Загальні агенти не працюють? Цей фінансовий AI з 15 тисячами зірок автоматизує весь процес інвестиційних досліджень
В останні два роки тенденція розвитку інтелектуальних агентів AI стає все більш чіткою, а загальні можливості агентів, підтримувані загальними великими моделями, постійно зростають.
Але як тільки ви потрапляєте в професійну сферу, ці "універсальні агенти" легко виявляють свою недосвідченість, і фінансові дослідження є найяскравішим прикладом.
Логіка розбору фінансової звітності, узгодження та перевірка показників, перевірка достовірності джерел даних, відтворюваність результатів дослідження – все це основні вимоги фінансових досліджень, і один інтелектуальний агент, який підходить для різних галузей, не може по-справжньому вирішити проблему.
Також під час перегляду проєктів з відкритим кодом я натрапив на проєкт, який завоював чимало репутації у фінансових колах і спільноті розробників: Dexter, автономний інтелектуальний агент, спеціально розроблений для глибоких фінансових досліджень.
На відміну від звичайних інструментів фінансових питань і відповідей, він може самостійно розбивати дослідницькі завдання, отримувати професійні дані, виконувати аналітичні процеси та неодноразово перевіряти результати дослідження, що вважається інтелектуальним агентом, який дійсно реалізований у сценаріях фінансових інвестицій і досліджень, і його популярність і сила дуже великі.
Не "фінансова версія ChatGPT"
Якщо звичайний фінансовий AI вирішує питання "чи може він дати відповідь", то Dexter вирішує більш важливе питання у фінансових дослідженнях "чи може він чітко дослідити проблему".
Dexter позиціонується не як "фінансова версія ChatGPT", а як відтворення реального процесу фінансових інвестицій і досліджень.
Коли ви ставите дослідницьке питання, наприклад:
- Проаналізуйте зміни доходів певної компанії за останні п'ять років?
- Порівняйте структури оцінки двох галузей?
- Оцініть якість грошових потоків певної компанії?
Він не дасть безпосередньо уривок тексту з висновками, а спочатку визначить дослідницьку мету відповідно до професійної логіки інвестицій і досліджень, потім визначить основні фінансові показники, необхідні для завершення дослідження, потім відбере відповідні професійні джерела даних і, нарешті, крок за кроком виконає аналіз, перевірить дані та доповнить інформацію.
Весь процес дослідження є структурованим і відстежуваним, а не "генерує" відповіді за допомогою великої моделі.
Професійні джерела даних – його основа
Нижня межа фінансового аналізу завжди залежить від якості даних.
Dexter може безпосередньо підключатися до фінансових джерел даних інституційного рівня, що охоплюють основні дані, такі як звіт про доходи, баланс і звіт про рух грошових коштів.
Це не просте захоплення вебсторінок, а система даних, організована навколо професійної фінансової структури.
Проблема багатьох загальних агентів полягає в тому, що логіка може бути правильною, але джерела даних розмиті, а показники не узгоджені, і, зрештою, висновок не може бути підтверджений.
Dexter розглядає джерела даних як основну можливість, а не як додаткову функцію з точки зору дизайну. Це дуже важливий крок для сценаріїв інвестицій і досліджень.
Він буде "сам себе перевіряти"
Механізм самоперевірки Dexter ще більше відповідає високим вимогам до точності у фінансовій сфері.
Протягом усього процесу аналізу Dexter постійно перевіряє проміжні результати та остаточні висновки. Якщо виявлено логічні прогалини або відсутні дані, він автоматично коригує етапи дослідження та продовжує виконання, доки не буде завершено повне дослідницьке завдання.
Підтримка моделей
Dexter також дуже гнучкий у сумісності. Незалежно від того, чи це хмарні великі моделі, такі як OpenAI, Anthropic, Google, xAI, OpenRouter, чи локально розгорнутий Ollama, їх можна безперешкодно підключати, що дозволяє швидко запускати їх у хмарі та задовольняти потреби конфіденційності локального розгортання.
Швидкий старт
I. Підготовка середовища виконання
Dexter використовує Bun як середовище виконання, офіційно потрібна версія 1.0 або вище. Спосіб встановлення для різних систем різний. Після завершення операції перезавантажте термінал.
Для систем macOS / Linux можна виконати:
curl -fsSL https://bun.com/install | bashДля систем Windows можна виконати:
powershell -c "irm bun.sh/install.ps1|iex"Після завершення встановлення введіть bun --version у терміналі. Якщо номер версії може бути виведений нормально, це означає, що встановлення пройшло успішно.### II. Клонування проєкту та встановлення залежностей
Після клонування репозиторію проєкту, перейдіть до каталогу проєкту та встановіть необхідні залежності за допомогою Bun:
git clone https://github.com/virattt/dexter.git cd dexter bun install
III. Налаштування змінних середовища
Це ключовий крок для запуску Dexter. У проєкті вже надано файл-шаблон змінних середовища. Нам потрібно скопіювати шаблон для створення файлу конфігурації, а потім відредагувати його відповідно до власних потреб:
cp env.example .env
Потім відредагуйте створений файл .env. Основні API Key, які потрібно налаштувати, поділяються на три категорії:
- API Key постачальника великої мовної моделі (LLM): включають OpenAI, Anthropic, Google, xAI, OpenRouter тощо. (наприклад, OPENAI_API_KEY). Можна налаштувати відповідно до великої мовної моделі, яку ви використовуєте;
- API Key для Financial Datasets: використовуються для отримання фінансових ринкових та фінансових даних інституційного рівня. Це основна конфігурація для професійного фінансового аналізу, тому рекомендується обов'язково налаштувати. Отримати за адресою: https://financialdatasets.ai/
- API Key, пов'язані з веб-пошуком: включають Exa, Tavily, використовуються для покращення можливостей веб-пошуку інтелектуального агента, є необов'язковою конфігурацією. Отримати за адресою: https://exa.ai/
Якщо вам потрібно використовувати локально розгорнутий Ollama, налаштуйте у файлі:
OLLAMA_BASE_URL=http://127.0.0.1:11434
IV. Запуск Dexter
Після завершення налаштування змінних середовища, просто виконайте команду запуску в терміналі:
bun start
Це дозволить увійти в інтерактивний CLI-інтерфейс Dexter. Введіть питання, пов'язані з фінансовими дослідженнями, і він автоматично спланує та виконає повний процес аналізу.
Для розробки або налагодження можна запустити в режимі гарячого перезавантаження:
bun dev
V. Оцінка та налагодження
Для користувачів з розширеними потребами Dexter має вбудований інструмент оцінки, який можна використовувати для тестування аналітичних можливостей інтелектуального агента. Можна запустити повний процес оцінки або випадково вибрати зразки для тестування:
bun run src/evals/run.ts bun run src/evals/run.ts --sample 10
Dexter автоматично записує всі процеси аналізу, виклики інструментів та проміжні результати в цей каталог:
.dexter/scratchpad/
За допомогою файлів у ньому можна завершити перегляд процесу дослідження та налагодження проєкту.
Вертикальний Agent - це основний акцент наступного етапу
Універсальні Agent продовжать розвиватися, але інтелектуальні агенти, які дійсно почнуть бути "корисними", обов'язково будуть глибоко занурені у вертикальні області.
Dexter є типовим зразком. Він не намагається охопити всі області, а зосереджується на фінансових дослідженнях, поглиблюючи джерела даних, процеси аналізу та механізми перевірки.Адреса проєкту: https://github.com/virattt/dexter
