Gli Agent Generici Non Funzionano Più? Questa AI Finanziaria da 15.000 Stelle Automatizza l'Intero Processo di Ricerca e Investimento

Negli ultimi due anni, la tendenza di sviluppo degli agenti AI è diventata sempre più chiara, con le capacità degli agenti generici supportate da modelli di grandi dimensioni che sono aumentate costantemente.

Ma non appena si entra in un campo professionale, questi "Agenti Onnipotenti" rivelano facilmente le loro debolezze, e la ricerca finanziaria è l'esempio più tipico.

La logica di scomposizione dei bilanci, la verifica uniforme dei calibri degli indicatori, la verifica dell'autenticità delle fonti di dati, la riproducibilità delle conclusioni della ricerca, questi sono i requisiti fondamentali della ricerca finanziaria e non possono essere realmente risolti affidandosi a un agente intelligente generico per vari campi.

Anche durante la navigazione dei progetti open source, ho scoperto un progetto che ha guadagnato una buona reputazione sia nella comunità finanziaria che in quella degli sviluppatori: Dexter, un agente intelligente autonomo creato appositamente per la ricerca finanziaria approfondita.

A differenza dei normali strumenti di domande e risposte finanziarie, può scomporre autonomamente le attività di ricerca, recuperare dati professionali, eseguire processi di analisi e convalidare ripetutamente i risultati della ricerca, il che lo rende un agente intelligente veramente implementato negli scenari di ricerca e investimento finanziario, con popolarità e forza notevoli.

Non è una "ChatGPT in Versione Finanziaria"

Se la normale AI finanziaria risolve il problema di "se può fornire una risposta", allora Dexter risolve il problema più centrale nella ricerca finanziaria di "se può studiare a fondo il problema".

Il posizionamento di Dexter non è quello di creare una "ChatGPT in versione finanziaria", ma di replicare il vero processo di ricerca e investimento finanziario.

Quando si pone una domanda di ricerca, come ad esempio:

• Analizzare le variazioni di fatturato di una determinata azienda negli ultimi cinque anni?
• Confrontare la struttura di valutazione di due settori?
• Valutare la qualità del flusso di cassa di una determinata azienda?

Non fornirà direttamente un testo conclusivo, ma seguirà la logica professionale di ricerca e investimento, prima chiarirà l'obiettivo della ricerca, poi determinerà gli indicatori finanziari chiave necessari per completare la ricerca, quindi selezionerà le fonti di dati professionali corrispondenti e, infine, eseguirà passo dopo passo l'analisi, la convalida dei dati e il completamento delle informazioni.

L'intero processo di ricerca è strutturato e tracciabile, piuttosto che "generare" risposte da un modello di grandi dimensioni una tantum.

Fonti di Dati Professionali, Sono la Sua Forza

Il limite inferiore dell'analisi finanziaria dipende sempre dalla qualità dei dati.

Dexter può connettersi direttamente a fonti di dati finanziari di livello istituzionale, coprendo dati fondamentali come conto economico, stato patrimoniale e rendiconto dei flussi di cassa.

Non si tratta di una semplice acquisizione di pagine web, ma di un sistema di dati organizzato attorno a una struttura finanziaria professionale.

Il problema di molti Agent generici è che: la logica potrebbe non essere un problema, ma le fonti di dati sono vaghe, i calibri non sono uniformi e la conclusione finale non regge.

Dexter considera la fonte dei dati come una capacità fondamentale fin dalla fase di progettazione, piuttosto che una funzione aggiuntiva. Questo è un passo molto importante per gli scenari di ricerca e investimento.

Si "Controlla da Solo"

Il meccanismo di autoverifica di Dexter è ancora più in linea con gli elevati requisiti di accuratezza nel campo finanziario.

Durante l'intero processo di analisi, Dexter controllerà continuamente i risultati intermedi e le conclusioni finali. Una volta rilevate lacune logiche o dati mancanti, regolerà automaticamente i passaggi della ricerca e continuerà a eseguire fino al completamento dell'attività di ricerca.

Supporto del Modello

La compatibilità di Dexter è anche molto flessibile, sia che si tratti di modelli di grandi dimensioni cloud come OpenAI, Anthropic, Google, xAI, OpenRouter, sia che si tratti di Ollama distribuito localmente, può essere collegato senza problemi, può essere eseguito rapidamente nel cloud e può anche soddisfare le esigenze di privacy della distribuzione locale.

Inizio Rapido

1. Preparare l'Ambiente di Esecuzione

Dexter utilizza Bun come runtime e i requisiti ufficiali sono la versione 1.0 e successive. I metodi di installazione variano a seconda del sistema. Riavviare il terminale dopo l'operazione.

Per i sistemi macOS / Linux, è possibile eseguire:

curl -fsSL https://bun.com/install | bashPer i sistemi Windows, è possibile eseguire:

powershell -c "irm bun.sh/install.ps1|iex"Dopo l'installazione, immettere bun --version nel terminale. Se il numero di versione viene visualizzato normalmente, l'installazione è riuscita.### 2. Clonare il progetto e installare le dipendenze

Dopo aver clonato il repository del progetto, entrare nella directory del progetto e utilizzare Bun per installare le dipendenze necessarie:

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

3. Configurare le variabili d'ambiente

Questo è un passaggio cruciale per l'esecuzione di Dexter. Il progetto ha già fornito un file modello per le variabili d'ambiente. Dobbiamo solo copiare il modello per generare il file di configurazione e quindi modificarlo in base alle nostre esigenze:

cp env.example .env Quindi modificare il file .env generato. Le API Key principali da configurare sono principalmente di tre tipi:

• API Key del fornitore di modelli di grandi dimensioni: inclusi OpenAI, Anthropic, Google, xAI, OpenRouter, ecc. (ad esempio, OPENAI_API_KEY) possono essere configurate in base al modello di grandi dimensioni che si utilizza;
• Financial Datasets API Key: utilizzata per richiamare dati finanziari e di mercato a livello istituzionale, è la configurazione principale per realizzare analisi finanziarie professionali e si consiglia di configurarla. Indirizzo per l'ottenimento: https://financialdatasets.ai/
• API Key relative alla ricerca web: inclusi Exa, Tavily, utilizzate per migliorare le capacità di ricerca web dell'agente intelligente, sono configurazioni opzionali. Indirizzo per l'ottenimento: https://exa.ai/

Se è necessario utilizzare Ollama distribuito localmente, configurare nel file:

OLLAMA_BASE_URL=http://127.0.0.1:11434

4. Avviare Dexter

Dopo aver configurato le variabili d'ambiente, eseguire direttamente il comando di avvio nel terminale:

bun start per accedere all'interfaccia CLI interattiva di Dexter. Inserire nell'interfaccia domande relative alla ricerca finanziaria e Dexter pianificherà ed eseguirà automaticamente l'intero processo di analisi.

Se si tratta di sviluppo o debug, è possibile utilizzare la modalità di ricarica a caldo per l'avvio:

bun dev

5. Valutazione e debug

Per gli utenti con esigenze avanzate, Dexter ha integrato uno strumento di valutazione speciale che può essere utilizzato per testare le capacità di analisi dell'agente intelligente. È possibile eseguire l'intero processo di valutazione oppure estrarre campioni casuali per il test:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter registrerà automaticamente tutti i processi di analisi, le chiamate agli strumenti e i risultati intermedi nella seguente directory:

.dexter/scratchpad/ Attraverso i file in essa contenuti, è possibile completare la revisione del processo di ricerca e il debug del progetto

Gli agenti verticali sono il fulcro della prossima fase

Gli agenti generici continueranno a progredire, ma gli agenti intelligenti che inizieranno davvero a essere "utili" saranno sicuramente quelli che scavano a fondo nei settori verticali.

Dexter è un tipico esempio. Non cerca di coprire tutti i settori, ma si concentra sulla ricerca finanziaria, approfondendo le fonti di dati, i processi di analisi e i meccanismi di verifica.Indirizzo del progetto: https://github.com/virattt/dexter