સામાન્ય એજન્ટ કામ કરતા નથી? આ 15,000 સ્ટારવાળો ફાઇનાન્સિયલ AI, રોકાણ સંશોધન પ્રક્રિયાને સંપૂર્ણપણે સ્વચાલિત કરે છે

આ બે વર્ષમાં AI સ્માર્ટ એજન્ટ્સનો વિકાસ વધુને વધુ સ્પષ્ટ થઈ રહ્યો છે, સામાન્ય મોટા મોડેલો દ્વારા સમર્થિત સામાન્ય એજન્ટની ક્ષમતા સતત વધી રહી છે.

પરંતુ જ્યારે તમે કોઈ વ્યાવસાયિક ક્ષેત્રમાં પ્રવેશ કરો છો, ત્યારે આ "સર્વશક્તિમાન એજન્ટ્સ" સરળતાથી નિષ્ફળ જાય છે, અને નાણાકીય સંશોધન એ સૌથી લાક્ષણિક ઉદાહરણ છે.

નાણાકીય નિવેદનોના વિશ્લેષણની તર્કશાસ્ત્ર, સૂચકાંકોના માપાંકનની એકીકૃત ચકાસણી, ડેટા સ્ત્રોતોની અધિકૃતતાની ચકાસણી અને સંશોધન તારણોની પુનઃઉત્પાદનક્ષમતા એ નાણાકીય સંશોધનની મુખ્ય આવશ્યકતાઓ છે. સામાન્ય હેતુવાળા સ્માર્ટ એજન્ટ પર આધાર રાખીને, તેને ખરેખર હલ કરી શકાતું નથી.

ઓપન સોર્સ પ્રોજેક્ટ્સને તપાસવાની પ્રક્રિયામાં, મને એક એવો પ્રોજેક્ટ મળ્યો જેણે ફાઇનાન્સ વર્તુળો અને વિકાસકર્તા સમુદાયો બંનેમાં ઘણી સારી પ્રતિષ્ઠા મેળવી છે: ડેક્સ્ટર, એક સ્વાયત્ત સ્માર્ટ એજન્ટ જે ઊંડાણપૂર્વકના નાણાકીય સંશોધન માટે રચાયેલ છે.

સામાન્ય નાણાકીય પ્રશ્નોત્તરી સાધનોથી વિપરીત, તે સંશોધન કાર્યોને જાતે જ વિઘટિત કરી શકે છે, વ્યાવસાયિક ડેટા મેળવી શકે છે, વિશ્લેષણ પ્રક્રિયાઓ ચલાવી શકે છે અને સંશોધન પરિણામોને વારંવાર ચકાસી શકે છે. તે ખરેખર નાણાકીય રોકાણ સંશોધન દૃશ્યોમાં લાગુ કરવામાં આવેલો સ્માર્ટ એજન્ટ છે, અને તેની લોકપ્રિયતા અને તાકાત ખૂબ જ પ્રભાવશાળી છે.

"ફાઇનાન્સ વર્ઝન ChatGPT" નથી

જો સામાન્ય ફાઇનાન્સિયલ AI "શું જવાબ આપી શકાય છે" તે સમસ્યાને હલ કરે છે, તો ડેક્સ્ટર નાણાકીય સંશોધનમાં વધુ મહત્વપૂર્ણ "શું સમસ્યાને સ્પષ્ટ રીતે સમજી શકાય છે" તે સમસ્યાને હલ કરે છે.

ડેક્સ્ટરની સ્થિતિ "ફાઇનાન્સ વર્ઝન ChatGPT" બનવાની નથી, પરંતુ વાસ્તવિક નાણાકીય રોકાણ સંશોધન પ્રક્રિયાનું અનુકરણ કરવાની છે.

જ્યારે તમે કોઈ સંશોધન પ્રશ્ન પૂછો છો, જેમ કે:

• કોઈ ચોક્કસ કંપનીની પાછલા પાંચ વર્ષની આવકમાં ફેરફારનું વિશ્લેષણ કરો?
• બે ઉદ્યોગોના મૂલ્યાંકન માળખાની તુલના કરો?
• કોઈ ચોક્કસ કંપનીની રોકડ પ્રવાહની ગુણવત્તાનું મૂલ્યાંકન કરો?

તે સીધો કોઈ નિષ્કર્ષણ લખાણ આપશે નહીં, પરંતુ વ્યાવસાયિક રોકાણ સંશોધન તર્ક અનુસાર, પ્રથમ સંશોધન લક્ષ્યને સ્પષ્ટ કરશે, પછી સંશોધન પૂર્ણ કરવા માટે જરૂરી મુખ્ય નાણાકીય સૂચકાંકોનો નિર્ણય કરશે, પછી મેળ ખાતા વ્યાવસાયિક ડેટા સ્ત્રોતોને ફિલ્ટર કરશે અને છેલ્લે પગલું દ્વારા વિશ્લેષણ, ડેટા ચકાસણી અને માહિતી પૂરક કરશે.

સંપૂર્ણ સંશોધન પ્રક્રિયા માળખાકીય અને શોધી શકાય તેવી છે, અને મોટા મોડેલ દ્વારા એક જ સમયે જવાબ "ઉત્પન્ન" થતો નથી.

વ્યાવસાયિક ડેટા સ્ત્રોત, તેની તાકાત છે

નાણાકીય વિશ્લેષણની નીચલી મર્યાદા હંમેશા ડેટાની ગુણવત્તા પર આધારિત છે.

ડેક્સ્ટર સીધા સંસ્થાકીય-સ્તરના નાણાકીય ડેટા સ્ત્રોતો સાથે જોડાઈ શકે છે, જેમાં આવક પત્રક, બેલેન્સ શીટ, રોકડ પ્રવાહ પત્રક અને અન્ય મુખ્ય ડેટાનો સમાવેશ થાય છે.

આ સરળ વેબ પૃષ્ઠ સ્ક્રેપિંગ નથી, પરંતુ વ્યાવસાયિક નાણાકીય માળખાની આસપાસ ગોઠવાયેલ ડેટા સિસ્ટમ છે.

ઘણા સામાન્ય એજન્ટો સાથેની સમસ્યા એ છે કે: તર્ક કદાચ કોઈ સમસ્યા નથી, પરંતુ ડેટા સ્ત્રોત અસ્પષ્ટ છે અને માપાંકન અસંગત છે, અને અંતિમ નિષ્કર્ષ બિલકુલ ટકી શકતો નથી.

ડેક્સ્ટર ડિઝાઇન સ્તરે ડેટા સ્ત્રોતને મુખ્ય ક્ષમતા તરીકે ગણે છે, વધારાના કાર્ય તરીકે નહીં. રોકાણ સંશોધન દૃશ્યો માટે, આ એક ખૂબ જ મહત્વપૂર્ણ પગલું છે.

તે "પોતાની જાતને તપાસશે"

ડેક્સ્ટરની સ્વ-ચકાસણી મિકેનિઝમ, ચોકસાઈ માટે નાણાકીય ક્ષેત્રની ઉચ્ચ આવશ્યકતાઓને વધુ અનુરૂપ છે.

સંપૂર્ણ વિશ્લેષણ પ્રક્રિયા દરમિયાન, ડેક્સ્ટર સતત મધ્યવર્તી પરિણામો અને અંતિમ તારણોની તપાસ કરશે. એકવાર તેને કોઈ તાર્કિક ખામી અથવા ડેટાની અછત જણાય, તો તે આપમેળે સંશોધન પગલાંને સમાયોજિત કરશે અને સંપૂર્ણ સંશોધન કાર્ય પૂર્ણ ન થાય ત્યાં સુધી ચાલુ રાખશે.

મોડેલ સપોર્ટ

ડેક્સ્ટરની સુસંગતતા પણ ખૂબ જ લવચીક છે. ભલે તે OpenAI, Anthropic, Google, xAI, OpenRouter જેવા ક્લાઉડ મોટા મોડેલો હોય અથવા સ્થાનિક રીતે જમાવવામાં આવેલા Ollama હોય, તે બધાને એકીકૃત રીતે જોડી શકાય છે. તે ક્લાઉડમાં ઝડપથી ચાલી શકે છે અને સ્થાનિક જમાવટની ગોપનીયતા જરૂરિયાતોને પણ પૂરી કરી શકે છે.

ઝડપી શરૂઆત

1. ઓપરેટિંગ એન્વાયર્નમેન્ટ તૈયાર કરો

ડેક્સ્ટર બનને રનટાઇમ તરીકે વાપરે છે. સત્તાવાર રીતે 1.0 અને તેનાથી ઉપરના વર્ઝનની જરૂર છે. વિવિધ સિસ્ટમ્સ માટે ઇન્સ્ટોલેશન પદ્ધતિઓ અલગ અલગ હોય છે. ઓપરેશન પૂર્ણ કર્યા પછી ટર્મિનલને ફરીથી શરૂ કરો.

macOS / Linux સિસ્ટમ એક્ઝિક્યુટ કરી શકે છે:

curl -fsSL https://bun.com/install | bashWindows સિસ્ટમ એક્ઝિક્યુટ કરી શકે છે:

powershell -c "irm bun.sh/install.ps1|iex"ઇન્સ્ટોલેશન પૂર્ણ થયા પછી, ટર્મિનલમાં bun --version દાખલ કરો. જો વર્ઝન નંબર સામાન્ય રીતે આઉટપુટ થાય, તો તેનો અર્થ એ છે કે ઇન્સ્ટોલેશન સફળ થયું છે.પ્રોજેક્ટ રિપોઝીટરી ક્લોન કર્યા પછી, પ્રોજેક્ટ ડિરેક્ટરીમાં જાઓ અને Bun નો ઉપયોગ કરીને પ્રોજેક્ટ માટે જરૂરી ડિપેન્ડન્સીઝ ઇન્સ્ટોલ કરો:

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

3. પર્યાવરણીય ચલોને ગોઠવો

આ Dexter ચલાવવાનું એક મહત્વપૂર્ણ પગલું છે. પ્રોજેક્ટમાં પર્યાવરણીય ચલોની ટેમ્પલેટ ફાઇલ આપવામાં આવી છે. આપણે ફક્ત ટેમ્પલેટને કોપી કરીને રૂપરેખાંકન ફાઇલ બનાવવાની છે અને પછી આપણી જરૂરિયાતો અનુસાર તેને સંપાદિત કરવાની છે:

cp env.example .env પછી જનરેટ થયેલી .env ફાઇલને સંપાદિત કરો. મુખ્ય રૂપરેખાંકિત કરવા માટેની API કીને ત્રણ કેટેગરીમાં વહેંચવામાં આવી છે:

• મોટા મોડેલ પ્રદાતાની API કી: જેમાં OpenAI, Anthropic, Google, xAI, OpenRouter વગેરેનો સમાવેશ થાય છે. (જેમ કે OPENAI_API_KEY) તમે ઉપયોગ કરો છો તે મોટા મોડેલ અનુસાર રૂપરેખાંકિત કરી શકાય છે;
• Financial Datasets API કી: સંસ્થાકીય સ્તરના નાણાકીય બજાર અને નાણાકીય ડેટા મેળવવા માટે વપરાય છે, જે વ્યાવસાયિક નાણાકીય વિશ્લેષણ માટે મુખ્ય રૂપરેખાંકન છે, જેની ભલામણ કરવામાં આવે છે. સરનામું મેળવો: https://financialdatasets.ai/
• નેટવર્ક શોધ સંબંધિત API કી: જેમાં Exa, Tavily નો સમાવેશ થાય છે, જે એજન્ટની નેટવર્ક શોધ ક્ષમતાને વધારવા માટે વપરાય છે અને તે વૈકલ્પિક રૂપરેખાંકન છે. સરનામું મેળવો: https://exa.ai/

જો તમે સ્થાનિક રીતે જમાવેલા Olllama નો ઉપયોગ કરવા માંગતા હો, તો ફાઇલમાં રૂપરેખાંકિત કરો:

OLLAMA_BASE_URL=http://127.0.0.1:11434

4. Dexter શરૂ કરો

પર્યાવરણીય ચલોનું રૂપરેખાંકન પૂર્ણ થયા પછી, ટર્મિનલમાં સીધો જ શરૂઆતનો આદેશ ચલાવો:

bun start Dexter ના ઇન્ટરેક્ટિવ CLI ઇન્ટરફેસમાં પ્રવેશવા માટે. ઇન્ટરફેસમાં નાણાકીય સંશોધન સંબંધિત પ્રશ્નો દાખલ કરો, અને તે આપમેળે સંપૂર્ણ વિશ્લેષણ પ્રક્રિયાની યોજના બનાવશે અને તેને ચલાવશે.

જો તે વિકાસ અથવા ડિબગીંગ હેતુઓ માટે હોય, તો હોટ રીલોડ મોડમાં શરૂ કરી શકાય છે:

bun dev

5. મૂલ્યાંકન અને ડિબગીંગ

અદ્યતન જરૂરિયાતો ધરાવતા વપરાશકર્તાઓ માટે, Dexter માં એક વિશિષ્ટ મૂલ્યાંકન સાધન બિલ્ટ છે, જેનો ઉપયોગ એજન્ટની વિશ્લેષણ ક્ષમતાનું પરીક્ષણ કરવા માટે થઈ શકે છે. તમે સંપૂર્ણ મૂલ્યાંકન પ્રક્રિયા ચલાવી શકો છો અથવા પરીક્ષણ માટે રેન્ડમ નમૂનાઓ પસંદ કરી શકો છો:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter બધી વિશ્લેષણ પ્રક્રિયાઓ, સાધન કૉલ્સ અને મધ્યવર્તી પરિણામોને આપમેળે આ ડિરેક્ટરીમાં રેકોર્ડ કરશે:

.dexter/scratchpad/ તમે તેની નીચેની ફાઇલો દ્વારા સંશોધન પ્રક્રિયાની સમીક્ષા અને પ્રોજેક્ટને ડિબગ કરી શકો છો

વર્ટિકલ એજન્ટ, આગામી તબક્કાનું કેન્દ્ર છે

સામાન્ય એજન્ટ પ્રગતિ કરવાનું ચાલુ રાખશે, પરંતુ ખરેખર "ઉપયોગી" બનતા સ્માર્ટ એજન્ટ ચોક્કસપણે વર્ટિકલ ક્ષેત્રમાં ઊંડાણપૂર્વક ખોદશે.

Dexter એક લાક્ષણિક નમૂનો છે. તે બધા ક્ષેત્રોને આવરી લેવાનો પ્રયાસ કરતું નથી, પરંતુ નાણાકીય સંશોધન પર ધ્યાન કેન્દ્રિત કરે છે, ડેટા સ્ત્રોતો, વિશ્લેષણ પ્રક્રિયાઓ અને ચકાસણી પદ્ધતિઓને ઊંડી બનાવે છે.પ્રોજેક્ટ સરનામું: https://github.com/virattt/dexter