Dexter 智能体 完整教程

Dexter是一个开源的金融研究AI智能体 (由virattt开发),能够自动进行金融任务规划、数据获取、分析和报告生成,目前有TypeScript和Python两个版本(Python版本已标记为legacy)。本教程将详细介绍其安装、配置和使用方法。

一、核心功能与架构

Dexter基于多智能体架构构建,具备以下核心能力:

  • 智能任务规划:自动将复杂金融问题分解为结构化的研究步骤
  • 自主执行:选择合适工具(如Financial Datasets API、Tavily搜索)采集财务数据
  • 自我验证:持续检查与迭代工作成果,确保分析准确性
  • 多LLM支持 :兼容OpenAI、Anthropic、Google、xAI(Grok)和OpenRouter等 providers

二、环境准备

2.1 安装依赖工具

Dexter当前推荐使用TypeScript版本,需要安装:

工具 安装命令 适用系统
Bun `curl -fsSL https://bun.com/install bash`
Bun `powershell -c "irm bun.sh/install.ps1 iex"`
Git git-scm.com下载安装 全平台

2.2 获取API密钥(必需)

API名称 获取地址 用途
OpenAI API platform.openai.com 核心LLM能力
Financial Datasets API financialdatasets.ai 金融数据获取
Tavily API tavily.com 网络搜索增强

可选API:Anthropic、Google、xAI、OpenRouter等

三、安装与配置步骤

3.1 安装TypeScript版本(推荐)

bash 复制代码
# 克隆仓库
git clone https://github.com/virattt/dexter.git
cd dexter

# 安装依赖
bun install

# 配置环境变量
cp env.example .env
# 编辑.env文件,填入API密钥
nano .env  # Linux/Mac
notepad .env  # Windows

3.2 安装Python版本(Legacy)

bash 复制代码
# 克隆仓库
git clone https://github.com/virattt/dexter.git
cd dexter/legacy

# 安装依赖(推荐使用uv)
pip install uv
uv sync

# 配置环境变量
cp env.example .env
# 编辑.env文件,填入API密钥

四、启动与使用

4.1 启动Dexter

版本 启动命令 模式
TypeScript bun start 交互式模式
TypeScript bun dev 开发模式(自动重载)
Python uv run dexter-agent 交互式模式

启动后会进入命令行界面,你可以开始提问。

4.2 常用查询示例

复制代码
# 基本财务分析
What was Apple's revenue growth over the last 4 quarters?
Compare Microsoft and Google's operating margins for 2023

# 现金流分析
Analyze Tesla's cash flow trends over the past year

# 投资组合建议
Recommend a portfolio of tech stocks based on P/E ratio and growth rate

4.3 使用本地LLM(Ollama)

如果不想使用云服务API,可以配置Ollama:

  1. 安装Ollama:ollama.com

  2. 下载模型:ollama pull llama3

  3. 在.env文件中设置:

    USE_OLLAMA=true
    OLLAMA_MODEL=llama3

五、高级配置与自定义

5.1 配置LLM提供者

在.env文件中可以指定多个LLM提供者:

复制代码
# 主LLM提供者
LLM_PROVIDER=openai  # 可选: anthropic, google, xai, openrouter, ollama

# 对应API密钥
OPENAI_API_KEY=your_key
ANTHROPIC_API_KEY=your_key  # 可选

5.2 自定义智能体行为

Dexter的智能体行为由src/agents目录下的代码控制,你可以:

  1. 修改提示词模板,调整智能体的分析风格
  2. 添加新的工具,扩展数据获取能力
  3. 调整任务规划逻辑,优化复杂问题处理流程

详细信息请参考项目的AGENTS.md文件

六、常见问题解决

  1. API密钥错误:检查.env文件中的密钥是否正确,确保没有多余空格
  2. 依赖安装失败:更新Bun或uv到最新版本,或尝试使用npm/yarn替代
  3. 金融数据获取失败:确认Financial Datasets API有足够的配额
  4. 本地模型性能差:尝试使用更大的模型(如llama3:70b)或调整温度参数

七、总结

Dexter智能体为金融研究提供了强大的自动化能力,通过简单的配置即可快速上手。无论是个人投资者还是金融分析师,都可以利用它提升研究效率,获取更深入的市场洞察。

项目持续更新中,建议定期查看GitHub仓库获取最新功能和修复信息。

需要我根据你的系统(Windows/macOS/Linux)和偏好的版本(TypeScript/Python),提供一份可直接复制执行的精简安装与配置命令清单吗?

相关推荐
顾城猿19 小时前
NLP入门
人工智能·自然语言处理
独隅19 小时前
将MAE模型从PyTorch无缝迁移到TensorFlow Lite的完整实践指南
人工智能·pytorch·tensorflow
HackTorjan19 小时前
AI图像处理的核心原理:深度学习驱动的视觉特征提取与重构
图像处理·人工智能·深度学习·django·sqlite
梦梦代码精20 小时前
从工程视角拆解 BuildingAI:一个企业级开源智能体平台的架构设计与实现
人工智能·gitee·开源·github
supericeice20 小时前
复杂项目管理如何用好大模型:RAG、知识图谱与AI编排的落地框架
人工智能·知识图谱
AI机器学习算法1 天前
深度学习模型演进:6个里程碑式CNN架构
人工智能·深度学习·cnn·大模型·ai学习路线
Ztopcloud极拓云视角1 天前
从 OpenRouter 数据看中美 AI 调用量反转:统计口径、模型路由与多云应对方案
人工智能·阿里云·大模型·token·中美ai
AI医影跨模态组学1 天前
如何将深度学习MTSR与膀胱癌ITGB8/TGF-β/WNT机制建立关联,并进一步解释其与患者预后及肿瘤侵袭、免疫抑制的生物学联系
人工智能·深度学习·论文·医学影像
搬砖的前端1 天前
AI编辑器开源主模型搭配本地模型辅助对标GPT5.2/GPT5.4/Claude4.6(前端开发专属)
人工智能·开源·claude·mcp·trae·qwen3.6·ops4.6
Python私教1 天前
Hermes Agent 安全加固与生态扩展:2026-04-23 更新解析
人工智能