जनरल एजंट अयशस्वी? हे 15,000 स्टार असलेले फायनान्शियल एआय, गुंतवणूक संशोधन प्रक्रिया पूर्णपणे स्वयंचलित करते

गेल्या दोन वर्षांपासून एआय इंटेलिजेंट एजंट्सच्या विकासाचा ट्रेंड अधिकाधिक स्पष्ट होत आहे, जनरल मोठ्या मॉडेलमुळे जनरल एजंट क्षमता वाढत आहे.

पण जेव्हा तुम्ही कोणत्याही विशेष क्षेत्रात प्रवेश करता, तेव्हा हे 'सर्वज्ञ एजंट' सहजपणे कमी पडतात, आर्थिक संशोधन हे त्याचे उत्तम उदाहरण आहे.

आर्थिक स्टेटमेंटचे विश्लेषण करण्याची पद्धत, मेट्रिक कॅलिबरची एकसमान तपासणी, डेटा स्रोताची सत्यता पडताळणे, संशोधनाच्या निष्कर्षांची पुनरावृत्ती करण्याची क्षमता, या सर्व आर्थिक संशोधनाच्या मूलभूत आवश्यकता आहेत आणि केवळ एका सामान्य उद्देशीय इंटेलिजेंट एजंटवर अवलंबून राहून या समस्यांचे निराकरण करणे शक्य नाही.

ओपन-सोर्स प्रोजेक्ट्स शोधताना, मला एक असा प्रोजेक्ट सापडला ज्याने फायनान्स आणि डेव्हलपर समुदायात बरीच प्रशंसा मिळवली आहे: Dexter, एक स्वायत्त इंटेलिजेंट एजंट जो विशेषत: सखोल आर्थिक संशोधनासाठी तयार केला गेला आहे.

सामान्य आर्थिक प्रश्न-उत्तर साधनांपेक्षा हे वेगळे आहे, कारण ते स्वतःच संशोधन कार्यांचे विश्लेषण करू शकते, व्यावसायिक डेटा मिळवू शकते, विश्लेषण प्रक्रिया पार पाडू शकते आणि संशोधनाच्या निकालांची वारंवार पडताळणी करू शकते. हे खऱ्या अर्थाने आर्थिक गुंतवणूक संशोधन (investment research) क्षेत्रात उतरलेले इंटेलिजेंट एजंट आहे, त्यामुळे त्याची लोकप्रियता आणि क्षमता खूप जास्त आहे.

'फायनान्ससाठी ChatGPT' नाही

जर सामान्य फायनान्शियल एआय 'उत्तर देऊ शकते की नाही' या समस्येचे निराकरण करत असेल, तर Dexter आर्थिक संशोधनातील अधिक मूलभूत 'समस्या स्पष्टपणे समजू शकते की नाही' या समस्येचे निराकरण करते.

Dexter ची भूमिका 'फायनान्ससाठी ChatGPT' बनण्याची नाही, तर वास्तविक आर्थिक गुंतवणूक संशोधन प्रक्रियेची नक्कल करण्याची आहे.

जेव्हा तुम्ही एखादा संशोधन प्रश्न विचारता, उदाहरणार्थ:

मागील पाच वर्षांतील एखाद्या कंपनीच्या महसुलातील बदलांचे विश्लेषण करा?
दोन उद्योगांच्या मूल्यांकन संरचनेची तुलना करा?
एखाद्या कंपनीच्या रोख प्रवाहाच्या गुणवत्तेचे मूल्यांकन करा?

ते थेट निष्कर्षात्मक मजकूर देणार नाही, तर व्यावसायिक गुंतवणूक संशोधन तर्काच्या आधारे, प्रथम संशोधनाचे ध्येय स्पष्ट करेल, त्यानंतर संशोधन पूर्ण करण्यासाठी आवश्यक असलेल्या मुख्य आर्थिक निर्देशकांची (financial indicators) तपासणी करेल, त्यानंतर जुळणारे व्यावसायिक डेटा स्रोत निवडेल आणि शेवटी विश्लेषण, डेटा पडताळणी आणि माहिती पूर्तता करून एक-एक पाऊल पुढे जाईल.

संपूर्ण संशोधन प्रक्रिया संरचित आणि शोधण्यायोग्य आहे, मोठ्या मॉडेलद्वारे एकदाच उत्तर 'तयार' करण्यावर अवलंबून नसते.

व्यावसायिक डेटा स्रोत, ही त्याची ताकद आहे

आर्थिक विश्लेषणाची मर्यादा नेहमी डेटाच्या गुणवत्तेवर अवलंबून असते.

Dexter थेट संस्थాగत स्तरावरील आर्थिक डेटा स्रोतांशी कनेक्ट होऊ शकते, ज्यात महसूल विवरण (revenue statements), ताळेबंद (balance sheets), रोख प्रवाह विवरण (cash flow statements) यांसारख्या मुख्य डेटाचा समावेश आहे.

हे साधे वेब स्क्रॅपिंग नाही, तर व्यावसायिक आर्थिक संरचनेभोवती आयोजित केलेली डेटा प्रणाली आहे.

अनेक सामान्य एजंट्सची समस्या अशी आहे की: लॉजिक बरोबर असू शकते, परंतु डेटा स्रोत अस्पष्ट आहेत, मेट्रिक्समध्ये एकसमानता नाही आणि अंतिम निष्कर्ष टिकू शकत नाही.

Dexter ने डिझाइन स्तरावरच डेटा स्रोताला मुख्य क्षमता मानली आहे, अतिरिक्त वैशिष्ट्य नाही. गुंतवणूक संशोधन (investment research) क्षेत्रासाठी हे खूप महत्त्वाचे पाऊल आहे.

हे 'स्वतःची तपासणी स्वतःच' करते

Dexter ची स्व-पडताळणी यंत्रणा अचूकतेच्या उच्च मागणीसाठी आर्थिक क्षेत्राशी अधिक जुळवून घेणारी आहे.

संपूर्ण विश्लेषण प्रक्रियेदरम्यान, Dexter सतत मधले निकाल आणि अंतिम निष्कर्षांची तपासणी करेल आणि एकदा लॉजिकल त्रुटी किंवा डेटा गहाळ असल्याचे आढळल्यास, ते संशोधनाची पाऊले आपोआप समायोजित करेल आणि संपूर्ण संशोधन कार्य पूर्ण होईपर्यंत ते सुरू ठेवेल.

मॉडेल सपोर्ट

Dexter ची सुसंगतता देखील खूप लवचिक आहे, मग ते OpenAI, Anthropic, Google, xAI, OpenRouter यांसारखे क्लाउड-आधारित मोठे मॉडेल असोत किंवा स्थानिक पातळीवर तैनात केलेले Ollama, हे सर्व अखंडपणे कनेक्ट होऊ शकतात. हे क्लाउडमध्ये त्वरित चालवता येते आणि स्थानिक पातळीवर उपयोजित करण्याच्या गोपनीयतेच्या गरजा देखील पूर्ण करते.

त्वरित सुरुवात

१. ऑपरेटिंग वातावरण तयार करा

Dexter Bun सह रनटाइम म्हणून वापरले जाते. अधिकृतपणे आवश्यक असलेले व्हर्जन 1.0 किंवा त्यावरील आहे. वेगवेगळ्या सिस्टमसाठी इंस्टॉलेशन पद्धती वेगवेगळ्या आहेत. ऑपरेशन पूर्ण झाल्यावर टर्मिनल रीस्टार्ट करा.

macOS / Linux सिस्टमवर हे चालवा:

curl -fsSL https://bun.com/install | bash Windows सिस्टमवर हे चालवा:

powershell -c "irm bun.sh/install.ps1|iex" इंस्टॉलेशन पूर्ण झाल्यावर, टर्मिनलमध्ये bun --version टाइप करा आणि व्हर्जन नंबर व्यवस्थित आउटपुट झाल्यास, इंस्टॉलेशन यशस्वी झाले असे समजावे.प्रोजेक्ट रिपॉजिटरी क्लोन केल्यानंतर, प्रोजेक्ट डिरेक्टरीमध्ये जा आणि Bun वापरून प्रोजेक्टसाठी आवश्यक अवलंबित्व स्थापित करा:

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

३. पर्यावरण व्हेरिएबल्स कॉन्फिगर करा

Dexter चालवण्यासाठी हे महत्त्वाचे पाऊल आहे. प्रोजेक्टमध्ये पर्यावरण व्हेरिएबल टेम्पलेट फाइल आधीपासून दिलेली आहे. आपल्याला फक्त टेम्पलेट कॉपी करून कॉन्फिगरेशन फाइल तयार करायची आहे आणि आपल्या गरजेनुसार ती संपादित करायची आहे:

cp env.example .env त्यानंतर तयार झालेली .env फाइल संपादित करा. मुख्य कॉन्फिगरेशन API कीचे तीन प्रकारांमध्ये वर्गीकरण केले आहे:

मोठ्या मॉडेल प्रदात्याची API की: OpenAI, Anthropic, Google, xAI, OpenRouter इत्यादींचा समावेश आहे. (उदा. OPENAI_API_KEY) तुमच्या वापराच्या मोठ्या मॉडेलनुसार कॉन्फिगरेशन करा;
Financial Datasets API की: संस्था-स्तरीय वित्तीय बाजार आणि आर्थिक डेटा मिळवण्यासाठी वापरली जाते. हे व्यावसायिक वित्तीय विश्लेषणासाठी मुख्य कॉन्फिगरेशन आहे, त्यामुळे ते अनिवार्यपणे कॉन्फिगर करण्याची शिफारस केली जाते. मिळवण्याचा पत्ता: https://financialdatasets.ai/
नेटवर्क शोध संबंधित API की: Exa, Tavily यांचा समावेश आहे, जे एजंटची नेटवर्क शोध क्षमता वाढवण्यासाठी वापरले जातात आणि ते वैकल्पिक कॉन्फिगरेशन आहे. मिळवण्याचा पत्ता: https://exa.ai/

जर तुम्हाला स्थानिक पातळीवर तैनात केलेले Olllama वापरायचे असेल, तर फाइलमध्ये कॉन्फिगर करा:

OLLAMA_BASE_URL=http://127.0.0.1:11434

४. Dexter सुरू करा

पर्यावरण व्हेरिएबल्स कॉन्फिगर केल्यानंतर, टर्मिनलमध्ये थेट स्टार्ट कमांड कार्यान्वित करा:

bun start Dexter चा इंटरॅक्टिव्ह CLI इंटरफेस सुरू करण्यासाठी. इंटरफेसमध्ये वित्तीय संशोधनाशी संबंधित प्रश्न प्रविष्ट करा आणि ते आपोआप संपूर्ण विश्लेषण प्रक्रियेची योजना बनवून कार्यान्वित करेल.

जर ते विकास किंवा डीबगिंगच्या उद्देशाने असेल, तर हॉट रिलोड मोड वापरून सुरू करा:

bun dev

५. मूल्यांकन आणि डीबगिंग

प्रगत गरजा असलेल्या वापरकर्त्यांसाठी, Dexter मध्ये एक विशेष मूल्यांकन साधन आहे, जे एजंटच्या विश्लेषण क्षमतेची चाचणी घेऊ शकते. तुम्ही संपूर्ण मूल्यांकन प्रक्रिया चालवू शकता किंवा यादृच्छिक नमुने निवडू शकता आणि त्यांची चाचणी घेऊ शकता:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter सर्व विश्लेषण प्रक्रिया, साधन कॉल्स आणि मधले निकाल या डिरेक्टरीमध्ये आपोआप रेकॉर्ड करेल:

.dexter/scratchpad/ तुम्ही त्यातील फाइल्सद्वारे संशोधन प्रक्रियेचा आढावा घेऊ शकता आणि प्रोजेक्ट डीबग करू शकता.

व्हर्टिकल एजंट, पुढील टप्प्यातील महत्त्वाचा मुद्दा आहे

जनरल एजंट प्रगती करत राहतील, पण खऱ्या अर्थाने 'उपयोगी' असलेले इंटेलिजेंट एजंट नक्कीच व्हर्टिकल क्षेत्रात अधिक खोलवर संशोधन करतील.

Dexter हे त्याचे एक उत्तम उदाहरण आहे. त्याने सर्व क्षेत्रांना कव्हर करण्याचा प्रयत्न केला नाही, तर फक्त वित्तीय संशोधनावर लक्ष केंद्रित केले आहे आणि डेटा स्रोत, विश्लेषण प्रक्रिया आणि पडताळणी यंत्रणा अधिक सखोल केली आहे.प्रकल्प पत्ताः https://github.com/virattt/dexter