Dexter 循环拆解：复刻金融任务分解的 4 个关键点

Dexter 循环拆解：复刻金融任务分解的 4 个关键点

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

Dexter 是一款面向深度金融研究的自主智能体，它的任务分解核心，是 src/agent/agent.ts 里一个朴素的循环：问模型、跑工具、把结果塞回上下文，如此往复。本文沿一次完整调用，讲清写一个同类金融 Agent 前必须先想明白的四个决策。

提问前上下文里装了什么：工具注册表与提示词策略

大部分"拆解"不写在代码里，写在提示词里。循环启动前，系统提示词被注入三类内容：

• 工具注册表：src/tools/registry.ts 把全部工具列在一处——get_financials管财报、get_market_data管价格与新闻、read_filings管 SEC 文件、stock_screener管条件筛选。每条带 1~2 句compactDescription和一个concurrencySafe标记（能否并行）。注册表还按环境变量动态组装：配了 Exa 或 Tavily 的 key 才会出现web_search。
• 工具使用策略：写死在 src/agent/prompts.ts 的系统提示词里，最硬的一条是"调 get_financials 时把完整自然语言问题一次发出，不要拆成多次调用"——它直接决定模型是拆解得当还是狂刷调用。
• 用户规则：.dexter/RULES.md与SOUL.md存在即注入，个人研究习惯对每次提问生效。

模型选哪个工具并非算法匹配，而是读着工具说明自主决定。想改拆解习惯，从这层下手。

主循环体是 while 不是 for：四个细节

主循环骨架很薄：

while (ctx.iteration < this.maxIterations) { microcompactMessages(messages); // 先做轻量裁剪 const response = await this.callModel(messages); if (!hasToolCalls(response)) { // 无工具调用 = 回答完毕 return this.handleDirectResponse(response); } const { toolMessages } = await this.executeTools(response); // 只读工具并行 toolMessages = enforceResultBudget(toolMessages); // 单轮预算 messages.push(response, ...toolMessages); // 塞回上下文 }

四件事容易被忽略：

1. 终止条件双保险：模型不再调用工具，或轮数跑满，二者居其一。没有"任务完成"状态机，代码信任模型自己收手——朴素，也是最可能失控的点。
2. 工具执行支持并行：只读工具一轮里同时跑，写操作与需审批的工具串行。
3. 每轮先过一遍 microcompact，下一节细说。
4. 运行期间用户可继续发消息：循环每轮末尾排空队列并入上下文，追问不必等整轮结束。

工具结果回来后，为什么不能原样进上下文

金融工具单次返回可能几百 KB，原始数据直接入上下文，第三轮就爆。代码按代价从低到高分三层处理：

• 大结果落盘：超阈值的工具结果经persistLargeResult写入磁盘，上下文只留预览和文件路径，模型需要时再用read_file取段落。
• microcompact（src/agent/microcompact.ts）：旧工具结果超过 8 条或估算 token 超 8 万时，把较早的替换为占位符，只留最近 4 条。纯字符串操作，不调 LLM，成本接近零。
• 全量 compact（src/agent/compact.ts）：仍超阈值才调用快模型，把所有结果归纳为九段式摘要——原始问题、已取数据、全部数字、未完成项、建议下一步。提示词反复强调"别丢任何数字"，金融分析里漏一个营收数，后面全错。

先清再总结，按需付费。

⏱️ 为什么默认 10 轮迭代，为什么每工具限 3 次

两个常量配合：DEFAULT_MAX_ITERATIONS = 10和 Scratchpad 的每工具 3 次调用上限。

10 是成本与完整的折中，中等问题通常 4~7 轮收尾。跑满时循环不抛错，而是发出done事件，明说"步数内没做完"，并交出全部工具调用记录。

更有意思的是 src/agent/scratchpad.ts。每个 query 开一个 JSONL 文件，init、thinking、tool_result 追加写入，落在.dexter/scratchpad/下。两个用途：调试回放，崩了也能还原全过程；防循环——Scratchpad 记录每个工具的调用次数与查询文本，达到 3 次、或新查询与旧查询的词语相似度超阈值时，不硬拦截，而是把软警告注入下一轮提示词："已调用 3 次，建议换工具或向用户说明数据缺口。"软警告而非硬封，因为第四次调用也可能合理，模型自己最清楚。

🧮 重放一次提问：ServiceNow 是不是高估了？

拿"NOW 是不是高估了？"走一遍这个循环：

1. 第 1 轮：模型并行调get_market_data与get_financials，各带完整自然语言问题——前者出价格、远期 P/E 与近期新闻，后者出近 4 年收入增速、经营利润率与 FCF。第一节"别拆调用"的策略在这里兑现。
2. 第 2 轮：发现需要管理层指引，read_filings取最新 10-Q 的 "Outlook" 段落，stock_screener拉几个 SaaS 同行对比。
3. 第 3 轮：同行差距太大，决定做估值，触发skill工具走 DCF 流程（步骤在 src/skills/dcf/）；子任务重就spawn_subagent交给隔离的子代理，主上下文保持干净。
4. 中途：工具结果已触发 microcompact，第 1 轮原始数据被清掉，只剩摘要里的关键数字。
5. 第 4 轮：不再调工具，输出结论——远期 P/E 高于五年均值、增速放缓、DCF 合理价低于现价，判定"略高估"。若 RULES.md 写了"引用数据必须标来源"，报告里每个数字都带工具调用记录。

全程 4~6 轮，离 10 还远。

想复刻这套循环，先读 src/agent/agent.ts 的 run 方法与 src/agent/prompts.ts 的提示词组装；然后执行git clone https://gitcode.com/GitHub_Trending/dexter19/dexter，按 README 与 env.example 填好模型和数据 API key，就能在 CLI 里提问，并到.dexter/scratchpad/目录回放每一轮。

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