Dexter 使用指南：复杂金融研究问题如何被自动拆解成可执行步骤

Dexter 使用指南：复杂金融研究问题如何被自动拆解成可执行步骤

【免费下载链接】dexterAn autonomous agent for deep financial research项目地址: https://gitcode.com/GitHub_Trending/dexter19/dexter

把"这家公司估值合不合理"这类大问题直接丢给大模型，你多半只能收到几句没有数据、没有出处的套话。Dexter 是一个开源金融研究智能体：它把复杂问题自动拆成可执行的研究步骤，自己抓取实时财务数据，再检查自己的工作，最后才给出答案。本文带你从源码层面走一遍这条"提问→取数→作答"的路径。

为什么复杂金融问题，直接问大模型总差口气

你晚上翻财报，想搞清楚特斯拉上季度现金流到底健康不健康。打开聊天框问一句，回来的是"品牌力强、但竞争激烈"之类的三行字，没有一个数字，也没有一个出处。

问题在于：金融答案必须落在数据上，而模型不知道数据在哪。你得自己去终端拉财报、自己算比率、自己找同行对照。这些脏活，正是 Dexter 想替你干的部分。

那它是怎么干成的？答案在一个循环里。

核心循环：智能体是怎么想一步做一步的 🔁

大白话讲，Dexter 的核心是一个智能体循环（Agent Loop，即模型"想一步、做一步、再看结果"的反复过程）。分三步看：

输入：你发一句问题。系统先给模型拼好"开场简报"——系统提示词、历史对话、你这句提问，同时为这次提问开一个 scratchpad（草稿板），一个只增不改的记录文件，后面每次工具调用都记进去。

处理：模型判断"我是否还缺数据"。缺，就发起工具调用（tool call，即模型告诉程序"去取这份数据"，程序执行并把结果写回对话）。系统执行这些调用，把结果追加回对话。

输出：模型认为数据够了，就不再调工具，它的回复就是最终答案。

主循环就在 Agent 类 里：

// src/agent/agent.ts 主循环（节选简化） while (ctx.iteration < this.maxIterations) { const mc = microcompactMessages(messages); // 1. 清理上下文 const response = await this.callModel(messages); // 2. 让模型想一步 if (!hasToolCalls(response)) { // 3. 无工具调用 = 最终答案 yield* this.handleDirectResponse(responseText, ctx); return; } const { toolMessages } = await this.executeTools(response, ctx); // 4. 执行工具 messages.push(...toolMessages); }

整个过程默认最多跑 10 轮。到点就停，并说明原因，不会无限转圈。

循环只是骨架，真正的难点在三个细节上。

关键能力拆解：拆任务、压上下文、防跑偏 🧩

任务怎么拆：工具表就是行动清单

Dexter 没有单独的"规划"模块，它拆任务靠的是看工具清单。工具注册表 里登记着 get_financials（财务报表）、get_market_data（行情与新闻）、read_filings（SEC 文件）、stock_screener（选股筛选）这些金融工具，每个工具还带一个"能否并发"标记。

模型看到问题后从这张清单里挑：先取什么数、再取什么数，一个复杂问题就这样变成一串工具调用，不需要你事先写计划。

上下文怎么压：三层防线防过载

一次工具结果动辄几万字符，模型窗口装不下这么多。Dexter 布了三层防线：第一层，超过 5 万字符的结果先落盘，上下文里只留 2000 字符预览加文件路径，见大结果持久化；第二层，每轮对话做一次轻量裁剪，把过老的只读工具结果清掉腾位置；第三层，当上下文逼近阈值，调一个快速模型把所有结果压缩成一份结构化"研究进度纪要"，关键数字一个不落，接着干，见压缩模块。

怎么防跑偏：软限额而不是硬拦截

你可能会问：模型要是不停取数，会不会一直转？答案是 scratchpad 里的软限额。

它把每次工具调用记成 JSONL 文件，同时做软限制统计：每个工具默认最多调 3 次；发现你在重复几乎相同的参数，就往提示词里注入一条提醒，让模型自己意识到"该停手了"。

提醒而不是拦截，给模型留了自我纠正的余地。再叠加 10 轮迭代上限，"无限取数"这种死循环基本被堵死了。

原理讲完，看看它在真实任务里怎么跑。

实战走查：一句估值问题背后的三轮调用

举个例子，你输入："NVDA 现在的估值合理吗？对比一下同行。"

第一轮：模型先用 get_financials 拉 NVDA 最新财报，同时并发起 get_market_data 取行情——只读工具可以并行跑，一步顶两步。

第二轮：它发现缺同行数据，用 stock_screener 或 web_search 补一列同业估值倍数。此时上一轮的大结果开始被裁剪：microcompact 把最老的内容清成占位标记，窗口腾出来了。

第三轮：数据够了，模型停止调用工具，直接输出答案：用了哪些估值倍数、对照了哪些数据、结论是什么，一次讲清。

你最终拿到两样东西：一份带数字和来源的回答；外加.dexter/scratchpad/里一个 JSONL 文件，完整记录每次工具调用和摘要。想核对某一步的算法，翻它就行。

想自己跑一遍的话，配置并不复杂。

快速上手：三步跑通 Dexter ⚡

git clone https://gitcode.com/GitHub_Trending/dexter19/dexter cd dexter && bun install cp env.example .env # 填上密钥 bun start

细节见 README。提醒一句：.env 里至少填好 LLM 密钥（如 OPENAI_API_KEY）和 FINANCIAL_DATASETS_API_KEY，行情数据全靠后者，缺了工具集就是空的。

Dexter 的价值不在于它替你说出答案，而在于"问题→数据→结论"这条链路全程留痕、可复查。做 Agent 开发的话，值得把 src/agent/ 下的循环与压缩逻辑完整读一遍；做研究的话，clone 下来填好密钥，把你的第一个问题丢给它。

【免费下载链接】dexterAn autonomous agent for deep financial research项目地址: https://gitcode.com/GitHub_Trending/dexter19/dexter