1. 项目定位与用途
Dexter 是一个专为金融研究领域设计的自主 AI 代理系统,基于 Bun 运行时构建。其核心定位是作为智能研究助手,能够自动处理复杂的金融分析任务,将自然语言查询转化为结构化的研究计划并执行。主要用途包括自动化财务分析、投资研究、公司估值、市场趋势分析等,通过集成实时市场数据和多种 LLM 能力,为用户提供数据驱动的研究报告和决策支持。
Dexter 是基于 Bun 运行时的自主 AI 金融研究代理,可自动分解复杂金融问题、执行实时市场数据分析并生成数据支持的研究报告。适用于财务分析、投资研究等场景,本页提供详细安装步骤、使用方法、技术架构及常见问题解答。
Dexter 是一个基于 Bun 运行时的自主 AI 金融研究代理,能够自动将复杂金融问题分解为结构化研究步骤,执行实时市场数据分析,并通过自我验证迭代生成数据支持的研究报告,显著减少人工财务分析工作量。
Dexter 是一个专为金融研究领域设计的自主 AI 代理系统,基于 Bun 运行时构建。其核心定位是作为智能研究助手,能够自动处理复杂的金融分析任务,将自然语言查询转化为结构化的研究计划并执行。主要用途包括自动化财务分析、投资研究、公司估值、市场趋势分析等,通过集成实时市场数据和多种 LLM 能力,为用户提供数据驱动的研究报告和决策支持。
Dexter 解决了金融研究中手动处理复杂查询效率低下的核心问题。传统金融研究需要分析师花费大量时间收集数据、执行计算、验证结果,而 Dexter 通过自主任务规划、工具自动选择、执行与自我验证的完整循环,实现了研究流程的自动化。系统能够处理多步骤的复杂查询,自动分解任务、选择合适的数据源和分析方法,并通过迭代优化确保结果质量,显著减少人工工作量同时提高分析的系统性和可靠性。
Dexter 适用于多种金融研究场景:财务分析师可使用它进行公司财务健康评估和报表分析;投资研究员可借助它进行股票估值、行业研究和投资组合分析;量化交易员可用来监控市场动态和生成交易信号;企业财务部门可自动化财务报告生成。具体应用包括 DCF 估值、现金流分析、比率计算、竞争对比、趋势预测等。系统还支持通过 WhatsApp 通道接收查询,适合移动场景下的快速研究需求。
Dexter 的安装需要以下步骤:首先确保已安装 Bun 运行时(v1.0 或更高版本),可通过官方脚本安装;然后克隆仓库到本地:git clone https://github.com/virattt/dexter.git 并进入目录;接着执行 bun install 安装所有依赖,此过程会自动通过 postinstall 脚本安装 Chromium(用于浏览器自动化);最后复制环境变量模板:cp env.example .env,并在 .env 文件中添加所需的 API 密钥,包括 OpenAI API Key(必需)、Financial Datasets API Key(必需)以及可选的 Exa API Key(用于网络搜索)。
安装配置完成后,可通过以下方式使用 Dexter:交互模式下运行 bun start 启动主应用,输入金融问题即可开始研究;开发模式下使用 bun dev 启用热重载;运行评估套件使用 bun run src/evals/run.ts,可添加 --sample 参数进行抽样测试;通过 WhatsApp 集成需先运行 bun run src/gateway/index.ts login 完成登录,然后使用网关命令管理;调试时可查看 .dexter/scratchpad/ 目录下的 JSONL 日志文件,记录所有工具调用和代理思考过程。系统还支持斜杠命令,如 /model 切换模型、/memory 查看记忆、/clear 清除对话等。
Dexter 采用模块化分层架构设计,核心模块包括:agent(代理引擎与任务规划)、tools(工具执行系统,支持浏览器自动化、fetch、文件系统等)、memory(混合记忆存储,集成 SQLite 向量数据库、嵌入模型和 MMR 优化)、skills(专业技能系统,支持 DCF 估值等模块化技能)、gateway(多通道网关,当前支持 WhatsApp)、evals(评估套件与 LangSmith 集成)。技术栈上,使用 TypeScript 编写,通过 LangChain 抽象层支持多种 LLM 提供商(OpenAI、Anthropic、Google、Ollama 等),采用 React 构建前端 UI,使用 better-sqlite3 进行本地数据存储,并集成 playwright 实现浏览器自动化。系统内置安全机制,包括循环检测和步骤限制,防止执行失控。
Dexter 是一个基于 Bun 运行时的自主 AI 金融研究代理,能够自动将复杂的金融问题分解为结构化研究步骤,执行实时市场数据收集与分析,通过自我验证迭代生成数据支持的研究报告,适用于财务分析、投资研究、公司估值等场景。
安装 Dexter 需要:1) Bun 运行时(v1.0+);2) OpenAI API 密钥(必需);3) Financial Datasets API 密钥(必需,用于实时市场数据);4) 可选:Exa API 密钥(用于网络搜索)、Anthropic/Google API 密钥(用于切换 LLM 提供商)。
安装配置完成后,执行 bun start 启动交互模式,输入金融问题即可开始研究;开发模式使用 bun dev。系统会自动进行任务规划、工具选择、数据收集和分析,最终生成研究报告。也可通过 WhatsApp 通道接收查询,需先运行 bun run src/gateway/index.ts login 完成登录。
Dexter 通过 LangChain 集成支持多种 LLM 提供商,包括 OpenAI(GPT 系列)、Anthropic(Claude)、Google(Gemini)、Ollama(本地模型)以及通过 OpenRouter 接入的多个模型。用户可通过斜杠命令 /model 在运行时动态切换模型。
Dexter 会记录所有工具调用和代理思考过程到 .dexter/scratchpad/ 目录下的 JSONL 文件,每个查询生成一个独立日志文件。可通过查看这些日志了解代理的决策过程、工具使用情况和中间结果,便于调试和优化研究流程。同时系统提供调试面板 UI 和 LangSmith 集成进行高级跟踪。