ಸಾರ್ವತ್ರಿಕ ಏಜೆಂಟ್ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲವೇ? ಈ 15,000 ಸ್ಟಾರ್‌ಗಳ ಹಣಕಾಸು AI, ಹೂಡಿಕೆ ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಸ್ವಯಂಚಾಲಿತಗೊಳಿಸುತ್ತದೆ

ಕಳೆದ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ AI ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್‌ಗಳ ಅಭಿವೃದ್ಧಿ ಪ್ರವೃತ್ತಿಯು ಹೆಚ್ಚು ಸ್ಪಷ್ಟವಾಗುತ್ತಿದೆ, ಸಾರ್ವತ್ರಿಕ ದೊಡ್ಡ ಮಾದರಿಗಳ ಬೆಂಬಲದೊಂದಿಗೆ ಸಾರ್ವತ್ರಿಕ ಏಜೆಂಟ್ ಸಾಮರ್ಥ್ಯವು ಏರಿಕೆಯಾಗುತ್ತಿದೆ.

ಆದರೆ ನೀವು ವೃತ್ತಿಪರ ಕ್ಷೇತ್ರಕ್ಕೆ ಕಾಲಿಟ್ಟರೆ, ಈ "ಸರ್ವಶಕ್ತ ಏಜೆಂಟ್‌ಗಳು" ಸುಲಭವಾಗಿ ತಮ್ಮ ದೌರ್ಬಲ್ಯವನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತವೆ, ಹಣಕಾಸು ಸಂಶೋಧನೆಯು ಅತ್ಯಂತ ವಿಶಿಷ್ಟ ಉದಾಹರಣೆಯಾಗಿದೆ.

ಹಣಕಾಸು ವರದಿಗಳ ವಿಶ್ಲೇಷಣಾ ತರ್ಕ, ಸೂಚಕ ಮಾಪನಗಳ ಏಕರೂಪದ ಪರಿಶೀಲನೆ, ಡೇಟಾ ಮೂಲಗಳ ಸತ್ಯಾಸತ್ಯತೆಯ ಪರಿಶೀಲನೆ, ಸಂಶೋಧನಾ ತೀರ್ಮಾನಗಳ ಪುನರುತ್ಪಾದನೆ, ಇವೆಲ್ಲವೂ ಹಣಕಾಸು ಸಂಶೋಧನೆಯ ಪ್ರಮುಖ ಅವಶ್ಯಕತೆಗಳಾಗಿವೆ. ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಸಾರ್ವತ್ರಿಕ ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್ ಅನ್ನು ಅವಲಂಬಿಸಿ ನಿಜವಾಗಿಯೂ ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಮುಕ್ತ ಮೂಲ ಯೋಜನೆಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಹಣಕಾಸು ವಲಯ ಮತ್ತು ಡೆವಲಪರ್ ಸಮುದಾಯದಲ್ಲಿ ಸಾಕಷ್ಟು ಮನ್ನಣೆಯನ್ನು ಗಳಿಸಿದ ಯೋಜನೆಯನ್ನು ನಾನು ಕಂಡುಕೊಂಡಿದ್ದೇನೆ: Dexter, ಆಳವಾದ ಹಣಕಾಸು ಸಂಶೋಧನೆಗಾಗಿ ವಿಶೇಷವಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ಸ್ವಾಯತ್ತ ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್.

ಸಾಮಾನ್ಯ ಹಣಕಾಸು ಪ್ರಶ್ನೋತ್ತರ ಸಾಧನಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ಇದು ಸಂಶೋಧನಾ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂ-ವಿಶ್ಲೇಷಿಸಲು, ವೃತ್ತಿಪರ ಡೇಟಾವನ್ನು ಹಿಂಪಡೆಯಲು, ವಿಶ್ಲೇಷಣಾ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಮತ್ತು ಸಂಶೋಧನಾ ಫಲಿತಾಂಶಗಳನ್ನು ಪದೇ ಪದೇ ಪರಿಶೀಲಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಇದು ನಿಜವಾಗಿಯೂ ಹಣಕಾಸು ಹೂಡಿಕೆ ಸಂಶೋಧನಾ ಸನ್ನಿವೇಶಗಳಿಗೆ ಇಳಿದಿರುವ ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್ ಎಂದು ಪರಿಗಣಿಸಬಹುದು, ಜನಪ್ರಿಯತೆ ಮತ್ತು ಸಾಮರ್ಥ್ಯ ಎರಡೂ ಪ್ರಭಾವಶಾಲಿಯಾಗಿದೆ.

"ಹಣಕಾಸು ಆವೃತ್ತಿಯ ChatGPT" ಅಲ್ಲ

ಸಾಮಾನ್ಯ ಹಣಕಾಸು AI "ಉತ್ತರವನ್ನು ನೀಡಲು ಸಾಧ್ಯವೇ" ಎಂಬುದನ್ನು ಪರಿಹರಿಸಿದರೆ, Dexter ಹಣಕಾಸು ಸಂಶೋಧನೆಯಲ್ಲಿ ಹೆಚ್ಚು ಪ್ರಮುಖವಾದ "ಸಮಸ್ಯೆಯನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಅಧ್ಯಯನ ಮಾಡಲು ಸಾಧ್ಯವೇ" ಎಂಬುದನ್ನು ಪರಿಹರಿಸುತ್ತದೆ.

Dexter ನ ಸ್ಥಾನವು "ಹಣಕಾಸು ಆವೃತ್ತಿಯ ChatGPT" ಆಗಿರುವುದು ಅಲ್ಲ, ಆದರೆ ನೈಜ ಹಣಕಾಸು ಹೂಡಿಕೆ ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪುನರಾವರ್ತಿಸುವುದು.

ನೀವು ಸಂಶೋಧನಾ ಪ್ರಶ್ನೆಯನ್ನು ಕೇಳಿದಾಗ, ಉದಾಹರಣೆಗೆ:

• ಕಳೆದ ಐದು ವರ್ಷಗಳಲ್ಲಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ಕಂಪನಿಯ ಆದಾಯದ ಬದಲಾವಣೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಿ?
• ಎರಡು ಕೈಗಾರಿಕೆಗಳ ಮೌಲ್ಯಮಾಪನ ರಚನೆಯನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ?
• ಒಂದು ನಿರ್ದಿಷ್ಟ ಕಂಪನಿಯ ನಗದು ಹರಿವಿನ ಗುಣಮಟ್ಟವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ?

ಇದು ನೇರವಾಗಿ ತೀರ್ಮಾನಾತ್ಮಕ ಪಠ್ಯವನ್ನು ನೀಡುವುದಿಲ್ಲ, ಆದರೆ ವೃತ್ತಿಪರ ಹೂಡಿಕೆ ಸಂಶೋಧನಾ ತರ್ಕದ ಪ್ರಕಾರ, ಮೊದಲು ಸಂಶೋಧನಾ ಗುರಿಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತದೆ, ನಂತರ ಸಂಶೋಧನೆಯನ್ನು ಪೂರ್ಣಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಪ್ರಮುಖ ಹಣಕಾಸು ಸೂಚಕಗಳನ್ನು ನಿರ್ಣಯಿಸುತ್ತದೆ, ನಂತರ ಹೊಂದಾಣಿಕೆಯ ವೃತ್ತಿಪರ ಡೇಟಾ ಮೂಲಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ ಮತ್ತು ಅಂತಿಮವಾಗಿ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ, ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸುತ್ತದೆ ಮತ್ತು ಮಾಹಿತಿಯನ್ನು ಪೂರೈಸುತ್ತದೆ.

ಸಂಪೂರ್ಣ ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಯು ರಚನಾತ್ಮಕ ಮತ್ತು ಪತ್ತೆಹಚ್ಚಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ದೊಡ್ಡ ಮಾದರಿಯಿಂದ ಒಂದು ಬಾರಿಗೆ "ಉತ್ಪಾದಿಸಲ್ಪಟ್ಟ" ಉತ್ತರವಲ್ಲ.

ವೃತ್ತಿಪರ ಡೇಟಾ ಮೂಲಗಳು, ಅದರ ವಿಶ್ವಾಸ

ಹಣಕಾಸು ವಿಶ್ಲೇಷಣೆಯ ಕೆಳಮಿತಿ ಯಾವಾಗಲೂ ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ.

Dexter ನೇರವಾಗಿ ಸಂಸ್ಥೆ-ಮಟ್ಟದ ಹಣಕಾಸು ಡೇಟಾ ಮೂಲಗಳೊಂದಿಗೆ ಸಂಪರ್ಕ ಸಾಧಿಸಬಹುದು, ಆದಾಯ ಹೇಳಿಕೆ, ಆಸ್ತಿ ಹೊಣೆಗಾರಿಕೆ ಪಟ್ಟಿ, ನಗದು ಹರಿವಿನ ಹೇಳಿಕೆ ಮತ್ತು ಇತರ ಪ್ರಮುಖ ಡೇಟಾವನ್ನು ಒಳಗೊಂಡಿದೆ.

ಇದು ಸರಳವಾದ ವೆಬ್ ಪುಟ ಸ್ಕ್ರಾಪಿಂಗ್ ಅಲ್ಲ, ಆದರೆ ವೃತ್ತಿಪರ ಹಣಕಾಸು ರಚನೆಯ ಸುತ್ತಲೂ ಸಂಘಟಿತವಾದ ಡೇಟಾ ವ್ಯವಸ್ಥೆ.

ಅನೇಕ ಸಾರ್ವತ್ರಿಕ ಏಜೆಂಟ್‌ಗಳ ಸಮಸ್ಯೆಯೆಂದರೆ: ತರ್ಕವು ಸಮಸ್ಯೆಯಿಲ್ಲದಿರಬಹುದು, ಆದರೆ ಡೇಟಾ ಮೂಲವು ಅಸ್ಪಷ್ಟವಾಗಿದೆ, ಮಾಪನಗಳು ಸ್ಥಿರವಾಗಿಲ್ಲ, ಮತ್ತು ಅಂತಿಮ ತೀರ್ಮಾನವು ಸಂಪೂರ್ಣವಾಗಿ ನಿಲ್ಲಲು ಸಾಧ್ಯವಿಲ್ಲ.

Dexter ವಿನ್ಯಾಸದ ಮಟ್ಟದಲ್ಲಿ ಡೇಟಾ ಮೂಲವನ್ನು ಪ್ರಮುಖ ಸಾಮರ್ಥ್ಯವೆಂದು ಪರಿಗಣಿಸುತ್ತದೆ, ಹೆಚ್ಚುವರಿ ಕಾರ್ಯವಲ್ಲ. ಹೂಡಿಕೆ ಸಂಶೋಧನಾ ಸನ್ನಿವೇಶಗಳಿಗೆ ಇದು ಬಹಳ ಮುಖ್ಯವಾದ ಹೆಜ್ಜೆಯಾಗಿದೆ.

ಇದು "ತನ್ನನ್ನು ತಾನೇ ಪರಿಶೀಲಿಸುತ್ತದೆ"

Dexter ನ ಸ್ವಯಂ-ಪರಿಶೀಲನಾ ಕಾರ್ಯವಿಧಾನವು ನಿಖರತೆಯ ಹೆಚ್ಚಿನ ಅವಶ್ಯಕತೆಗಳನ್ನು ಹೊಂದಿರುವ ಹಣಕಾಸು ಕ್ಷೇತ್ರಕ್ಕೆ ಹೆಚ್ಚು ಸೂಕ್ತವಾಗಿದೆ.

ಸಂಪೂರ್ಣ ವಿಶ್ಲೇಷಣಾ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, Dexter ಮಧ್ಯಂತರ ಫಲಿತಾಂಶಗಳು ಮತ್ತು ಅಂತಿಮ ತೀರ್ಮಾನಗಳನ್ನು ನಿರಂತರವಾಗಿ ಪರಿಶೀಲಿಸುತ್ತದೆ. ತಾರ್ಕಿಕ ದೋಷಗಳು ಅಥವಾ ಡೇಟಾ ಕೊರತೆ ಕಂಡುಬಂದರೆ, ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸಂಶೋಧನಾ ಹಂತಗಳನ್ನು ಸರಿಹೊಂದಿಸುತ್ತದೆ ಮತ್ತು ಸಂಪೂರ್ಣ ಸಂಶೋಧನಾ ಕಾರ್ಯವನ್ನು ಪೂರ್ಣಗೊಳಿಸುವವರೆಗೆ ಕಾರ್ಯಗತಗೊಳಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ.

ಮಾದರಿ ಬೆಂಬಲ

Dexter ನ ಹೊಂದಾಣಿಕೆಯು ಸಹ ತುಂಬಾ ಹೊಂದಿಕೊಳ್ಳುವಂತಿದೆ. OpenAI, Anthropic, Google, xAI, OpenRouter ನಂತಹ ಕ್ಲೌಡ್ ದೊಡ್ಡ ಮಾದರಿಗಳು ಅಥವಾ ಸ್ಥಳೀಯವಾಗಿ ನಿಯೋಜಿಸಲಾದ Ollama ಆಗಿರಲಿ, ಎಲ್ಲವನ್ನೂ ಮನಬಂದಂತೆ ಸಂಪರ್ಕಿಸಬಹುದು. ಇದು ಕ್ಲೌಡ್‌ನಲ್ಲಿ ತ್ವರಿತವಾಗಿ ಚಲಾಯಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಮತ್ತು ಸ್ಥಳೀಯ ನಿಯೋಜನೆಯ ಗೌಪ್ಯತೆ ಅಗತ್ಯಗಳನ್ನು ಸಹ ಪೂರೈಸುತ್ತದೆ.

ತ್ವರಿತ ಪ್ರಾರಂಭ

ಒಂದು, ರನ್ಟೈಮ್ ಪರಿಸರವನ್ನು ಸಿದ್ಧಪಡಿಸಿ

Dexter Bun ಅನ್ನು ರನ್ಟೈಮ್ ಆಗಿ ಬಳಸುತ್ತದೆ. ಅಧಿಕೃತ ಆವೃತ್ತಿಯು 1.0 ಮತ್ತು ಮೇಲ್ಪಟ್ಟದ್ದಾಗಿರಬೇಕು. ವಿಭಿನ್ನ ಸಿಸ್ಟಮ್‌ಗಳಿಗೆ ಅನುಸ್ಥಾಪನಾ ವಿಧಾನಗಳು ವಿಭಿನ್ನವಾಗಿವೆ. ಕಾರ್ಯಾಚರಣೆ ಪೂರ್ಣಗೊಂಡ ನಂತರ ಟರ್ಮಿನಲ್ ಅನ್ನು ಮರುಪ್ರಾರಂಭಿಸಿ.

macOS / Linux ಸಿಸ್ಟಮ್ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು:

curl -fsSL https://bun.com/install | bashWindows ಸಿಸ್ಟಮ್ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದು:

powershell -c "irm bun.sh/install.ps1|iex"ಅನುಸ್ಥಾಪನೆಯ ನಂತರ, ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ bun --version ಅನ್ನು ನಮೂದಿಸಿ, ಆವೃತ್ತಿ ಸಂಖ್ಯೆಯನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಔಟ್‌ಪುಟ್ ಮಾಡಿದರೆ, ಅನುಸ್ಥಾಪನೆಯು ಯಶಸ್ವಿಯಾಗಿದೆ ಎಂದು ಅರ್ಥ.### II. ಯೋಜನೆಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿ ಮತ್ತು ಅವಲಂಬನೆಗಳನ್ನು ಸ್ಥಾಪಿಸಿ

ಯೋಜನೆಯ ರೆಪೊಸಿಟರಿಯನ್ನು ಕ್ಲೋನ್ ಮಾಡಿದ ನಂತರ, ಪ್ರಾಜೆಕ್ಟ್ ಡೈರೆಕ್ಟರಿಗೆ ಹೋಗಿ, ನಂತರ ಪ್ರಾಜೆಕ್ಟ್‌ಗೆ ಅಗತ್ಯವಿರುವ ಅವಲಂಬನೆಗಳನ್ನು ಸ್ಥಾಪಿಸಲು Bun ಅನ್ನು ಬಳಸಿ:

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

III. ಪರಿಸರ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿ

Dexter ಅನ್ನು ಚಲಾಯಿಸಲು ಇದು ನಿರ್ಣಾಯಕ ಹಂತವಾಗಿದೆ. ಯೋಜನೆಯು ಈಗಾಗಲೇ ಪರಿಸರ ವೇರಿಯೇಬಲ್ ಟೆಂಪ್ಲೇಟ್ ಫೈಲ್ ಅನ್ನು ಒದಗಿಸಿದೆ, ನಾವು ಮೊದಲು ಟೆಂಪ್ಲೇಟ್ ಅನ್ನು ಕಾನ್ಫಿಗರೇಶನ್ ಫೈಲ್ ಅನ್ನು ರಚಿಸಲು ನಕಲಿಸಬೇಕು, ತದನಂತರ ನಮ್ಮ ಸ್ವಂತ ಅಗತ್ಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಅದನ್ನು ಸಂಪಾದಿಸಬೇಕು:

cp env.example .env ನಂತರ ಉತ್ಪತ್ತಿಯಾದ .env ಫೈಲ್ ಅನ್ನು ಸಂಪಾದಿಸಿ, ಕಾನ್ಫಿಗರ್ ಮಾಡಬೇಕಾದ ಪ್ರಮುಖ API ಕೀಗಳನ್ನು ಮುಖ್ಯವಾಗಿ ಮೂರು ವಿಧಗಳಾಗಿ ವಿಂಗಡಿಸಲಾಗಿದೆ:

• ದೊಡ್ಡ ಮಾದರಿ ಪೂರೈಕೆದಾರರ API ಕೀ: OpenAI, Anthropic, Google, xAI, OpenRouter ಇತ್ಯಾದಿಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, (ಉದಾಹರಣೆಗೆ OPENAI_API_KEY) ನಿಮ್ಮ ಬಳಕೆಯ ದೊಡ್ಡ ಮಾದರಿಗೆ ಅನುಗುಣವಾಗಿ ಕಾನ್ಫಿಗರ್ ಮಾಡಬಹುದು;
• Financial Datasets API ಕೀ: ಸಾಂಸ್ಥಿಕ ಮಟ್ಟದ ಹಣಕಾಸು ಮಾರುಕಟ್ಟೆ ಮತ್ತು ಹಣಕಾಸು ಡೇಟಾವನ್ನು ಪಡೆಯಲು ಬಳಸಲಾಗುತ್ತದೆ, ಇದು ವೃತ್ತಿಪರ ಹಣಕಾಸು ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸಲು ಪ್ರಮುಖ ಕಾನ್ಫಿಗರೇಶನ್ ಆಗಿದೆ, ಇದನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲು ಶಿಫಾರಸು ಮಾಡಲಾಗಿದೆ. ಪಡೆಯುವ ವಿಳಾಸ: https://financialdatasets.ai/
• ನೆಟ್‌ವರ್ಕ್ ಹುಡುಕಾಟ ಸಂಬಂಧಿತ API ಕೀ: Exa, Tavily ಅನ್ನು ಒಳಗೊಂಡಿದೆ, ಇದು ಏಜೆಂಟ್‌ನ ನೆಟ್‌ವರ್ಕ್ ಹುಡುಕಾಟ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ, ಇದು ಐಚ್ಛಿಕ ಕಾನ್ಫಿಗರೇಶನ್ ಆಗಿದೆ. ಪಡೆಯುವ ವಿಳಾಸ: https://exa.ai/

ನೀವು ಸ್ಥಳೀಯವಾಗಿ ನಿಯೋಜಿಸಲಾದ Olllama ಅನ್ನು ಬಳಸಬೇಕಾದರೆ, ಫೈಲ್‌ನಲ್ಲಿ ಕಾನ್ಫಿಗರ್ ಮಾಡಿ:

OLLAMA_BASE_URL=http://127.0.0.1:11434

IV. Dexter ಅನ್ನು ಪ್ರಾರಂಭಿಸಿ

ಪರಿಸರ ವೇರಿಯೇಬಲ್‌ಗಳನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಿದ ನಂತರ, ಟರ್ಮಿನಲ್‌ನಲ್ಲಿ ಪ್ರಾರಂಭದ ಆಜ್ಞೆಯನ್ನು ನೇರವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಿ:

bun start Dexter ನ ಸಂವಾದಾತ್ಮಕ CLI ಇಂಟರ್ಫೇಸ್ ಅನ್ನು ನಮೂದಿಸಲು. ಇಂಟರ್ಫೇಸ್‌ನಲ್ಲಿ ಹಣಕಾಸು ಸಂಶೋಧನೆಗೆ ಸಂಬಂಧಿಸಿದ ಪ್ರಶ್ನೆಗಳನ್ನು ನಮೂದಿಸಿ, ಅದು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಸಂಪೂರ್ಣ ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಯೋಜಿಸುತ್ತದೆ ಮತ್ತು ಕಾರ್ಯಗತಗೊಳಿಸುತ್ತದೆ.

ನೀವು ಅಭಿವೃದ್ಧಿ ಅಥವಾ ಡೀಬಗ್ ಮಾಡುವ ಉದ್ದೇಶಗಳಿಗಾಗಿ ಬಳಸುತ್ತಿದ್ದರೆ, ಹಾಟ್ ರೀಲೋಡ್ ಮೋಡ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಪ್ರಾರಂಭಿಸಬಹುದು:

bun dev

V. ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಡೀಬಗ್

ಸುಧಾರಿತ ಅಗತ್ಯಗಳನ್ನು ಹೊಂದಿರುವ ಬಳಕೆದಾರರಿಗಾಗಿ, Dexter ವಿಶೇಷ ಮೌಲ್ಯಮಾಪನ ಸಾಧನವನ್ನು ನಿರ್ಮಿಸಿದೆ, ಇದು ಏಜೆಂಟ್‌ನ ವಿಶ್ಲೇಷಣೆ ಸಾಮರ್ಥ್ಯವನ್ನು ಪರೀಕ್ಷಿಸಲು ಬಳಸಬಹುದು, ನೀವು ಸಂಪೂರ್ಣ ಮೌಲ್ಯಮಾಪನ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಚಲಾಯಿಸಬಹುದು ಅಥವಾ ಪರೀಕ್ಷೆಗಾಗಿ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಮಾದರಿಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಬಹುದು:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter ಎಲ್ಲಾ ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆಗಳು, ಉಪಕರಣ ಕರೆಗಳು ಮತ್ತು ಮಧ್ಯಂತರ ಫಲಿತಾಂಶಗಳನ್ನು ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಈ ಡೈರೆಕ್ಟರಿಯಲ್ಲಿ ದಾಖಲಿಸುತ್ತದೆ:

.dexter/scratchpad/ ಅದರ ಅಡಿಯಲ್ಲಿರುವ ಫೈಲ್‌ಗಳ ಮೂಲಕ, ಸಂಶೋಧನಾ ಪ್ರಕ್ರಿಯೆಯ ಮರುಪರಿಶೀಲನೆ ಮತ್ತು ಯೋಜನೆಯ ಡೀಬಗ್ ಅನ್ನು ಪೂರ್ಣಗೊಳಿಸಬಹುದು

ಲಂಬ ಏಜೆಂಟ್, ಮುಂದಿನ ಹಂತದ ಗಮನವಾಗಿದೆ

ಸಾಮಾನ್ಯ ಏಜೆಂಟ್ ಪ್ರಗತಿಯನ್ನು ಮುಂದುವರಿಸುತ್ತದೆ, ಆದರೆ ನಿಜವಾಗಿಯೂ "ಉಪಯುಕ್ತ" ಬುದ್ಧಿವಂತ ಏಜೆಂಟ್, ಲಂಬ ಕ್ಷೇತ್ರದಲ್ಲಿ ಆಳವಾಗಿ ಅಗೆಯುತ್ತದೆ.

Dexter ಒಂದು ವಿಶಿಷ್ಟ ಮಾದರಿಯಾಗಿದೆ. ಇದು ಎಲ್ಲಾ ಕ್ಷೇತ್ರಗಳನ್ನು ಒಳಗೊಳ್ಳಲು ಪ್ರಯತ್ನಿಸುವುದಿಲ್ಲ, ಆದರೆ ಹಣಕಾಸು ಸಂಶೋಧನೆಯ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುತ್ತದೆ, ಡೇಟಾ ಮೂಲಗಳು, ವಿಶ್ಲೇಷಣೆ ಪ್ರಕ್ರಿಯೆಗಳು ಮತ್ತು ಪರಿಶೀಲನಾ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಆಳಗೊಳಿಸುತ್ತದೆ.ಯೋಜನೆಯ ವಿಳಾಸ: https://github.com/virattt/dexter