通用Agent không còn hiệu quả? AI tài chính 15 nghìn Star này tự động hóa toàn bộ quy trình nghiên cứu đầu tư

Trong hai năm trở lại đây, xu hướng phát triển của AI Agent ngày càng rõ ràng, khả năng đại diện chung được hỗ trợ bởi các mô hình lớn đa năng ngày càng tăng cao.

Nhưng chỉ cần bước chân vào lĩnh vực chuyên môn, những "Agent vạn năng" này rất dễ lộ ra sự non nớt, nghiên cứu tài chính là một ví dụ điển hình nhất.

Việc phân tích logic của báo cáo tài chính, kiểm tra tính thống nhất của các chỉ số, xác minh tính xác thực của nguồn dữ liệu, khả năng tái tạo của kết luận nghiên cứu, đây đều là những yêu cầu cốt lõi của nghiên cứu tài chính, dựa vào một Agent thông thường cho các lĩnh vực, căn bản không thể giải quyết thực sự.

Cũng trong quá trình tìm kiếm các dự án mã nguồn mở, tôi đã phát hiện ra một dự án đã tích lũy được không ít tiếng tăm trong giới tài chính và cộng đồng nhà phát triển: Dexter, một Agent thông minh tự chủ được xây dựng dành riêng cho nghiên cứu tài chính chuyên sâu.

Không giống như các công cụ hỏi đáp tài chính thông thường, nó có thể tự phân tích các nhiệm vụ nghiên cứu, truy xuất dữ liệu chuyên nghiệp, thực hiện quy trình phân tích và có thể lặp đi lặp lại để xác minh kết quả nghiên cứu, có thể coi là một Agent thông minh thực sự được triển khai vào các tình huống nghiên cứu đầu tư tài chính, mức độ phổ biến và sức mạnh đều rất đáng gờm.

Không phải là "ChatGPT phiên bản tài chính"

Nếu AI tài chính thông thường giải quyết vấn đề "có thể đưa ra câu trả lời hay không", thì Dexter giải quyết vấn đề cốt lõi hơn trong nghiên cứu tài chính là "có thể nghiên cứu vấn đề một cách rõ ràng hay không".

Định vị của Dexter không phải là tạo ra một "ChatGPT phiên bản tài chính", mà là tái tạo quy trình nghiên cứu đầu tư tài chính thực tế.

Khi bạn đưa ra một câu hỏi nghiên cứu, chẳng hạn như:

• Phân tích sự thay đổi doanh thu của một công ty trong năm năm qua?
• So sánh cấu trúc định giá của hai ngành?
• Đánh giá chất lượng dòng tiền của một công ty?

Nó sẽ không trực tiếp đưa ra một đoạn văn kết luận, mà sẽ tuân theo logic nghiên cứu đầu tư chuyên nghiệp, trước tiên xác định mục tiêu nghiên cứu, sau đó đánh giá các chỉ số tài chính cốt lõi cần thiết để hoàn thành nghiên cứu, sau đó sàng lọc các nguồn dữ liệu chuyên nghiệp phù hợp, và cuối cùng từng bước thực hiện phân tích, xác minh dữ liệu, bổ sung thông tin.

Toàn bộ quá trình nghiên cứu có cấu trúc, có thể truy nguyên nguồn gốc, thay vì dựa vào mô hình lớn để "tạo" ra câu trả lời một cách duy nhất.

Nguồn dữ liệu chuyên nghiệp là nền tảng của nó

Hạn chế dưới cùng của phân tích tài chính luôn phụ thuộc vào chất lượng dữ liệu.

Dexter có thể trực tiếp kết nối với các nguồn dữ liệu tài chính cấp tổ chức, bao gồm các dữ liệu cốt lõi như bảng doanh thu, bảng cân đối kế toán, báo cáo lưu chuyển tiền tệ, v.v.

Đây không phải là một thao tác thu thập dữ liệu trang web đơn giản, mà là một hệ thống dữ liệu được tổ chức xung quanh cấu trúc tài chính chuyên nghiệp.

Nhiều Agent thông thường gặp vấn đề ở chỗ: logic có thể không có vấn đề, nhưng nguồn dữ liệu không rõ ràng, tiêu chuẩn không thống nhất, và cuối cùng kết luận không thể đứng vững.

Dexter coi nguồn dữ liệu là khả năng cốt lõi từ cấp độ thiết kế, thay vì một chức năng bổ sung. Đây là một bước rất quan trọng đối với các tình huống nghiên cứu đầu tư.

Nó sẽ "tự kiểm tra chính mình"

Cơ chế tự xác minh của Dexter càng phù hợp với yêu cầu cao về tính chính xác trong lĩnh vực tài chính.

Trong toàn bộ quá trình phân tích, Dexter sẽ liên tục kiểm tra kết quả trung gian và kết luận cuối cùng, một khi phát hiện ra các lỗ hổng logic hoặc thiếu dữ liệu, nó sẽ tự động điều chỉnh các bước nghiên cứu và tiếp tục thực hiện cho đến khi hoàn thành nhiệm vụ nghiên cứu hoàn chỉnh.

Hỗ trợ mô hình

Khả năng tương thích của Dexter cũng rất linh hoạt, cho dù đó là các mô hình lớn trên đám mây như OpenAI, Anthropic, Google, xAI, OpenRouter, hay Ollama được triển khai cục bộ, đều có thể kết nối liền mạch, có thể chạy nhanh chóng trên đám mây và cũng có thể đáp ứng nhu cầu bảo mật của việc triển khai cục bộ.

Bắt đầu nhanh chóng

1. Chuẩn bị môi trường chạy

Dexter sử dụng Bun làm thời gian chạy, phiên bản chính thức yêu cầu là 1.0 trở lên, các phương pháp cài đặt khác nhau tùy theo hệ thống, khởi động lại thiết bị đầu cuối sau khi thao tác hoàn tất.

Hệ thống macOS / Linux có thể thực thi:

curl -fsSL https://bun.com/install | bashHệ thống Windows có thể thực thi:

powershell -c "irm bun.sh/install.ps1|iex"Sau khi cài đặt, nhập bun --version vào thiết bị đầu cuối, nếu có thể xuất ra số phiên bản bình thường, điều đó có nghĩa là cài đặt thành công.### Hai, Sao chép Dự án và Cài đặt Các Phụ thuộc

Sau khi sao chép kho lưu trữ dự án, hãy vào thư mục dự án và sử dụng Bun để cài đặt các phụ thuộc cần thiết cho dự án:

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

Ba, Cấu hình Biến Môi trường

Đây là bước quan trọng để chạy Dexter. Dự án đã cung cấp tệp mẫu biến môi trường, chúng ta chỉ cần sao chép mẫu để tạo tệp cấu hình, sau đó chỉnh sửa theo nhu cầu của mình:

cp env.example .env Sau đó chỉnh sửa tệp .env đã tạo, các API Key cốt lõi cần cấu hình chủ yếu được chia thành ba loại:

• API Key của nhà cung cấp mô hình lớn: Bao gồm OpenAI, Anthropic, Google, xAI, OpenRouter, v.v. (ví dụ: OPENAI_API_KEY) có thể được cấu hình tương ứng theo mô hình lớn bạn sử dụng;
• Financial Datasets API Key: Được sử dụng để gọi dữ liệu thị trường tài chính và tài chính cấp tổ chức, là cấu hình cốt lõi để thực hiện phân tích tài chính chuyên nghiệp, nên cấu hình. Địa chỉ nhận: https://financialdatasets.ai/
• API Key liên quan đến tìm kiếm trên web: Bao gồm Exa, Tavily, được sử dụng để tăng cường khả năng tìm kiếm trên web của tác nhân thông minh, là cấu hình tùy chọn. Địa chỉ nhận: https://exa.ai/

Nếu bạn cần sử dụng Ollama được triển khai cục bộ, hãy cấu hình trong tệp:

OLLAMA_BASE_URL=http://127.0.0.1:11434

Bốn, Khởi động Dexter

Sau khi cấu hình biến môi trường, hãy thực hiện trực tiếp lệnh khởi động trong terminal:

bun start có thể vào giao diện CLI tương tác của Dexter. Nhập các câu hỏi liên quan đến nghiên cứu tài chính trong giao diện, nó sẽ tự động lên kế hoạch và thực hiện quy trình phân tích hoàn chỉnh.

Nếu sử dụng cho mục đích phát triển hoặc gỡ lỗi, bạn có thể sử dụng chế độ tải lại nóng để khởi động:

bun dev

Năm, Đánh giá và Gỡ lỗi

Đối với người dùng có nhu cầu nâng cao, Dexter tích hợp các công cụ đánh giá chuyên dụng, có thể kiểm tra khả năng phân tích của tác nhân thông minh, có thể chạy quy trình đánh giá hoàn chỉnh hoặc lấy mẫu ngẫu nhiên để kiểm tra:

bun run src/evals/run.ts bun run src/evals/run.ts --sample 10 Dexter sẽ tự động ghi lại tất cả các quy trình phân tích, lệnh gọi công cụ và kết quả trung gian vào thư mục này:

.dexter/scratchpad/ Thông qua các tệp bên dưới, bạn có thể hoàn thành việc xem xét quy trình nghiên cứu và gỡ lỗi dự án

Agent Dọc, Mới Là Trọng Tâm Của Giai Đoạn Tiếp Theo

Agent chung sẽ tiếp tục tiến bộ, nhưng tác nhân thông minh thực sự bắt đầu "dễ sử dụng" chắc chắn sẽ đào sâu trong các lĩnh vực dọc.

Dexter là một mẫu điển hình. Nó không cố gắng bao phủ tất cả các lĩnh vực, mà tập trung vào nghiên cứu tài chính, làm sâu sắc nguồn dữ liệu, quy trình phân tích và cơ chế xác minh.Địa chỉ dự án：https://github.com/virattt/dexter