আর্থিক প্রতিবেদনের বিশ্লেষণের যুক্তি, মেট্রিকগুলির অভিন্নতা যাচাইকরণ, ডেটা উৎসের সত্যতা যাচাইকরণ, গবেষণার ফলাফলের পুনরুৎপাদনযোগ্যতা, এইগুলি হল আর্থিক গবেষণার মূল প্রয়োজনীয়তা, একটি সাধারণ বুদ্ধিমত্তা যা সমস্ত ক্ষেত্রে ব্যবহার করা যায়, তা দিয়ে মূলত সমাধান করা সম্ভব নয়।

এছাড়াও ওপেন সোর্স প্রকল্পগুলি দেখার সময়, আমি এমন একটি প্রকল্প খুঁজে পেয়েছি যা আর্থিক এবং বিকাশকারী উভয় সম্প্রদায়ে খ্যাতি অর্জন করেছে: ডেক্সটার, একটি স্বায়ত্তশাসিত বুদ্ধিমান এজেন্ট যা গভীর আর্থিক গবেষণার জন্য বিশেষভাবে তৈরি করা হয়েছে।

সাধারণ আর্থিক প্রশ্ন-উত্তর সরঞ্জামগুলির থেকে ভিন্ন, এটি নিজের থেকে গবেষণার কাজগুলি ভেঙে দিতে, পেশাদার ডেটা পুনরুদ্ধার করতে, বিশ্লেষণের প্রক্রিয়াগুলি সম্পাদন করতে এবং গবেষণার ফলাফলগুলি বারবার যাচাই করতে পারে, এটিকে সত্যিকারের বুদ্ধিমান এজেন্ট হিসাবে বিবেচনা করা যেতে পারে যা আর্থিক বিনিয়োগ গবেষণা পরিস্থিতিতে প্রয়োগ করা হয়েছে, জনপ্রিয়তা এবং শক্তি উভয় ক্ষেত্রেই এটি খুব শক্তিশালী।

"আর্থিক সংস্করণ চ্যাটজিপিটি" নয়

যদি সাধারণ আর্থিক এআই "উত্তর দিতে পারে কিনা" এই সমস্যাটি সমাধান করে, তবে ডেক্সটার আর্থিক গবেষণায় আরও গুরুত্বপূর্ণ সমস্যাটি সমাধান করে, "সমস্যাটি পরিষ্কারভাবে গবেষণা করতে পারে কিনা"।

ডেক্সটারের অবস্থান "আর্থিক সংস্করণ চ্যাটজিপিটি" তৈরি করা নয়, বরং বাস্তব আর্থিক বিনিয়োগ গবেষণা প্রক্রিয়াটিকে প্রতিলিপি করা।

আপনি যখন কোনও গবেষণার প্রশ্ন উত্থাপন করেন, উদাহরণস্বরূপ:

• কোনও সংস্থার গত পাঁচ বছরের রাজস্ব পরিবর্তনের বিশ্লেষণ?
• দুটি শিল্পের মূল্যায়ন কাঠামোর তুলনা?
• কোনও সংস্থার নগদ প্রবাহের গুণমান মূল্যায়ন?

এটি সরাসরি কোনও উপসংহারমূলক পাঠ্য দেবে না, তবে পেশাদার বিনিয়োগ গবেষণা যুক্তি অনুসারে, প্রথমে গবেষণার লক্ষ্যটি পরিষ্কার করবে, তারপরে গবেষণাটি সম্পূর্ণ করার জন্য প্রয়োজনীয় মূল আর্থিক সূচকগুলি বিচার করবে, তারপরে মিলিত পেশাদার ডেটা উৎসগুলি নির্বাচন করবে এবং অবশেষে ধীরে ধীরে বিশ্লেষণ সম্পাদন করবে, ডেটা যাচাই করবে এবং তথ্য পরিপূরক করবে।

পুরো গবেষণা প্রক্রিয়াটি কাঠামোগত এবং সন্ধানযোগ্য, বৃহৎ মডেলের উপর নির্ভর করে একবারে উত্তর "তৈরি" করার পরিবর্তে।

পেশাদার ডেটা উৎস, এটির মূল শক্তি

আর্থিক বিশ্লেষণের নিম্ন সীমা সর্বদা ডেটার মানের উপর নির্ভর করে।

ডেক্সটার সরাসরি প্রাতিষ্ঠানিক স্তরের আর্থিক ডেটা উৎসের সাথে সংযোগ স্থাপন করতে পারে, যা রাজস্ব বিবরণী, ব্যালান্স শীট, নগদ প্রবাহ বিবরণীর মতো মূল ডেটা কভার করে।

এটি সাধারণ ওয়েব স্ক্র্যাপিং নয়, তবে পেশাদার আর্থিক কাঠামোকে কেন্দ্র করে তৈরি ডেটা সিস্টেম।

অনেক সাধারণ এজেন্টের সমস্যা হল: যুক্তি সম্ভবত ঠিক আছে, তবে ডেটার উৎস অস্পষ্ট, মেট্রিকগুলি অসামঞ্জস্যপূর্ণ, এবং শেষ পর্যন্ত উপসংহারটি ভিত্তিহীন।

ডেক্সটার নকশার স্তর থেকে ডেটা উৎসকে একটি মূল ক্ষমতা হিসাবে বিবেচনা করে, অতিরিক্ত বৈশিষ্ট্য হিসাবে নয়। বিনিয়োগ গবেষণা পরিস্থিতির জন্য এটি একটি অত্যন্ত গুরুত্বপূর্ণ পদক্ষেপ।

এটি "নিজেকে নিজে পরীক্ষা করবে"

ডেক্সটারের স্ব-যাচাইকরণ প্রক্রিয়াটি আর্থিক ক্ষেত্রে নির্ভুলতার উচ্চ প্রয়োজনীয়তার সাথে আরও সঙ্গতিপূর্ণ।

পুরো বিশ্লেষণ প্রক্রিয়া চলাকালীন, ডেক্সটার ক্রমাগত মধ্যবর্তী ফলাফল এবং চূড়ান্ত উপসংহার পরীক্ষা করবে। একবার কোনও যৌক্তিক ত্রুটি বা ডেটার অভাব ধরা পড়লে, এটি স্বয়ংক্রিয়ভাবে গবেষণার পদক্ষেপগুলি সামঞ্জস্য করবে এবং সম্পূর্ণ গবেষণা কাজটি শেষ না হওয়া পর্যন্ত সম্পাদন করা চালিয়ে যাবে।

মডেল সমর্থন

ডেক্সটারের সামঞ্জস্যতাও খুব নমনীয়। OpenAI, Anthropic, Google, xAI, OpenRouter-এর মতো ক্লাউড বৃহৎ মডেল বা স্থানীয়ভাবে স্থাপন করা Ollama যাই হোক না কেন, সবকিছু নির্বিঘ্নে সংযোগ স্থাপন করতে পারে। এটি ক্লাউডে দ্রুত চালানো যেতে পারে এবং স্থানীয় স্থাপনার গোপনীয়তার প্রয়োজনীয়তাও পূরণ করতে পারে।

দ্রুত শুরু

এক, রানটাইম পরিবেশ প্রস্তুত করুন

ডেক্সটার বানকে রানটাইম হিসাবে ব্যবহার করে, অফিসিয়ালভাবে 1.0 বা তার বেশি সংস্করণ প্রয়োজন। বিভিন্ন সিস্টেমের জন্য ইনস্টলেশন পদ্ধতি ভিন্ন, অপারেশন শেষ করার পরে টার্মিনালটি পুনরায় চালু করুন।

macOS / Linux সিস্টেমের জন্য, নিম্নলিখিতটি কার্যকর করা যেতে পারে:

curl -fsSL https://bun.com/install | bashWindows সিস্টেমের জন্য, নিম্নলিখিতটি কার্যকর করা যেতে পারে:

powershell -c "irm bun.sh/install.ps1|iex"ইনস্টলেশন সম্পন্ন হওয়ার পরে, টার্মিনালে bun --version লিখুন, যদি সংস্করণ নম্বরটি সঠিকভাবে আউটপুট হয় তবে এর অর্থ ইনস্টলেশন সফল হয়েছে।### ২. প্রকল্প ক্লোন করুন এবং নির্ভরতা ইনস্টল করুন

প্রকল্পের রিপোজিটরি ক্লোন করার পরে, প্রকল্পের ডিরেক্টরিতে প্রবেশ করে Bun ব্যবহার করে প্রকল্পের প্রয়োজনীয় নির্ভরতা ইনস্টল করুন:

git clone https://github.com/virattt/dexter.git cd dexter bun install

৩. পরিবেশের ভেরিয়েবল কনফিগার করুন

এটি Dexter চালানোর জন্য অত্যন্ত গুরুত্বপূর্ণ একটি ধাপ। প্রকল্পে পরিবেশের ভেরিয়েবলের টেমপ্লেট ফাইল দেওয়া আছে, প্রথমে টেমপ্লেটটি কপি করে কনফিগারেশন ফাইল তৈরি করতে হবে, তারপর নিজের প্রয়োজন অনুযায়ী সেটি সম্পাদনা করতে হবে:

cp env.example .env এরপর তৈরি হওয়া .env ফাইলটি সম্পাদনা করুন। প্রধান API Key গুলোকে তিনটি ভাগে ভাগ করা যায়, যেগুলো কনফিগার করা দরকার:

• বৃহৎ মডেল সরবরাহকারীর API Key: যেমন OpenAI, Anthropic, Google, xAI, OpenRouter ইত্যাদি (যেমন OPENAI_API_KEY)। আপনি যে বৃহৎ মডেল ব্যবহার করেন, তার সাথে সঙ্গতি রেখে কনফিগার করতে পারেন।
• Financial Datasets API Key: প্রতিষ্ঠান-স্তরের আর্থিক বাজার এবং আর্থিক ডেটা পাওয়ার জন্য এটি ব্যবহার করা হয়। এটি পেশাদার আর্থিক বিশ্লেষণ বাস্তবায়নের জন্য একটি মূল কনফিগারেশন, তাই এটি কনফিগার করার পরামর্শ দেওয়া হচ্ছে। পাওয়ার ঠিকানা: https://financialdatasets.ai/
• ওয়েব অনুসন্ধান সম্পর্কিত API Key: Exa, Tavily অন্তর্ভুক্ত, যা এজেন্টের ওয়েব অনুসন্ধান ক্ষমতা বাড়ানোর জন্য ব্যবহৃত হয় এবং এটি একটি ঐচ্ছিক কনফিগারেশন। পাওয়ার ঠিকানা: https://exa.ai/

যদি আপনি স্থানীয়ভাবে স্থাপন করা Ollama ব্যবহার করতে চান, তাহলে ফাইলে কনফিগার করুন:

OLLAMA_BASE_URL=http://127.0.0.1:11434

৪. Dexter শুরু করুন

পরিবেশের ভেরিয়েবল কনফিগার করার পরে, সরাসরি টার্মিনালে স্টার্ট কমান্ডটি চালান:

bun start তাহলেই Dexter-এর ইন্টারেক্টিভ CLI ইন্টারফেসে প্রবেশ করতে পারবেন। ইন্টারফেসে আর্থিক গবেষণা সম্পর্কিত প্রশ্ন লিখুন, এবং এটি স্বয়ংক্রিয়ভাবে সম্পূর্ণ বিশ্লেষণ প্রক্রিয়া পরিকল্পনা ও সম্পাদন করবে।

যদি এটি উন্নয়ন বা ডিবাগিংয়ের জন্য ব্যবহার করা হয়, তাহলে হট রিলোড মোডে শুরু করতে পারেন:

bun dev

৫. মূল্যায়ন এবং ডিবাগিং

উন্নত চাহিদা সম্পন্ন ব্যবহারকারীদের জন্য, Dexter-এ একটি বিশেষ মূল্যায়ন সরঞ্জাম রয়েছে, যা এজেন্টের বিশ্লেষণ ক্ষমতা পরীক্ষা করতে পারে। আপনি সম্পূর্ণ মূল্যায়ন প্রক্রিয়া চালাতে পারেন, অথবা এলোমেলোভাবে নমুনা নির্বাচন করে পরীক্ষা করতে পারেন:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter স্বয়ংক্রিয়ভাবে সমস্ত বিশ্লেষণ প্রক্রিয়া, সরঞ্জাম ব্যবহার এবং অন্তর্বর্তী ফলাফল এই ডিরেক্টরিতে রেকর্ড করবে:

.dexter/scratchpad/ এর অধীনে থাকা ফাইলগুলির মাধ্যমে, আপনি গবেষণা প্রক্রিয়ার পুনরালোচনা এবং প্রকল্পের ডিবাগিং সম্পন্ন করতে পারেন।

উল্লম্ব এজেন্টরাই পরবর্তী ধাপের মূল কেন্দ্রবিন্দু

সাধারণ এজেন্টরা উন্নতি করতে থাকবে, কিন্তু যে ইন্টেলিজেন্ট এজেন্টগুলো সত্যিই "ব্যবহারযোগ্য" হয়ে উঠবে, সেগুলি অবশ্যই উল্লম্ব ক্ষেত্রগুলিতে গভীরভাবে খনন করবে।

Dexter একটি আদর্শ উদাহরণ। এটি সমস্ত ক্ষেত্রকে কভার করার চেষ্টা করেনি, বরং আর্থিক গবেষণার উপর মনোযোগ দিয়েছে এবং ডেটা উৎস, বিশ্লেষণ প্রক্রিয়া এবং যাচাইকরণ প্রক্রিয়াকে আরও গভীর করেছে।প্রকল্পের ঠিকানাঃ https://github.com/virattt/dexter