¿Los Agentes Generales ya no funcionan? Esta IA financiera con 15,000 estrellas automatiza todo el proceso de investigación de inversiones

En los últimos dos años, la tendencia de desarrollo de los agentes de IA se ha vuelto cada vez más clara, y la capacidad de los agentes generales impulsada por grandes modelos generales ha ido en aumento.

Pero una vez que se adentran en un campo profesional, estos "Agentes Todoterreno" son propensos a mostrar sus debilidades, y la investigación financiera es el ejemplo más típico.

La lógica de descomposición de los estados financieros, la verificación unificada del calibre de los indicadores, la verificación de la autenticidad de las fuentes de datos, la reproducibilidad de las conclusiones de la investigación, estos son los requisitos centrales de la investigación financiera, y es imposible resolverlos realmente confiando en un agente inteligente que sea universal para varios campos.

También mientras revisaba proyectos de código abierto, descubrí un proyecto que ha acumulado una buena reputación tanto en los círculos financieros como en la comunidad de desarrolladores: Dexter, un agente inteligente autónomo diseñado específicamente para la investigación financiera profunda.

A diferencia de las herramientas ordinarias de preguntas y respuestas financieras, puede descomponer las tareas de investigación por sí mismo, recuperar datos profesionales, ejecutar procesos de análisis y también verificar repetidamente los resultados de la investigación. Se considera un agente inteligente que realmente se ha implementado en escenarios de investigación de inversiones financieras, y tanto su popularidad como su fuerza son muy impresionantes.

No es un "ChatGPT de finanzas"

Si la IA financiera ordinaria resuelve el problema de "¿puede dar una respuesta?", entonces Dexter resuelve el problema más central en la investigación financiera de "¿puede investigar el problema a fondo?"

El posicionamiento de Dexter no es ser un "ChatGPT de finanzas", sino replicar el proceso real de investigación de inversiones financieras.

Cuando planteas una pregunta de investigación, por ejemplo:

• ¿Analizar el cambio en los ingresos de una empresa en los últimos cinco años?
• ¿Comparar la estructura de valoración de dos industrias?
• ¿Evaluar la calidad del flujo de caja de una empresa?

No dará directamente un texto concluyente, sino que, de acuerdo con la lógica profesional de investigación de inversiones, primero aclarará el objetivo de la investigación, luego juzgará los indicadores financieros centrales necesarios para completar la investigación, luego seleccionará las fuentes de datos profesionales coincidentes y, finalmente, ejecutará paso a paso el análisis, verificará los datos y complementará la información.

Todo el proceso de investigación es estructurado y rastreable, en lugar de "generar" respuestas de una sola vez confiando en un modelo grande.

Fuentes de datos profesionales, son su confianza

El límite inferior del análisis financiero siempre depende de la calidad de los datos.

Dexter puede conectarse directamente a fuentes de datos financieros de nivel institucional, que cubren datos centrales como la tabla de ingresos, el balance y el estado de flujo de efectivo.

Esta no es una simple captura de páginas web, sino un sistema de datos organizado en torno a una estructura financiera profesional.

El problema con muchos Agentes Generales es que: la lógica puede no ser un problema, pero la fuente de datos es vaga y el calibre no es uniforme, y la conclusión final no se sostiene en absoluto.

Dexter considera la fuente de datos como una capacidad central desde el nivel de diseño, en lugar de una función adicional. Este es un paso muy importante para los escenarios de investigación de inversiones.

Se "autocontrolará"

El mecanismo de autoverificación de Dexter se ajusta aún más a los altos requisitos de precisión en el campo financiero.

Durante todo el proceso de análisis, Dexter verificará continuamente los resultados intermedios y las conclusiones finales. Una vez que encuentre lagunas lógicas o falta de datos, ajustará automáticamente los pasos de investigación y continuará ejecutándolos hasta que complete la tarea de investigación completa.

Soporte de modelos

La compatibilidad de Dexter también es muy flexible, ya sean los grandes modelos en la nube como OpenAI, Anthropic, Google, xAI, OpenRouter, o Ollama implementado localmente, todos pueden conectarse sin problemas. Puede ejecutarse rápidamente en la nube y también satisfacer las necesidades de privacidad de la implementación local.

Inicio rápido

Uno, preparar el entorno de ejecución

Dexter usa Bun como tiempo de ejecución, los requisitos oficiales son la versión 1.0 y superior, los diferentes sistemas tienen diferentes métodos de instalación, reinicie la terminal después de la operación.

macOS / Linux puede ejecutar:

curl -fsSL https://bun.com/install | bashWindows puede ejecutar:

powershell -c "irm bun.sh/install.ps1|iex"Una vez completada la instalación, ingrese bun --version en la terminal, lo que indica que la instalación se realizó correctamente si la versión se puede generar normalmente.Después de clonar el repositorio del proyecto, ingrese al directorio del proyecto y use Bun para instalar las dependencias necesarias del proyecto:

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

III. Configurar variables de entorno

Este es un paso crucial para ejecutar Dexter. El proyecto ya proporciona un archivo de plantilla de variables de entorno. Primero debemos copiar la plantilla para generar un archivo de configuración y luego editarlo de acuerdo con nuestras propias necesidades:

cp env.example .env Luego edite el archivo .env generado. Las claves API principales que deben configurarse se dividen principalmente en tres categorías:

• Clave API del proveedor de modelos grandes: Incluye OpenAI, Anthropic, Google, xAI, OpenRouter, etc. (como OPENAI_API_KEY) Se puede configurar según el modelo grande que esté utilizando;
• Clave API de conjuntos de datos financieros: Se utiliza para recuperar datos financieros y de mercado de nivel institucional, que es la configuración central para lograr un análisis financiero profesional y se recomienda configurarla. Obtenga la dirección: https://financialdatasets.ai/
• Clave API relacionada con la búsqueda en la web: Incluye Exa, Tavily, que se utiliza para mejorar la capacidad de búsqueda en la web del agente inteligente y es una configuración opcional. Obtenga la dirección: https://exa.ai/

Si necesita usar Ollama implementado localmente, configure en el archivo:

OLLAMA_BASE_URL=http://127.0.0.1:11434

IV. Iniciar Dexter

Una vez que se completa la configuración de las variables de entorno, ejecute directamente el comando de inicio en la terminal:

bun start puede ingresar a la interfaz CLI interactiva de Dexter. Ingrese preguntas relacionadas con la investigación financiera en la interfaz y planificará y ejecutará automáticamente el proceso de análisis completo.

Si es para fines de desarrollo o depuración, puede usar el modo de recarga en caliente para iniciar:

bun dev

V. Evaluación y depuración

Para los usuarios con necesidades avanzadas, Dexter tiene una herramienta de evaluación incorporada que se puede usar para probar la capacidad de análisis del agente inteligente. Puede ejecutar el proceso de evaluación completo o extraer muestras aleatorias para la prueba:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter registrará automáticamente todo el proceso de análisis, las llamadas a herramientas y los resultados intermedios en este directorio:

.dexter/scratchpad/ A través de los archivos debajo, puede completar la revisión del proceso de investigación y la depuración del proyecto

Agente vertical, es el foco de la siguiente etapa

El Agente general continuará mejorando, pero el agente inteligente que realmente comience a ser "fácil de usar" debe profundizarse en el campo vertical.

Dexter es un ejemplo típico. No intenta cubrir todos los campos, sino que se enfoca en la investigación financiera y profundiza las fuentes de datos, los procesos de análisis y los mecanismos de verificación.Dirección del proyecto: https://github.com/virattt/dexter