Czy uniwersalny Agent zawodzi? Ten finansowy AI z 15 tys. gwiazdek automatycznie uruchamia cały proces badań inwestycyjnych

W ostatnich latach trend rozwoju agentów AI staje się coraz bardziej wyraźny, a uniwersalne możliwości agentów wspierane przez uniwersalne duże modele stale rosną.

Ale ilekroć wkraczają w profesjonalne dziedziny, ci "wszechstronni Agenci" łatwo się demaskują, a badania finansowe są tego najbardziej typowym przykładem.

Rozkład logiki sprawozdań finansowych, ujednolicone sprawdzanie standardów wskaźników, weryfikacja autentyczności źródeł danych, powtarzalność wniosków z badań – to wszystko są podstawowe wymagania badań finansowych, których inteligentny agent uniwersalny dla różnych dziedzin nie jest w stanie naprawdę rozwiązać.

Podczas przeglądania projektów open source odkryłem projekt, który zyskał dobrą reputację zarówno w kręgach finansowych, jak i w społeczności deweloperów: Dexter, autonomiczny inteligentny agent stworzony specjalnie do dogłębnych badań finansowych.

W przeciwieństwie do zwykłych narzędzi do pytań i odpowiedzi finansowych, może on samodzielnie rozkładać zadania badawcze, pobierać profesjonalne dane, wykonywać procesy analityczne, a także wielokrotnie weryfikować wyniki badań, co czyni go inteligentnym agentem, który naprawdę wylądował w scenariuszach badań inwestycyjnych finansowych, a jego popularność i siła są bardzo imponujące.

Nie "ChatGPT w wersji finansowej"

Jeśli zwykły AI finansowy rozwiązuje problem "czy można udzielić odpowiedzi", to Dexter rozwiązuje bardziej podstawowy problem w badaniach finansowych, czyli "czy można jasno zbadać problem".

Dexter nie ma na celu bycia "ChatGPT w wersji finansowej", ale odtwarzanie rzeczywistego procesu badań inwestycyjnych finansowych.

Kiedy zadasz pytanie badawcze, na przykład:

• Analiza zmian w przychodach firmy w ciągu ostatnich pięciu lat?
• Porównanie struktur wyceny dwóch branż?
• Ocena jakości przepływów pieniężnych firmy?

Nie poda on bezpośrednio konkluzywnego tekstu, ale zgodnie z profesjonalną logiką badań inwestycyjnych, najpierw określi cel badania, następnie oceni kluczowe wskaźniki finansowe potrzebne do ukończenia badania, następnie przesieje pasujące profesjonalne źródła danych, a na końcu krok po kroku wykona analizę, zweryfikuje dane i uzupełni informacje.

Cały proces badawczy jest ustrukturyzowany i identyfikowalny, a nie polega na jednorazowym "wygenerowaniu" odpowiedzi przez duży model.

Profesjonalne źródła danych to jego atut

Dolna granica analizy finansowej zawsze zależy od jakości danych.

Dexter może bezpośrednio łączyć się z instytucjonalnymi źródłami danych finansowych, obejmującymi podstawowe dane, takie jak rachunek zysków i strat, bilans i rachunek przepływów pieniężnych.

To nie jest proste pobieranie stron internetowych, ale system danych zorganizowany wokół profesjonalnej struktury finansowej.

Wiele uniwersalnych Agentów ma problem polegający na tym, że logika może być w porządku, ale źródła danych są niejasne, a standardy niespójne, więc ostateczny wniosek jest po prostu nie do utrzymania.

Dexter od samego początku traktuje źródła danych jako podstawową zdolność, a nie funkcję dodatkową. Jest to bardzo ważny krok dla scenariuszy badań inwestycyjnych.

Będzie się "sam kontrolował"

Mechanizm samoweryfikacji Dextera jest jeszcze bardziej zgodny z wysokimi wymaganiami dokładności w dziedzinie finansów.

W całym procesie analizy Dexter będzie stale sprawdzał wyniki pośrednie i ostateczne wnioski. Po wykryciu luk logicznych lub brakujących danych automatycznie dostosuje kroki badawcze i będzie kontynuował ich wykonywanie, aż do ukończenia pełnego zadania badawczego.

Obsługa modeli

Kompatybilność Dextera jest również bardzo elastyczna. Niezależnie od tego, czy są to duże modele w chmurze, takie jak OpenAI, Anthropic, Google, xAI, OpenRouter, czy lokalnie wdrożony Ollama, można je bezproblemowo podłączyć, co pozwala na szybkie uruchomienie w chmurze, a także spełnia wymagania dotyczące prywatności w przypadku wdrożenia lokalnego.

Szybki start

1. Przygotowanie środowiska uruchomieniowego

Dexter używa Bun jako środowiska uruchomieniowego, a oficjalne wymagania dotyczące wersji to 1.0 lub nowsza. Różne systemy mają różne metody instalacji. Po zakończeniu operacji uruchom ponownie terminal.

Systemy macOS / Linux mogą wykonać:

curl -fsSL https://bun.com/install | bashSystemy Windows mogą wykonać:

powershell -c "irm bun.sh/install.ps1|iex"Po zakończeniu instalacji wprowadź bun --version w terminalu. Jeśli numer wersji może być normalnie wyświetlany, oznacza to, że instalacja zakończyła się pomyślnie.Po sklonowaniu repozytorium projektu i przejściu do katalogu projektu, możesz zainstalować wymagane zależności za pomocą Bun:

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

III. Konfiguracja zmiennych środowiskowych

To kluczowy krok do uruchomienia Dextera. Projekt zawiera już plik szablonu zmiennych środowiskowych. Musimy najpierw skopiować szablon, aby wygenerować plik konfiguracyjny, a następnie edytować go zgodnie z naszymi potrzebami:

cp env.example .env Następnie edytuj wygenerowany plik .env. Główne klucze API, które należy skonfigurować, dzielą się na trzy kategorie:

• Klucz API dostawcy dużego modelu: w tym OpenAI, Anthropic, Google, xAI, OpenRouter itp. (np. OPENAI_API_KEY) Można go skonfigurować zgodnie z używanym dużym modelem;
• Klucz API Financial Datasets: służy do pobierania danych finansowych i danych finansowych na poziomie instytucjonalnym. Jest to podstawowa konfiguracja do realizacji profesjonalnej analizy finansowej i zaleca się jej obowiązkowe skonfigurowanie. Adres do uzyskania: https://financialdatasets.ai/
• Klucz API związany z wyszukiwaniem w sieci: w tym Exa, Tavily, służy do wzmocnienia możliwości wyszukiwania w sieci przez inteligentnego agenta i jest opcjonalną konfiguracją. Adres do uzyskania: https://exa.ai/

Jeśli chcesz użyć lokalnie wdrożonego Ollama, skonfiguruj go w pliku:

OLLAMA_BASE_URL=http://127.0.0.1:11434

IV. Uruchomienie Dextera

Po skonfigurowaniu zmiennych środowiskowych, uruchom polecenie startowe bezpośrednio w terminalu:

bun start Możesz wejść do interaktywnego interfejsu CLI Dextera. W interfejsie wprowadź pytania związane z badaniami finansowymi, a automatycznie zaplanuje i wykona pełny proces analizy.

Jeśli jest to do celów programistycznych lub debugowania, możesz uruchomić go w trybie gorącego przeładowania:

bun dev

V. Ocena i debugowanie

Dla użytkowników z zaawansowanymi potrzebami Dexter ma wbudowane dedykowane narzędzie do oceny, które może być używane do testowania zdolności analitycznych inteligentnego agenta. Możesz uruchomić pełny proces oceny lub losowo pobrać próbki do testowania:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter automatycznie zarejestruje wszystkie procesy analizy, wywołania narzędzi i wyniki pośrednie w tym katalogu:

.dexter/scratchpad/ Możesz użyć plików w nim zawartych, aby zakończyć przegląd procesu badawczego i debugowanie projektu

Agenci wertykalni są głównym celem następnego etapu

Agenci uniwersalni będą nadal robić postępy, ale inteligentne agenty, które naprawdę zaczną być "użyteczne", z pewnością będą dogłębnie kopać w dziedzinach wertykalnych.

Dexter jest typowym przykładem. Nie próbuje obejmować wszystkich dziedzin, ale koncentruje się na badaniach finansowych, pogłębiając źródła danych, procesy analizy i mechanizmy weryfikacji.Adres projektu: https://github.com/virattt/dexter