通用Agent不行了？这个1.5万Star的金融AI，把投研流程全自动跑通

In den letzten zwei Jahren ist der Entwicklungstrend von KI-Agenten immer deutlicher geworden, und die allgemeine Agentenfähigkeit, die durch allgemeine große Modelle unterstützt wird, hat stetig zugenommen.

Aber sobald man ein Fachgebiet betritt, zeigen diese "Allzweck-Agenten" leicht ihre Schwächen, und die Finanzforschung ist das typischste Beispiel.

Die Zerlegungslogik von Finanzberichten, die einheitliche Überprüfung der Indikatordefinitionen, die Überprüfung der Echtheit von Datenquellen, die Reproduzierbarkeit von Forschungsergebnissen - all dies sind die Kernanforderungen der Finanzforschung, die mit einem für alle Bereiche universellen intelligenten Agenten nicht wirklich gelöst werden können.

Auch beim Durchforsten von Open-Source-Projekten bin ich auf ein Projekt gestoßen, das sich in der Finanzwelt und in der Entwickler-Community einen guten Ruf erworben hat: Dexter, ein autonomer intelligenter Agent, der speziell für die tiefgreifende Finanzforschung entwickelt wurde.

Im Gegensatz zu gewöhnlichen Finanzfrage-und-Antwort-Tools kann er Forschungsaufgaben selbst zerlegen, professionelle Daten abrufen, Analyseprozesse durchführen und Forschungsergebnisse wiederholt überprüfen. Er ist also ein intelligenter Agent, der wirklich in Finanzinvestitions- und Forschungsszenarien eingesetzt wird und sowohl Popularität als auch Stärke besitzt.

不是"金融版 ChatGPT" (Nicht "ChatGPT in der Finanzversion")

Wenn gewöhnliche Finanz-KI das Problem löst, "ob eine Antwort gegeben werden kann", dann löst Dexter das Problem, das im Kern der Finanzforschung steht: "ob das Problem klar untersucht werden kann".

Dexters Positionierung ist nicht die eines "ChatGPT in der Finanzversion", sondern die der Nachbildung des tatsächlichen Finanzinvestitions- und Forschungsprozesses.

Wenn Sie eine Forschungsfrage stellen, z. B.:

• Analyse der Umsatzentwicklung eines Unternehmens in den letzten fünf Jahren?
• Vergleich der Bewertungsstrukturen zweier Branchen?
• Bewertung der Cashflow-Qualität eines Unternehmens?

Er wird nicht direkt einen abschließenden Text liefern, sondern nach der professionellen Investitions- und Forschungslogik zuerst das Forschungsziel definieren, dann die wichtigsten Finanzindikatoren bestimmen, die zur Durchführung der Forschung erforderlich sind, dann die passenden professionellen Datenquellen auswählen und schließlich Schritt für Schritt Analysen durchführen, Daten überprüfen und Informationen ergänzen.

Der gesamte Forschungsprozess ist strukturiert und nachvollziehbar und beruht nicht auf der einmaligen "Generierung" von Antworten durch ein großes Modell.

专业数据源，是它的底气 (Professionelle Datenquellen sind seine Stärke)

Die Untergrenze der Finanzanalyse hängt immer von der Datenqualität ab.

Dexter kann direkt an Finanzdatenquellen auf Institutionsebene angebunden werden und deckt Kerndaten wie Umsatztabellen, Bilanzen und Kapitalflussrechnungen ab.

Dies ist kein einfaches Web-Scraping, sondern ein Datensystem, das um eine professionelle Finanzstruktur herum organisiert ist.

Das Problem vieler allgemeiner Agenten ist: Die Logik mag in Ordnung sein, aber die Datenquellen sind unklar, die Definitionen sind nicht einheitlich, und die Schlussfolgerung ist letztendlich nicht haltbar.

Dexter betrachtet die Datenquelle von der Designebene aus als Kernkompetenz und nicht als Zusatzfunktion. Dies ist ein sehr wichtiger Schritt für Investitions- und Forschungsszenarien.

它会"自己检查自己" (Er wird "sich selbst überprüfen")

Dexters Selbstvalidierungsmechanismus entspricht noch mehr den hohen Genauigkeitsanforderungen im Finanzbereich.

Während des gesamten Analyseprozesses überprüft Dexter kontinuierlich die Zwischenergebnisse und endgültigen Schlussfolgerungen. Sobald logische Lücken oder fehlende Daten festgestellt werden, passt er automatisch die Forschungsschritte an und führt sie weiter aus, bis die vollständige Forschungsaufgabe abgeschlossen ist.

模型支持 (Modellunterstützung)

Dexters Kompatibilität ist ebenfalls sehr flexibel. Ob es sich um Cloud-basierte große Modelle wie OpenAI, Anthropic, Google, xAI, OpenRouter oder lokal bereitgestellte Ollama handelt, sie können nahtlos integriert werden, sodass sie schnell in der Cloud ausgeführt werden können und auch die Datenschutzanforderungen lokaler Bereitstellungen erfüllen.

快速上手 (Schnellstart)

一、准备运行环境 (1. Vorbereitung der Laufzeitumgebung)

Dexter verwendet Bun als Laufzeitumgebung. Die offizielle Anforderung ist Version 1.0 oder höher. Die Installationsmethoden für verschiedene Systeme sind unterschiedlich. Starten Sie nach Abschluss des Vorgangs das Terminal neu.

macOS / Linux-System kann ausgeführt werden:

curl -fsSL https://bun.com/install | bashWindows-System kann ausgeführt werden:

powershell -c "irm bun.sh/install.ps1|iex"Nach der Installation geben Sie bun --version im Terminal ein. Wenn die Versionsnummer normal ausgegeben wird, bedeutet dies, dass die Installation erfolgreich war.### II. Projekt klonen und Abhängigkeiten installieren

Nach dem Klonen des Projekt-Repositorys und dem Wechsel in das Projektverzeichnis können Sie die erforderlichen Projektabhängigkeiten mit Bun installieren:

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

III. Umgebungsvariablen konfigurieren

Dies ist ein entscheidender Schritt für den Betrieb von Dexter. Das Projekt stellt bereits eine Vorlagendatei für Umgebungsvariablen bereit. Wir müssen lediglich zuerst die Vorlage kopieren, um eine Konfigurationsdatei zu erstellen, und diese dann nach unseren eigenen Bedürfnissen bearbeiten:

cp env.example .env Bearbeiten Sie anschließend die generierte .env-Datei. Die wichtigsten zu konfigurierenden API-Schlüssel lassen sich in drei Kategorien einteilen:

• API-Schlüssel des Large Language Model Providers: einschließlich OpenAI, Anthropic, Google, xAI, OpenRouter usw. (z. B. OPENAI_API_KEY) können entsprechend dem von Ihnen verwendeten Large Language Model konfiguriert werden;
• Financial Datasets API Key: Wird verwendet, um Finanzmarkt- und Finanzdaten auf Institutionsebene abzurufen. Dies ist die Kernkonfiguration für die Realisierung professioneller Finanzanalysen und wird dringend empfohlen. Abrufadresse: https://financialdatasets.ai/
• API-Schlüssel für die Websuche: einschließlich Exa, Tavily, zur Verbesserung der Websuchfunktionen des Agenten, optionale Konfiguration. Abrufadresse: https://exa.ai/

Wenn Sie die lokal bereitgestellte Ollama verwenden müssen, konfigurieren Sie Folgendes in der Datei:

OLLAMA_BASE_URL=http://127.0.0.1:11434

IV. Dexter starten

Nachdem die Umgebungsvariablen konfiguriert wurden, führen Sie den Startbefehl direkt im Terminal aus:

bun start Sie gelangen in die interaktive CLI-Oberfläche von Dexter. Geben Sie in der Benutzeroberfläche Fragen zur Finanzforschung ein, und Dexter plant und führt automatisch den vollständigen Analyseprozess aus.

Für Entwicklungs- oder Debugging-Zwecke können Sie den Hot-Reload-Modus verwenden, um zu starten:

bun dev

V. Bewertung und Debugging

Für Benutzer mit fortgeschrittenen Anforderungen verfügt Dexter über ein integriertes Bewertungstool, mit dem die Analysefähigkeiten des Agenten getestet werden können. Sie können entweder den vollständigen Bewertungsprozess ausführen oder zufällig Stichproben für Tests entnehmen:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter zeichnet automatisch alle Analyseprozesse, Tool-Aufrufe und Zwischenergebnisse in diesem Verzeichnis auf:

.dexter/scratchpad/ Über die darin enthaltenen Dateien können Sie die Überprüfung des Forschungsprozesses und das Debugging des Projekts abschließen.

Vertikale Agenten sind der Schwerpunkt der nächsten Phase

Allgemeine Agenten werden sich weiterentwickeln, aber die wirklich "nützlichen" intelligenten Agenten werden in bestimmten vertikalen Bereichen tiefgreifende Analysen durchführen.

Dexter ist ein typisches Beispiel. Es versucht nicht, alle Bereiche abzudecken, sondern konzentriert sich auf die Finanzforschung und vertieft die Datenquellen, Analyseprozesse und Validierungsmechanismen.Projektadresse: https://github.com/virattt/dexter