金融研究智能体如何把模糊的财务问题变成有数据支撑的答案Dexter 完整实操【免费下载链接】dexterAn autonomous agent for deep financial research项目地址: https://gitcode.com/GitHub_Trending/dexter19/dexter当你要同时拉取三家公司的季度财报、横向对比营收增速、利润率和现金流时通常要在一套数据商 API、几个终端和一张表格里来回切换。Dexter 是一个开源的金融研究智能体你用自然语言提问它负责把问题拆解、调用金融数据工具、阅读 SEC 文件最后给出带数据来源的结论。下面按提问 → 数据获取 → 结果验证的链路看它实际是怎么工作的。从自然语言到工具调用金融研究智能体如何理解你的问题这一步解决的是模糊。你不需要输入股票代码或指标名直接问苹果公司过去 5 年的营收增长情况即可。在路由工具 src/tools/finance/get-financials.ts 内部LLM 会先完成两件事把苹果解析为 AAPL把过去 5 年转成报告期过滤条件年度 limit 5。随后按数据类型分流——问利润走损益表问债务走资产负债表问现金流走现金流量表问估值走关键比率涉及多家公司对比时则对每个代码各调一次同一工具。你只出题目翻译和选工具交给这一层路由完成。数据从哪来模块化金融数据工具的设计问题理解之后下一个问题是数据本身。全部金融工具集中在 src/tools/finance/按数据域拆分行情与市场单日价格快照、历史价格走势、加密货币价格、公司新闻基本面三张报表、关键比率市盈率、ROE、利润率、业务分部持股结构内部人交易、13F 机构持仓、13D/13G 受益所有权筛选按市盈率、增速等条件批量筛选股票每次调用返回结构化 JSON 并附带 sourceUrls意味着每个结论背后都可以追溯数据来源而不是模型编出来的数字。读 10-K从 SEC 文件中提取关键信息的流程深度研究绕不开文件原文。read_filings 工具是一条两段式 LLM 工作流第一段用结构化输出产出检索计划——代码、文件类型10-K/10-Q/8-K、数量上限第二段拿到文件清单后按你实际问的内容只取最小章节集比如风险因素只取 Item-1A、MDA只取 Item-7并限制最多精读 3 份文件。这样做避免了把数百 KB 的完整年报塞进上下文也避免了在无关内容里浪费 token。实现细节可参考 src/tools/finance/read-filings.ts。金融研究智能体的执行循环并行、上下文管理与迭代上限对比苹果和微软过去三年的营收增速和利润率这类多公司、多指标查询依赖 agent 循环里的三个机制src/agent/agent.ts并行调用只读工具在同一轮内并发执行两家公司的数据同时返回上下文压缩token 超过阈值时旧的工具结果会被摘要压缩长研究不会撑爆窗口迭代上限默认 10 轮未完成会明确告知无法完成而不是无限循环此外每次查询的工具调用都会记录到.dexter/scratchpad/下的 JSONL 文件里——原始结果和 LLM 的解读都在其中方便你复核 agent 到底用了哪些数据。上手路径四步跑起 Dexter克隆仓库git clone https://gitcode.com/GitHub_Trending/dexter19/dexter安装 Bun 运行时执行bun install复制env.example为.env填入OPENAI_API_KEY和FINANCIAL_DATASETS_API_KEY运行bun start直接在终端提问对研究者它把跨数据源对账和翻阅文件的时间还给了分析本身对开发者路由 工具注册 上下文压缩这套模式可以迁移到自己的领域 agent对普通用户你得到一个自带数据来源的财务问答无需学习任何 API。项目定位是学习与研究用途输出不构成投资建议。【免费下载链接】dexterAn autonomous agent for deep financial research项目地址: https://gitcode.com/GitHub_Trending/dexter19/dexter创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考