സാധാരണ Agent-കൾക്ക് ഇനി സ്ഥാനമില്ലേ? 1.5k സ്റ്റാർ നേടിയ ഈ ഫിനാൻഷ്യൽ AI, നിക്ഷേപ ഗവേഷണ പ്രക്രിയകൾ പൂർണ്ണമായും ഓട്ടോമേറ്റ് ചെയ്യുന്നു

കഴിഞ്ഞ രണ്ട് വർഷമായി AI ഇന്റലിജന്റ് ഏജന്റുകളുടെ വികസനം കൂടുതൽ വ്യക്തമായിക്കൊണ്ടിരിക്കുകയാണ്. പൊതുവായ വലിയ മോഡലുകളുടെ പിന്തുണയോടെയുള്ള പൊതുവായ ഏജന്റ് ശേഷി അതിവേഗം ഉയർന്നു. എന്നാൽ ഏതെങ്കിലും ഒരു പ്രത്യേക മേഖലയിലേക്ക് കടക്കുമ്പോൾ, ഈ "സർവ്വജ്ഞരായ ഏജന്റുകൾക്ക്" പിഴവുകൾ സംഭവിക്കാം. ഫിനാൻഷ്യൽ ഗവേഷണം ഇതിന് ഏറ്റവും വലിയ ഉദാഹരണമാണ്. സാമ്പത്തിക റിപ്പോർട്ടുകളുടെ വിശകലനം, സൂചകങ്ങളുടെ കൃത്യത ഉറപ്പാക്കൽ, ഡാറ്റാ ഉറവിടങ്ങളുടെ വിശ്വാസ്യത പരിശോധിക്കൽ, ഗവേഷണ നിഗമനങ്ങളുടെ പുനർനിർമ്മാണം എന്നിവയെല്ലാം സാമ്പത്തിക ഗവേഷണത്തിന്റെ പ്രധാന ആവശ്യകതകളാണ്. വിവിധ മേഖലകളിൽ ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു സാധാരണ ഇന്റലിജന്റ് ഏജന്റിന് ഇത് ശരിക്കും പരിഹരിക്കാൻ കഴിയില്ല. ഓപ്പൺ സോഴ്‌സ് പ്രോജക്ടുകൾ പരിശോധിക്കുന്നതിനിടയിൽ, ഫിനാൻഷ്യൽ രംഗത്തും ഡെവലപ്പർ കമ്മ്യൂണിറ്റിയിലും ഒരുപാട് പ്രശംസ നേടിയ ഒരു പ്രോജക്റ്റ് ഞാൻ കണ്ടെത്തി: Dexter, ആഴത്തിലുള്ള സാമ്പത്തിക ഗവേഷണത്തിനായി നിർമ്മിച്ച ഒരു സ്വയംഭരണ ഇന്റലിജന്റ് ഏജന്റ്. സാധാരണ ഫിനാൻഷ്യൽ ചോദ്യോത്തര ടൂളുകളിൽ നിന്ന് വ്യത്യസ്തമായി, ഇതിന് ഗവേഷണ ദൗത്യങ്ങൾ സ്വയം വിശകലനം ചെയ്യാനും പ്രൊഫഷണൽ ഡാറ്റകൾ എടുക്കാനും വിശകലന പ്രക്രിയകൾ നടത്താനും കഴിയും. കൂടാതെ ഗവേഷണ ഫലങ്ങൾ വീണ്ടും വീണ്ടും പരിശോധിക്കാനും കഴിയും. ഇത് ഫിനാൻഷ്യൽ നിക്ഷേപ ഗവേഷണ രംഗത്ത് ശരിക്കും ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു ഇന്റലിജന്റ് ഏജന്റാണ്. ഇതിന് നല്ല പ്രചാരവും ശേഷിയുമുണ്ട്.  ## ഇതൊരു "ഫിനാൻഷ്യൽ ChatGPT" അല്ല സാധാരണ ഫിനാൻഷ്യൽ AI ഒരു ഉത്തരം നൽകാൻ കഴിയുമോ എന്നതിനെക്കുറിച്ചാണ് പറയുന്നതെങ്കിൽ, Dexter ഫിനാൻഷ്യൽ ഗവേഷണത്തിൽ ഏറ്റവും പ്രധാനപ്പെട്ട "പ്രശ്നം വ്യക്തമായി പഠിക്കാൻ കഴിയുമോ"എന്നതിനെക്കുറിച്ചാണ് പറയുന്നത്. Dexter-ൻ്റെ ലക്ഷ്യം ഒരു "ഫിനാൻഷ്യൽ ChatGPT" ഉണ്ടാക്കുക എന്നതല്ല, മറിച്ച് ഒരു യഥാർത്ഥ ഫിനാൻഷ്യൽ നിക്ഷേപ ഗവേഷണ പ്രക്രിയയെ അനുകരിക്കുക എന്നതാണ്. നിങ്ങൾ ഒരു ഗവേഷണ ചോദ്യം ചോദിക്കുമ്പോൾ, ഉദാഹരണത്തിന്: - ഒരു കമ്പനിയുടെ കഴിഞ്ഞ അഞ്ച് വർഷത്തെ വരുമാനത്തിലെ മാറ്റങ്ങൾ വിശകലനം ചെയ്യുക? - രണ്ട് വ്യവസായങ്ങളുടെ മൂല്യനിർണ്ണയ ഘടന താരതമ്യം ചെയ്യുക? - ഒരു കമ്പനിയുടെ ക്യാഷ് ഫ്ലോയുടെ ഗുണനിലവാരം വിലയിരുത്തുക? ഇത് ഒരു നിഗമനപരമായ വാചകം നേരിട്ട് നൽകുന്നില്ല. മറിച്ച് ഒരു പ്രൊഫഷണൽ നിക്ഷേപ ഗവേഷണ രീതി അനുസരിച്ച്, ആദ്യം ഗവേഷണ ലക്ഷ്യം വ്യക്തമാക്കുകയും തുടർന്ന് ഗവേഷണം പൂർത്തിയാക്കാൻ ആവശ്യമായ പ്രധാന സാമ്പത്തിക സൂചകങ്ങൾ നിർണ്ണയിക്കുകയും ചെയ്യുന്നു. അതിനുശേഷം അനുയോജ്യമായ പ്രൊഫഷണൽ ഡാറ്റാ ഉറവിടങ്ങൾ തിരഞ്ഞെടുക്കുന്നു. അവസാനമായി വിശകലനം നടത്തുകയും ഡാറ്റ പരിശോധിക്കുകയും വിവരങ്ങൾ പൂർത്തിയാക്കുകയും ചെയ്യുന്നു. മുഴുവൻ ഗവേഷണ പ്രക്രിയയും ഘടനാപരവും കണ്ടെത്താൻ കഴിയുന്നതുമാണ്. അല്ലാതെ വലിയ മോഡൽ ഉപയോഗിച്ച് ഉത്തരം തൽക്ഷണം ഉണ്ടാക്കുന്നതല്ല. ## പ്രൊഫഷണൽ ഡാറ്റാ ഉറവിടമാണ് ഇതിൻ്റെ ശക്തി ഫിനാൻഷ്യൽ അനാലിസിസിൻ്റെ പരിധി എപ്പോഴും ഡാറ്റയുടെ ഗുണനിലവാരത്തെ ആശ്രയിച്ചിരിക്കുന്നു. Dexter-ന് സ്ഥാപനതലത്തിലുള്ള ഫിനാൻഷ്യൽ ഡാറ്റാ ഉറവിടങ്ങളുമായി നേരിട്ട് ബന്ധപ്പെടാൻ കഴിയും. ഇത് വരുമാന പട്ടിക, ആസ്തി ബാധ്യത പട്ടിക, പണമൊഴുക്ക് പട്ടിക തുടങ്ങിയ പ്രധാന ഡാറ്റകൾ ഉൾക്കൊള്ളുന്നു. ഇതൊരു വെബ് പേജ് സ്ക്രാപ്പിംഗ് മാത്രമല്ല, പ്രൊഫഷണൽ സാമ്പത്തിക ഘടനയെ അടിസ്ഥാനമാക്കി ക്രമീകരിച്ചിട്ടുള്ള ഡാറ്റാ സിസ്റ്റമാണ്. പല സാധാരണ ഏജന്റുകളുടെയും പ്രശ്നം ഇതാണ്: ലോജിക് ശരിയായിരിക്കാം, പക്ഷേ ഡാറ്റാ ഉറവിടം അവ്യക്തമാണ്, അതിനാൽ അവസാന നിഗമനം നിലനിൽക്കില്ല. Dexter ഡാറ്റാ ഉറവിടത്തെ ഒരു പ്രധാന ശേഷിയായി കണക്കാക്കുന്നു, ഒരു അധിക ഫീച്ചറായിട്ടല്ല. നിക്ഷേപ ഗവേഷണ രംഗത്ത് ഇത് വളരെ നിർണായകമായ ഒരു ചുവടുവെപ്പാണ്. ## ഇത് സ്വയം പരിശോധിക്കും Dexter-ൻ്റെ സ്വയം പരിശോധന സംവിധാനം കൃത്യതയ്ക്ക് വളരെ പ്രാധാന്യം നൽകുന്നു. മുഴുവൻ വിശകലന പ്രക്രിയയിലും, Dexter ഇടയിലുള്ള ഫലങ്ങളും അവസാന നിഗമനങ്ങളും തുടർച്ചയായി പരിശോധിക്കും. ലോജിക്കൽ പിഴവുകളോ ഡാറ്റാ കുറവുകളോ കണ്ടെത്തിയാൽ, ഗവേഷണത്തിന്റെ ഘട്ടങ്ങൾ സ്വയമേവ ക്രമീകരിക്കുകയും പൂർണ്ണമായ ഗവേഷണ ദൗത്യം പൂർത്തിയാക്കുന്നതുവരെ തുടർന്ന് പ്രവർത്തിക്കുകയും ചെയ്യും. ## മോഡൽ പിന്തുണ Dexter-ൻ്റെ അനുയോജ്യത വളരെ മികച്ചതാണ്. OpenAI, Anthropic, Google, xAI, OpenRouter തുടങ്ങിയ ക്ലൗഡ് വലിയ മോഡലുകൾ ആയാലും അല്ലെങ്കിൽ പ്രാദേശികമായി വിന്യസിച്ചിട്ടുള്ള Ollama ആയാലും തടസ്സമില്ലാതെ ബന്ധിപ്പിക്കാൻ കഴിയും. ക്ലൗഡിൽ വേഗത്തിൽ പ്രവർത്തിപ്പിക്കാനും പ്രാദേശികമായി വിന്യസിക്കുമ്പോൾ സ്വകാര്യത ഉറപ്പാക്കാനും കഴിയും.  ## വേഗത്തിൽ ആരംഭിക്കാം ### ഒന്ന്, പ്രവർത്തന അന്തരീക്ഷം തയ്യാറാക്കുക Dexter Bun ഉപയോഗിച്ചാണ് പ്രവർത്തിക്കുന്നത്. Bun 1.0 അല്ലെങ്കിൽ അതിനുശേഷമുള്ള പതിപ്പാണ് ഔദ്യോഗികമായി ആവശ്യപ്പെടുന്നത്. ഓരോ സിസ്റ്റത്തിലും ഇൻസ്റ്റാൾ ചെയ്യുന്ന രീതി വ്യത്യസ്തമാണ്. ഇൻസ്റ്റാൾ ചെയ്ത ശേഷം ടെർമിനൽ റീസ്റ്റാർട്ട് ചെയ്യുക. macOS / Linux സിസ്റ്റത്തിൽ ഇത് പ്രവർത്തിപ്പിക്കുക: `curl -fsSL https://bun.com/install | bash`Windows സിസ്റ്റത്തിൽ ഇത് പ്രവർത്തിപ്പിക്കുക: `powershell -c "irm bun.sh/install.ps1|iex"`ഇൻസ്റ്റാളേഷൻ പൂർത്തിയായ ശേഷം, ടെർമിനലിൽ `bun --version` എന്ന് ടൈപ്പ് ചെയ്യുമ്പോൾ പതിപ്പ് നമ്പർ ശരിയായി കാണിക്കുകയാണെങ്കിൽ ഇൻസ്റ്റാളേഷൻ വിജയകരമായി പൂർത്തിയായി എന്ന് മനസ്സിലാക്കാം.### രണ്ട്, പ്രോജക്റ്റ് ക്ലോൺ ചെയ്ത് ഡിപൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യുക പ്രോജക്റ്റ് ശേഖരം ക്ലോൺ ചെയ്ത ശേഷം, പ്രോജക്റ്റ് ഡയറക്‌ടറിയിൽ പ്രവേശിച്ച് Bun ഉപയോഗിച്ച് പ്രോജക്റ്റിന് ആവശ്യമായ ഡിപൻഡൻസികൾ ഇൻസ്റ്റാൾ ചെയ്യുക: `git clone https://github.com/virattt/dexter.git cd dexter bun install` ### മൂന്ന്, എൻവയോൺമെൻ്റ് വേരിയബിളുകൾ ക്രമീകരിക്കുക Dexter പ്രവർത്തിപ്പിക്കുന്നതിനുള്ള പ്രധാന ഘട്ടമാണിത്. പ്രോജക്റ്റിൽ എൻവയോൺമെൻ്റ് വേരിയബിൾ ടെംപ്ലേറ്റ് ഫയൽ നൽകിയിട്ടുണ്ട്. നമ്മൾ ആദ്യം ടെംപ്ലേറ്റ് കോപ്പി ചെയ്ത് കോൺഫിഗറേഷൻ ഫയൽ ഉണ്ടാക്കുക, തുടർന്ന് നമ്മുടെ ആവശ്യത്തിനനുസരിച്ച് എഡിറ്റ് ചെയ്യുക: `cp env.example .env` അതിനുശേഷം ഉണ്ടാക്കിയ .env ഫയൽ എഡിറ്റ് ചെയ്യുക. പ്രധാനമായി കോൺഫിഗർ ചെയ്യേണ്ട API കീകൾ മൂന്ന് തരമുണ്ട്: - **വലിയ മോഡൽ പ്രൊവൈഡർമാരുടെ API കീ**: OpenAI, Anthropic, Google, xAI, OpenRouter മുതലായവ ഉൾപ്പെടുന്നു. (ഉദാഹരണത്തിന് OPENAI_API_KEY) നിങ്ങളുടെ ഉപയോഗത്തിനനുസരിച്ച് വലിയ മോഡലുകൾ കോൺഫിഗർ ചെയ്യാവുന്നതാണ്; - **Financial Datasets API കീ**: സ്ഥാപന തലത്തിലുള്ള ഫിനാൻഷ്യൽ മാർക്കറ്റ്, ഫിനാൻഷ്യൽ ഡാറ്റ എന്നിവ എടുക്കാൻ ഉപയോഗിക്കുന്നു. പ്രൊഫഷണൽ ഫിനാൻഷ്യൽ അനാലിസിസ് ചെയ്യുന്നതിന് ഇത് പ്രധാനമാണ്. ഇത് നിർബന്ധമായും കോൺഫിഗർ ചെയ്യാൻ നിർദ്ദേശിക്കുന്നു. ഉറവിട വിലാസം: https://financialdatasets.ai/ - **നെറ്റ്‌വർക്ക് സെർച്ച് സംബന്ധിയായ API കീ**: Exa, Tavily എന്നിവ ഉൾപ്പെടുന്നു. ഇൻ്റലിജൻ്റ് ഏജൻ്റിൻ്റെ നെറ്റ്‌വർക്ക് സെർച്ച് ശേഷി വർദ്ധിപ്പിക്കുന്നതിന് ഇത് ഉപയോഗിക്കുന്നു, ഇത് ഒരു ഓപ്ഷണൽ കോൺഫിഗറേഷനാണ്. ഉറവിട വിലാസം: https://exa.ai/ നിങ്ങൾക്ക് പ്രാദേശികമായി വിന്യസിച്ചിട്ടുള്ള Olllama ഉപയോഗിക്കണമെങ്കിൽ, ഫയലിൽ ഇത് കോൺഫിഗർ ചെയ്യുക: `OLLAMA_BASE_URL=http://127.0.0.1:11434` ### നാല്, Dexter സ്റ്റാർട്ട് ചെയ്യുക എൻവയോൺമെൻ്റ് വേരിയബിളുകൾ കോൺഫിഗർ ചെയ്ത ശേഷം, ടെർമിനലിൽ നേരിട്ട് സ്റ്റാർട്ട് കമാൻഡ് എക്സിക്യൂട്ട് ചെയ്യുക: `bun start` Dexter-ൻ്റെ ഇൻ്ററാക്ടീവ് CLI ഇൻ്റർഫേസിലേക്ക് പ്രവേശിക്കാൻ ഇത് മതിയാകും. ഇൻ്റർഫേസിൽ ഫിനാൻഷ്യൽ റിസർച്ച് സംബന്ധിയായ ചോദ്യങ്ങൾ നൽകുക, അത് സ്വയമേവ ഒരു സമ്പൂർണ്ണ വിശകലന പ്രക്രിയ ആസൂത്രണം ചെയ്യുകയും നടപ്പിലാക്കുകയും ചെയ്യും. നിങ്ങൾ ഡെവലപ്‌മെൻ്റിനോ ഡീബഗ്ഗിംഗിനോ വേണ്ടിയാണ് ഉപയോഗിക്കുന്നതെങ്കിൽ, ഹോട്ട് റീലോഡ് മോഡിൽ സ്റ്റാർട്ട് ചെയ്യാം: `bun dev` ### അഞ്ച്, വിലയിരുത്തലും ഡീബഗ്ഗിംഗും കൂടുതൽ ആവശ്യങ്ങളുള്ള ഉപയോക്താക്കൾക്കായി, Dexter-ൽ ഇൻ്റലിജൻ്റ് ഏജൻ്റിൻ്റെ വിശകലന ശേഷി പരിശോധിക്കാൻ കഴിയുന്ന ഒരു പ്രത്യേക ഇവാലുവേഷൻ ടൂൾ ഉണ്ട്. നിങ്ങൾക്ക് പൂർണ്ണമായ ഇവാലുവേഷൻ പ്രക്രിയ പ്രവർത്തിപ്പിക്കാനോ അല്ലെങ്കിൽ റാൻഡം സാമ്പിളുകൾ എടുത്ത് പരിശോധിക്കാനോ കഴിയും: `bun run src/evals/run.ts bun run src/evals/run.ts --sample 10` Dexter എല്ലാ വിശകലന പ്രക്രിയകളും, ടൂൾ കോളുകളും, ഇടയിലുള്ള റിസൾട്ടുകളും ഈ ഡയറക്‌ടറിയിൽ സ്വയമേവ രേഖപ്പെടുത്തുന്നു: `.dexter/scratchpad/` ഇതിന് കീഴിലുള്ള ഫയലുകൾ ഉപയോഗിച്ച്, ഗവേഷണ പ്രക്രിയയുടെ പുനഃപരിശോധനയും പ്രോജക്റ്റ് ഡീബഗ്ഗിംഗും പൂർത്തിയാക്കാൻ കഴിയും.  ## വെർട്ടിക്കൽ ഏജൻ്റുകളാണ് അടുത്ത ഘട്ടത്തിലെ പ്രധാന ശ്രദ്ധ പൊതുവായ ഏജൻ്റുകൾ തുടർന്നും മെച്ചപ്പെടും, എന്നാൽ ശരിക്കും "ഉപയോഗിക്കാൻ എളുപ്പമുള്ള" ഇൻ്റലിജൻ്റ് ഏജൻ്റുകൾ ഒരു പ്രത്യേക മേഖലയിൽ ആഴത്തിൽ പഠിക്കുന്നവയായിരിക്കും. Dexter ഒരു സാധാരണ ഉദാഹരണമാണ്. ഇത് എല്ലാ മേഖലകളെയും ഉൾക്കൊള്ളാൻ ശ്രമിക്കുന്നില്ല, മറിച്ച് ഫിനാൻഷ്യൽ ഗവേഷണത്തിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു, ഡാറ്റാ ഉറവിടങ്ങൾ, വിശകലന പ്രക്രിയകൾ, സ്ഥിരീകരണ സംവിധാനങ്ങൾ എന്നിവ ആഴത്തിൽ പഠിക്കുന്നു.Project address: https://github.com/virattt/dexter