Universal Agent တွေ အလုပ်မဖြစ်တော့ဘူးလား။ Star ၁၅၀၀၀ ရှိတဲ့ ဒီ Financial AI က ရင်းနှီးမြှုပ်နှံမှု သုတေသန လုပ်ငန်းစဉ်တစ်ခုလုံးကို အလိုအလျောက် လုပ်ဆောင်ပေးတယ်။

ဒီနှစ်ပိုင်းတွေမှာ AI အသိဉာဏ်ရှိတဲ့ ကိုယ်စားလှယ်တွေရဲ့ ဖွံ့ဖြိုးတိုးတက်မှုလမ်းကြောင်းက ပိုပြီးရှင်းလင်းလာပါတယ်။ Universal Large Model တွေရဲ့ အထောက်အပံ့နဲ့ Universal Agent စွမ်းဆောင်ရည်က တစ်ဟုန်ထိုးမြင့်တက်လာပါတယ်။

ဒါပေမဲ့ ကျွမ်းကျင်တဲ့နယ်ပယ်ထဲကို ဝင်ရောက်လိုက်တာနဲ့ ဒီ "Universal Agent" တွေက အလွယ်တကူအားနည်းချက်တွေပေါ်လာတတ်ပါတယ်။ Financial သုတေသနက အထင်ရှားဆုံးဥပမာတစ်ခုပါပဲ။

ဘဏ္ဍာရေးအစီရင်ခံစာတွေကို ခွဲခြမ်းစိတ်ဖြာတဲ့ယုတ္တိဗေဒ၊ အညွှန်းကိန်းအချက်အလက်တွေကို စစ်ဆေးအတည်ပြုခြင်း၊ ဒေတာအရင်းအမြစ်ရဲ့ တိကျမှန်ကန်မှုကို အတည်ပြုခြင်း၊ သုတေသနရလဒ်တွေကို ပြန်လည်ထုတ်လုပ်နိုင်ခြင်းစတာတွေဟာ Financial သုတေသနရဲ့ အဓိကလိုအပ်ချက်တွေဖြစ်ပါတယ်။ နယ်ပယ်အသီးသီးမှာ အသုံးပြုနိုင်တဲ့ အသိဉာဏ်ရှိတဲ့ ကိုယ်စားလှယ်တစ်ဦးတည်းနဲ့တော့ တကယ့်ပြဿနာကို ဖြေရှင်းဖို့မဖြစ်နိုင်ပါဘူး။

Open Source Project တွေကို ရှာဖွေနေရင်းနဲ့ Financial အသိုင်းအဝိုင်းနဲ့ Developer အသိုင်းအဝိုင်းမှာ နာမည်ကောင်းရထားတဲ့ Project တစ်ခုကို ကျွန်တော်တွေ့ရှိခဲ့ပါတယ်။ Dexter ဆိုတဲ့ နက်ရှိုင်းတဲ့ Financial သုတေသနအတွက် အထူးဖန်တီးထားတဲ့ Autonomous Intelligent Agent တစ်ခုပါ။

သာမန် Financial မေးခွန်းဖြေဆိုတဲ့ Tool တွေနဲ့မတူဘဲ သူက သုတေသနတာဝန်တွေကို သူ့ဘာသာသူခွဲခြမ်းစိတ်ဖြာနိုင်တယ်၊ ကျွမ်းကျင်တဲ့ဒေတာတွေကို ရယူနိုင်တယ်၊ ခွဲခြမ်းစိတ်ဖြာတဲ့ လုပ်ငန်းစဉ်တွေကို လုပ်ဆောင်နိုင်တယ်၊ သုတေသနရလဒ်တွေကိုလည်း ထပ်ခါထပ်ခါစစ်ဆေးနိုင်ပါတယ်။ ဒါဟာ Financial ရင်းနှီးမြှုပ်နှံမှု သုတေသနအခြေအနေတွေမှာ တကယ်အသုံးဝင်တဲ့ အသိဉာဏ်ရှိတဲ့ ကိုယ်စားလှယ်တစ်ဦးဖြစ်ပြီး လူကြိုက်များမှုနဲ့ စွမ်းဆောင်ရည်ကလည်း အတော်လေးကောင်းပါတယ်။

"Financial ChatGPT" မဟုတ်ဘူး

သာမန် Financial AI က "အဖြေပေးနိုင်သလား" ဆိုတာကို ဖြေရှင်းပေးတယ်ဆိုရင် Dexter က Financial သုတေသနမှာ ပိုအရေးကြီးတဲ့ "ပြဿနာကို ရှင်းရှင်းလင်းလင်းလေ့လာနိုင်သလား" ဆိုတာကို ဖြေရှင်းပေးပါတယ်။

Dexter ရဲ့ ရည်ရွယ်ချက်က "Financial ChatGPT" တစ်ခုဖြစ်ဖို့မဟုတ်ဘဲ တကယ့် Financial ရင်းနှီးမြှုပ်နှံမှု သုတေသနလုပ်ငန်းစဉ်ကို ပြန်လည်ပုံဖော်ဖို့ဖြစ်ပါတယ်။

သင်က သုတေသနမေးခွန်းတစ်ခုကို မေးတဲ့အခါ ဥပမာ:

• ကုမ္ပဏီတစ်ခုရဲ့ လွန်ခဲ့တဲ့ငါးနှစ်အတွင်း ဝင်ငွေအပြောင်းအလဲကို ခွဲခြမ်းစိတ်ဖြာမလား။
• လုပ်ငန်းနှစ်ခုရဲ့ တန်ဖိုးဖြတ်ပုံကို နှိုင်းယှဉ်မလား။
• ကုမ္ပဏီတစ်ခုရဲ့ ငွေသားစီးဆင်းမှုအရည်အသွေးကို အကဲဖြတ်မလား။

သူက တိုက်ရိုက်ကောက်ချက်ချထားတဲ့ စာသားတစ်ပိုင်းကို မပေးပါဘူး။ ကျွမ်းကျင်တဲ့ ရင်းနှီးမြှုပ်နှံမှု သုတေသနယုတ္တိဗေဒအရ သူက သုတေသနရည်မှန်းချက်ကို အရင်ဆုံးရှင်းလင်းပြပါမယ်။ ပြီးတော့ သုတေသနကို ပြီးမြောက်ဖို့အတွက် လိုအပ်တဲ့ အဓိကဘဏ္ဍာရေးအညွှန်းကိန်းတွေကို ဆုံးဖြတ်ပါမယ်။ နောက်ပြီး ကိုက်ညီတဲ့ ကျွမ်းကျင်ဒေတာအရင်းအမြစ်တွေကို ရွေးချယ်ပါမယ်။ နောက်ဆုံးအဆင့်အနေနဲ့ သူက ခွဲခြမ်းစိတ်ဖြာခြင်း၊ ဒေတာစစ်ဆေးခြင်းနဲ့ သတင်းအချက်အလက်ဖြည့်စွက်ခြင်းတွေကို တစ်ဆင့်ပြီးတစ်ဆင့် လုပ်ဆောင်ပါမယ်။

သုတေသနလုပ်ငန်းစဉ်တစ်ခုလုံးက တည်ဆောက်ထားပြီး ခြေရာခံနိုင်ပါတယ်။ Large Model ကို အားကိုးပြီး အဖြေကို တစ်ကြိမ်တည်းနဲ့ "ထုတ်လုပ်" တာမဟုတ်ပါဘူး။

ကျွမ်းကျင်တဲ့ ဒေတာအရင်းအမြစ်က သူ့ရဲ့ အားသာချက်ပါ

Financial ခွဲခြမ်းစိတ်ဖြာခြင်းရဲ့ အနိမ့်ဆုံးအဆင့်က ဒေတာအရည်အသွေးပေါ်မှာ အမြဲမူတည်ပါတယ်။

Dexter က အဖွဲ့အစည်းအဆင့် Financial ဒေတာအရင်းအမြစ်တွေနဲ့ တိုက်ရိုက်ချိတ်ဆက်နိုင်ပြီး ဝင်ငွေစာရင်း၊ ပိုင်ဆိုင်မှုစာရင်း၊ ငွေသားစီးဆင်းမှုစာရင်းစတဲ့ အဓိကဒေတာတွေကို လွှမ်းခြုံထားပါတယ်။

ဒါက ရိုးရှင်းတဲ့ ဝဘ်စာမျက်နှာကူးယူခြင်းမဟုတ်ဘဲ ကျွမ်းကျင်တဲ့ ဘဏ္ဍာရေးတည်ဆောက်ပုံကို အခြေခံထားတဲ့ ဒေတာစနစ်တစ်ခုပါ။

Universal Agent အများအပြားရဲ့ ပြဿနာက ယုတ္တိဗေဒက ပြဿနာမရှိပေမဲ့ ဒေတာအရင်းအမြစ်က မရေရာဘူး၊ အချက်အလက်တွေက မကိုက်ညီဘူး။ နောက်ဆုံးမှာ ကောက်ချက်က ခိုင်လုံမှုမရှိဘူး။

Dexter က ဒီဇိုင်းအဆင့်ကတည်းက ဒေတာအရင်းအမြစ်ကို အဓိကစွမ်းရည်အဖြစ် သတ်မှတ်ထားပြီး နောက်ဆက်တွဲလုပ်ဆောင်ချက်တစ်ခုအဖြစ် မသတ်မှတ်ထားပါဘူး။ ဒါက ရင်းနှီးမြှုပ်နှံမှု သုတေသနအခြေအနေတွေအတွက် အလွန်အရေးကြီးတဲ့ ခြေလှမ်းတစ်ခုပါ။

သူက "သူ့ဘာသာသူ စစ်ဆေး" ပါလိမ့်မယ်

Dexter ရဲ့ ကိုယ်တိုင်စစ်ဆေးတဲ့စနစ်က တိကျမှန်ကန်မှုအပေါ် Financial နယ်ပယ်ရဲ့ မြင့်မားတဲ့လိုအပ်ချက်နဲ့ ပိုကိုက်ညီပါတယ်။

ခွဲခြမ်းစိတ်ဖြာတဲ့ လုပ်ငန်းစဉ်တစ်ခုလုံးမှာ Dexter က ကြားဖြတ်ရလဒ်တွေနဲ့ နောက်ဆုံးကောက်ချက်တွေကို ဆက်တိုက်စစ်ဆေးပါလိမ့်မယ်။ ယုတ္တိဗေဒအမှားအယွင်းတွေ ဒါမှမဟုတ် ဒေတာပျောက်ဆုံးမှုတွေကို တွေ့ရှိတာနဲ့ သုတေသနအဆင့်တွေကို အလိုအလျောက်ချိန်ညှိပြီး ပြီးပြည့်စုံတဲ့ သုတေသနတာဝန်ကို ပြီးမြောက်တဲ့အထိ ဆက်လက်လုပ်ဆောင်ပါလိမ့်မယ်။

Model အထောက်အပံ့

Dexter ရဲ့ လိုက်ဖက်ညီမှုကလည်း အလွန်ပြောင်းလွယ်ပြင်လွယ်ရှိပါတယ်။ OpenAI, Anthropic, Google, xAI, OpenRouter စတဲ့ Cloud Large Model တွေပဲဖြစ်ဖြစ် ဒါမှမဟုတ် Local မှာ တပ်ဆင်ထားတဲ့ Ollama ပဲဖြစ်ဖြစ် ချောမွေ့စွာချိတ်ဆက်နိုင်ပါတယ်။ Cloud မှာ မြန်မြန်ဆန်ဆန်အသုံးပြုနိုင်သလို Local မှာ တပ်ဆင်ထားတဲ့ Privacy လိုအပ်ချက်တွေကိုလည်း ဖြည့်ဆည်းပေးနိုင်ပါတယ်။

အမြန်စတင်ခြင်း

၁။ လုပ်ဆောင်နိုင်တဲ့ ပတ်ဝန်းကျင်ကို ပြင်ဆင်ပါ

Dexter က Bun ကို Runtime အဖြစ်အသုံးပြုပါတယ်။ တရားဝင်လိုအပ်ချက်အရ Version က 1.0 နဲ့အထက်ဖြစ်ရပါမယ်။ မတူညီတဲ့ System တွေမှာ တပ်ဆင်တဲ့နည်းလမ်းတွေက မတူညီပါဘူး။ လုပ်ဆောင်ပြီးတဲ့နောက် Terminal ကို Restart လုပ်ရပါမယ်။

macOS / Linux System တွေမှာ အောက်ပါအတိုင်းလုပ်ဆောင်နိုင်ပါတယ်။

curl -fsSL https://bun.com/install | bashWindows System တွေမှာ အောက်ပါအတိုင်းလုပ်ဆောင်နိုင်ပါတယ်။

powershell -c "irm bun.sh/install.ps1|iex"တပ်ဆင်ပြီးတဲ့နောက် Terminal မှာ bun --version ကိုရိုက်ထည့်ပါ။ Version Number ကို ပုံမှန်အတိုင်းထုတ်ပေးနိုင်ရင် တပ်ဆင်တာအောင်မြင်တယ်လို့ ဆိုနိုင်ပါတယ်။### အပိုင်း ၂: ပရောဂျက်ကို ကူးယူပြီး မှီခိုမှုများကို ထည့်သွင်းခြင်း

ပရောဂျက်သိုလှောင်ရုံကို ကူးယူပြီးနောက် ပရောဂျက်လမ်းညွှန်ထဲသို့ ဝင်ရောက်ပြီးနောက် Bun ကို အသုံးပြု၍ ပရောဂျက်အတွက် လိုအပ်သော မှီခိုမှုများကို ထည့်သွင်းနိုင်သည်:

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

အပိုင်း ၃: ပတ်ဝန်းကျင်ဆိုင်ရာ ကိန်းရှင်များကို စီစဉ်ခြင်း

Dexter ကို လုပ်ဆောင်ရန်အတွက် ဤအဆင့်သည် အဓိကဖြစ်သည်။ ပရောဂျက်တွင် ပတ်ဝန်းကျင်ဆိုင်ရာ ကိန်းရှင်ပုံစံ ဖိုင်ကို ပံ့ပိုးပေးထားပြီးဖြစ်သည်။ ပုံစံကို ကူးယူပြီး စီစဉ်ဖွဲ့စည်းမှုဖိုင်ကို ထုတ်လုပ်ကာ သင်၏လိုအပ်ချက်အရ တည်းဖြတ်ရန် လိုအပ်သည်:

cp env.example .env ထို့နောက် ထုတ်လုပ်ထားသော .env ဖိုင်ကို တည်းဖြတ်ပါ။ အဓိက စီစဉ်ဖွဲ့စည်းရန် လိုအပ်သော API Key များကို အမျိုးအစား သုံးမျိုး ခွဲခြားထားသည်:

• အကြီးစား မော်ဒယ်ပံ့ပိုးသူ၏ API Key- OpenAI, Anthropic, Google, xAI, OpenRouter စသည်တို့ ပါဝင်သည် (ဥပမာ- OPENAI_API_KEY)။ သင်အသုံးပြုသော အကြီးစား မော်ဒယ်နှင့်အညီ စီစဉ်ဖွဲ့စည်းနိုင်သည်။
• ဘဏ္ဍာရေးဆိုင်ရာ အချက်အလက်အစုများ API Key- အဖွဲ့အစည်းအဆင့် ဘဏ္ဍာရေးဈေးကွက်နှင့် ဘဏ္ဍာရေးဆိုင်ရာ အချက်အလက်များကို ရယူရန်အတွက် အသုံးပြုသည်။ ကျွမ်းကျင်သော ဘဏ္ဍာရေးဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုကို အကောင်အထည်ဖော်ရန်အတွက် အဓိက စီစဉ်ဖွဲ့စည်းမှုဖြစ်ပြီး မဖြစ်မနေ စီစဉ်ဖွဲ့စည်းရန် အကြံပြုသည်။ ရယူရန်လိပ်စာ- https://financialdatasets.ai/
• ကွန်ရက်ရှာဖွေမှုနှင့် သက်ဆိုင်သော API Key- Exa, Tavily တို့ ပါဝင်ပြီး ဉာဏ်ရည်တု၏ ကွန်ရက်ရှာဖွေနိုင်စွမ်းကို မြှင့်တင်ရန်အတွက် အသုံးပြုသည်။ ရွေးချယ်နိုင်သော စီစဉ်ဖွဲ့စည်းမှုဖြစ်သည်။ ရယူရန်လိပ်စာ- https://exa.ai/

Ollama ကို ဒေသတွင်းတွင် တပ်ဆင်ထားပြီး အသုံးပြုရန် လိုအပ်ပါက ဖိုင်တွင် ဤသို့ စီစဉ်ဖွဲ့စည်းပါ:

OLLAMA_BASE_URL=http://127.0.0.1:11434

အပိုင်း ၄: Dexter ကို စတင်ခြင်း

ပတ်ဝန်းကျင်ဆိုင်ရာ ကိန်းရှင်များကို စီစဉ်ဖွဲ့စည်းပြီးနောက် စတင်ရန် အမိန့်ကို တိုက်ရိုက်လုပ်ဆောင်ပါ:

bun start Dexter ၏ အပြန်အလှန်အကျိုးသက်ရောက်မှုရှိသော CLI မျက်နှာပြင်သို့ ဝင်ရောက်နိုင်သည်။ မျက်နှာပြင်တွင် ဘဏ္ဍာရေးဆိုင်ရာ သုတေသနနှင့် သက်ဆိုင်သော မေးခွန်းများကို ထည့်သွင်းပါက ၎င်းသည် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်တစ်ခုလုံးကို အလိုအလျောက် စီစဉ်ပြီး လုပ်ဆောင်ပေးမည်ဖြစ်သည်။

ဖွံ့ဖြိုးတိုးတက်မှု သို့မဟုတ် အမှားရှာဖွေခြင်းအတွက် အသုံးပြုလိုပါက အပူချိန်ပြန်ဖြည့်သွင်းသည့်ပုံစံကို အသုံးပြု၍ စတင်နိုင်သည်:

bun dev

အပိုင်း ၅: အကဲဖြတ်ခြင်းနှင့် အမှားရှာဖွေခြင်း

ပိုမိုအဆင့်မြင့်သော လိုအပ်ချက်များရှိသော သုံးစွဲသူများအတွက် Dexter တွင် ဉာဏ်ရည်တု၏ ခွဲခြမ်းစိတ်ဖြာနိုင်စွမ်းကို စမ်းသပ်ရန်အတွက် အကဲဖြတ်ကိရိယာကို ထည့်သွင်းထားသည်။ အကဲဖြတ်မှုလုပ်ငန်းစဉ်တစ်ခုလုံးကို လုပ်ဆောင်နိုင်သလို စမ်းသပ်ရန်အတွက် ကျပန်းနမူနာများကိုလည်း ထုတ်ယူနိုင်သည်:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter သည် ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်၊ ကိရိယာခေါ်ဆိုမှုနှင့် ကြားဖြတ်ရလဒ်များအားလုံးကို ဤလမ်းညွှန်အောက်တွင် အလိုအလျောက် မှတ်တမ်းတင်မည်ဖြစ်သည်:

.dexter/scratchpad/ ၎င်းအောက်ရှိ ဖိုင်များမှတစ်ဆင့် သုတေသနလုပ်ငန်းစဉ်ကို ပြန်လည်သုံးသပ်ခြင်းနှင့် ပရောဂျက်ကို အမှားရှာဖွေခြင်းကို ပြီးမြောက်နိုင်သည်။

ဒေါင်လိုက် Agent သည် နောက်တစ်ဆင့်၏ အဓိကအချက်ဖြစ်သည်။

အထွေထွေ Agent သည် ဆက်လက်တိုးတက်နေမည်ဖြစ်သော်လည်း အမှန်တကယ် "အသုံးဝင်သော" ဉာဏ်ရည်တုသည် ဒေါင်လိုက်နယ်ပယ်တွင် နက်ရှိုင်းစွာ တူးဖော်ခြင်းမှ ဖြစ်ပေါ်လာမည်ဖြစ်သည်။

Dexter သည် ပုံမှန်နမူနာတစ်ခုဖြစ်သည်။ ၎င်းသည် နယ်ပယ်အားလုံးကို လွှမ်းခြုံရန် မကြိုးစားဘဲ ဘဏ္ဍာရေးဆိုင်ရာ သုတေသနကို အာရုံစိုက်ကာ အချက်အလက်အရင်းအမြစ်၊ ခွဲခြမ်းစိတ်ဖြာမှုလုပ်ငန်းစဉ်နှင့် အတည်ပြုခြင်းယန္တရားကို နက်ရှိုင်းစွာ လုပ်ဆောင်သည်။စီမံကိန်းလိပ်စာ- https://github.com/virattt/dexter