通用Agent ไม่รอดแล้ว? AI การเงิน 1.5 หมื่น Star ตัวนี้ รันกระบวนการวิจัยการลงทุนแบบอัตโนมัติทั้งหมด
ในช่วงสองปีที่ผ่านมา แนวโน้มการพัฒนาของ AI Agent มีความชัดเจนมากขึ้นเรื่อยๆ ความสามารถของเอเจนต์ทั่วไปที่ได้รับการสนับสนุนจากโมเดลขนาดใหญ่ทั่วไปก็เพิ่มสูงขึ้นอย่างต่อเนื่อง
แต่เมื่อก้าวเข้าสู่สาขาเฉพาะทาง "Agent อเนกประสงค์" เหล่านี้ก็มักจะแสดงจุดอ่อนออกมาได้ง่าย การวิจัยทางการเงินเป็นตัวอย่างที่ชัดเจนที่สุด
ตรรกะการแยกแยะงบการเงิน การตรวจสอบความสอดคล้องของเกณฑ์ชี้วัด การตรวจสอบความถูกต้องของแหล่งข้อมูล ความสามารถในการทำซ้ำข้อสรุปการวิจัย สิ่งเหล่านี้ล้วนเป็นข้อกำหนดหลักของการวิจัยทางการเงิน การพึ่งพาเอเจนต์อัจฉริยะทั่วไปสำหรับทุกสาขา ไม่สามารถแก้ไขปัญหาได้อย่างแท้จริง
ในการพลิกดูโปรเจ็กต์โอเพนซอร์ส ฉันได้ค้นพบโปรเจ็กต์หนึ่งที่ได้รับชื่อเสียงอย่างมากในวงการการเงินและชุมชนนักพัฒนา: Dexter ซึ่งเป็นเอเจนต์อัจฉริยะอัตโนมัติที่สร้างขึ้นโดยเฉพาะสำหรับการวิจัยทางการเงินเชิงลึก
แตกต่างจากเครื่องมือตอบคำถามทางการเงินทั่วไป ตรงที่มันสามารถแยกแยะงานวิจัย ดึงข้อมูลมืออาชีพ ดำเนินการตามกระบวนการวิเคราะห์ และยังสามารถตรวจสอบผลการวิจัยซ้ำๆ ได้อีกด้วย ถือเป็นเอเจนต์อัจฉริยะที่นำไปใช้ในสถานการณ์การวิจัยการลงทุนทางการเงินได้อย่างแท้จริง ทั้งความนิยมและความสามารถอยู่ในระดับที่น่าประทับใจ
ไม่ใช่ "ChatGPT เวอร์ชันการเงิน"
หาก AI ทางการเงินทั่วไปแก้ไขปัญหา "สามารถให้คำตอบได้หรือไม่" Dexter แก้ไขปัญหาที่สำคัญกว่าในการวิจัยทางการเงิน นั่นคือ "สามารถศึกษาปัญหาให้ชัดเจนได้หรือไม่"
ตำแหน่งของ Dexter ไม่ใช่การเป็น "ChatGPT เวอร์ชันการเงิน" แต่เป็นการจำลองกระบวนการวิจัยการลงทุนทางการเงินที่แท้จริง
เมื่อคุณ提出一个研究问题，比如：(เมื่อคุณ提出一个研究问题，比如：)
- 分析某家企业过去五年的营收变化？(วิเคราะห์การเปลี่ยนแปลงของรายได้ของบริษัทแห่งหนึ่งในช่วงห้าปีที่ผ่านมา?)
- 对比两个行业的估值结构？(เปรียบเทียบโครงสร้างการประเมินมูลค่าของสองอุตสาหกรรม?)
- 评估某企业的现金流质量？(ประเมินคุณภาพกระแสเงินสดของบริษัทแห่งหนึ่ง?)
它不会直接给出一段结论性的文字，而是会按照专业的投研逻辑，先明确研究目标，再判断完成研究需要的核心财务指标，接着筛选匹配的专业数据源，最后一步步执行分析、校验数据、补全信息(มันจะไม่ให้ข้อความสรุปโดยตรง แต่จะปฏิบัติตามตรรกะการวิจัยการลงทุนแบบมืออาชีพ โดยเริ่มจากการระบุเป้าหมายการวิจัย จากนั้นจึงตัดสินตัวชี้วัดทางการเงินหลักที่จำเป็นสำหรับการวิจัยให้เสร็จสมบูรณ์ จากนั้นจึงคัดกรองแหล่งข้อมูลมืออาชีพที่ตรงกัน และสุดท้ายดำเนินการวิเคราะห์ ตรวจสอบข้อมูล และเติมเต็มข้อมูลทีละขั้นตอน)
整个研究过程是结构化、可追溯的，而非靠大模型一次性"生成"答案(กระบวนการวิจัยทั้งหมดมีโครงสร้างและตรวจสอบย้อนกลับได้ ไม่ใช่การ "สร้าง" คำตอบโดยโมเดลขนาดใหญ่เพียงครั้งเดียว)
专业数据源，是它的底气(แหล่งข้อมูลมืออาชีพคือความมั่นใจของมัน)
金融分析的下限，永远取决于数据质量。(ขีดจำกัดล่างของการวิเคราะห์ทางการเงินขึ้นอยู่กับคุณภาพของข้อมูลเสมอ)
Dexter 可以直接对接机构级金融数据源，覆盖营收表、资产负债表、现金流量表等核心数据。(Dexter สามารถเชื่อมต่อโดยตรงกับแหล่งข้อมูลทางการเงินระดับสถาบัน ครอบคลุมข้อมูลหลัก เช่น ตารางรายได้ งบดุล และงบกระแสเงินสด)
这不是简单的网页抓取，而是围绕专业财务结构组织的数据体系。(นี่ไม่ใช่การดึงข้อมูลจากหน้าเว็บอย่างง่าย แต่เป็นระบบข้อมูลที่จัดระเบียบตามโครงสร้างทางการเงินแบบมืออาชีพ)
很多通用Agent的问题在于：逻辑也许没问题，但数据来源模糊、口径不统一，最后结论根本站不住(ปัญหาของ Agent ทั่วไปจำนวนมากคือ: ตรรกะอาจไม่มีปัญหา แต่แหล่งที่มาของข้อมูลไม่ชัดเจน เกณฑ์ไม่สอดคล้องกัน และข้อสรุปสุดท้ายไม่สามารถยืนหยัดได้)
Dexter 从设计层面就把数据源当成核心能力，而不是附加功能。这对投研场景来说，是非常关键的一步。(Dexter ถือว่าแหล่งข้อมูลเป็นความสามารถหลักตั้งแต่ระดับการออกแบบ ไม่ใช่คุณสมบัติเพิ่มเติม นี่เป็นขั้นตอนที่สำคัญมากสำหรับสถานการณ์การวิจัยการลงทุน)
它会"自己检查自己"(มันจะ "ตรวจสอบตัวเอง")
Dexter 的自我验证机制，更是贴合了金融领域对准确性的高要求。(กลไกการตรวจสอบตนเองของ Dexter สอดคล้องกับข้อกำหนดด้านความถูกต้องที่สูงของสาขาการเงิน)
在整个分析过程中，Dexter 会持续检查中间结果和最终结论，一旦发现逻辑漏洞或是数据缺失，会自动调整研究步骤继续执行，直到完成完整的研究任务。(ในระหว่างกระบวนการวิเคราะห์ทั้งหมด Dexter จะตรวจสอบผลลัพธ์กลางคันและข้อสรุปสุดท้ายอย่างต่อเนื่อง เมื่อพบข้อบกพร่องทางตรรกะหรือข้อมูลสูญหาย มันจะปรับขั้นตอนการวิจัยโดยอัตโนมัติและดำเนินการต่อไปจนกว่าจะเสร็จสิ้นภารกิจการวิจัยที่สมบูรณ์)
模型支持(การสนับสนุนโมเดล)
Dexter 的兼容性也很灵活，不管是 OpenAI、Anthropic、Google、xAI、OpenRouter 这些云端大模型，还是本地部署的 Ollama，都能无缝对接，既可以在云端快速运行，也能满足本地部署的隐私需求。(ความเข้ากันได้ของ Dexter ก็มีความยืดหยุ่นเช่นกัน ไม่ว่าจะเป็นโมเดลขนาดใหญ่บนคลาวด์ เช่น OpenAI, Anthropic, Google, xAI, OpenRouter หรือ Ollama ที่ปรับใช้ในเครื่อง ก็สามารถเชื่อมต่อได้อย่างราบรื่น ซึ่งสามารถทำงานได้อย่างรวดเร็วบนคลาวด์ และยังตอบสนองความต้องการด้านความเป็นส่วนตัวของการปรับใช้ในเครื่องได้อีกด้วย)
快速上手(เริ่มต้นอย่างรวดเร็ว)
一、准备运行环境(1. เตรียมสภาพแวดล้อมการทำงาน)
Dexter 以 Bun 作为运行时，官方要求版本在 1.0 及以上，不同系统的安装方式不同，操作完成后重启终端即可。(Dexter ใช้ Bun เป็นรันไทม์ ข้อกำหนดอย่างเป็นทางการคือเวอร์ชัน 1.0 ขึ้นไป วิธีการติดตั้งจะแตกต่างกันไปในแต่ละระบบ หลังจากดำเนินการเสร็จสิ้น ให้รีสตาร์ทเทอร์มินัล)
macOS / Linux 系统可执行：(ระบบ macOS / Linux สามารถดำเนินการได้:)
curl -fsSL https://bun.com/install | bashWindows 系统可执行：(ระบบ Windows สามารถดำเนินการได้:)
powershell -c "irm bun.sh/install.ps1|iex"安装完成后，在终端输入bun --version，能正常输出版本号即说明安装成功。(หลังจากติดตั้งเสร็จสิ้น ให้ป้อน bun --version ในเทอร์มินัล หากสามารถแสดงหมายเลขเวอร์ชันได้ตามปกติ แสดงว่าการติดตั้งสำเร็จ)### 2. โคลนโปรเจกต์และติดตั้ง Dependencies
หลังจากโคลนที่เก็บโปรเจกต์แล้ว ให้เข้าไปในไดเรกทอรีโปรเจกต์ จากนั้นใช้ Bun เพื่อติดตั้ง Dependencies ที่โปรเจกต์ต้องการ:
git clone https://github.com/virattt/dexter.git cd dexter bun install
3. กำหนดค่า Environment Variables
นี่เป็นขั้นตอนสำคัญในการรัน Dexter โปรเจกต์ได้เตรียมไฟล์เทมเพลต Environment Variables ไว้แล้ว เราเพียงแค่คัดลอกเทมเพลตเพื่อสร้างไฟล์คอนฟิกูเรชัน จากนั้นแก้ไขตามความต้องการของเราเอง:
cp env.example .env จากนั้นแก้ไขไฟล์ .env ที่สร้างขึ้น คีย์ API ที่ต้องกำหนดค่าหลักๆ แบ่งออกเป็น 3 ประเภท:
- API Key ของผู้ให้บริการโมเดลขนาดใหญ่ ได้แก่ OpenAI, Anthropic, Google, xAI, OpenRouter เป็นต้น (เช่น OPENAI_API_KEY) สามารถกำหนดค่าตามโมเดลขนาดใหญ่ที่คุณใช้
- Financial Datasets API Key ใช้สำหรับเรียกข้อมูลตลาดการเงินและข้อมูลทางการเงินระดับสถาบัน ซึ่งเป็นการกำหนดค่าหลักในการวิเคราะห์ทางการเงินอย่างมืออาชีพ แนะนำให้กำหนดค่า ที่อยู่สำหรับรับ: https://financialdatasets.ai/
- API Key ที่เกี่ยวข้องกับการค้นหาทางอินเทอร์เน็ต ได้แก่ Exa, Tavily ใช้สำหรับเพิ่มขีดความสามารถในการค้นหาทางอินเทอร์เน็ตของเอเจนต์อัจฉริยะ เป็นการกำหนดค่าเพิ่มเติม ที่อยู่สำหรับรับ: https://exa.ai/
หากต้องการใช้ Ollama ที่ปรับใช้ในเครื่อง ให้กำหนดค่าในไฟล์:
OLLAMA_BASE_URL=http://127.0.0.1:11434
4. เริ่มต้น Dexter
หลังจากกำหนดค่า Environment Variables เสร็จแล้ว ให้รันคำสั่งเริ่มต้นในเทอร์มินัลโดยตรง:
bun start จากนั้นจะเข้าสู่ส่วนต่อประสาน CLI แบบโต้ตอบของ Dexter ในส่วนต่อประสาน ให้ป้อนคำถามที่เกี่ยวข้องกับการวิจัยทางการเงิน แล้วมันจะวางแผนและดำเนินการขั้นตอนการวิเคราะห์ที่สมบูรณ์โดยอัตโนมัติ
หากเป็นการพัฒนาหรือแก้ไขข้อบกพร่อง สามารถใช้โหมด Hot Reload เพื่อเริ่มต้น:
bun dev
5. การประเมินและแก้ไขข้อบกพร่อง
สำหรับผู้ใช้ที่มีความต้องการขั้นสูง Dexter มีเครื่องมือประเมินเฉพาะในตัว ซึ่งสามารถใช้ทดสอบความสามารถในการวิเคราะห์ของเอเจนต์อัจฉริยะได้ สามารถรันขั้นตอนการประเมินที่สมบูรณ์ หรือสุ่มตัวอย่างเพื่อทำการทดสอบ:
bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter จะบันทึกกระบวนการวิเคราะห์ การเรียกใช้เครื่องมือ และผลลัพธ์กลางทั้งหมดโดยอัตโนมัติในไดเรกทอรีนี้:
.dexter/scratchpad/ สามารถใช้ไฟล์ภายใต้ไดเรกทอรีนี้เพื่อทำการทบทวนกระบวนการวิจัยและแก้ไขข้อบกพร่องของโปรเจกต์
Vertical Agent คือจุดสนใจหลักในระยะต่อไป
General Agent จะพัฒนาต่อไป แต่เอเจนต์อัจฉริยะที่ "ใช้งานได้ดี" อย่างแท้จริง จะต้องขุดลึกลงไปใน Vertical Domain
Dexter เป็นตัวอย่างทั่วไป มันไม่ได้พยายามครอบคลุมทุกด้าน แต่เน้นไปที่การวิจัยทางการเงิน ทำให้แหล่งข้อมูล ขั้นตอนการวิเคราะห์ และกลไกการตรวจสอบมีความลึกซึ้งที่อยู่โปรเจกต์: https://github.com/virattt/dexter
