AI 金融分析三步流水线：Dexter 如何把复杂问题拆成可执行计划

AI 金融分析三步流水线：Dexter 如何把复杂问题拆成可执行计划

【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"评估特斯拉 2024 年 Q3 财务健康"这类问题抛给 Dexter 这个开源自主智能体，它不会直接甩一个答案——而是先把问题拆开：取数、算指标、对比同业，再整理出结论。这套任务分解的精髓，是一条不断重复的三步流水线。本文带你从代码层面走一遍它的运行方式。

🔁 运行原理一句话：智能体就像坐在工位上的分析师

先抛开代码，说说 Agent Loop（智能体循环，即"思考→行动→总结"反复跑的闭环）。Dexter 干活的方式很像一位金融分析师：先查资料，再核对数据够不够，整理一下看过的东西，最后给出结论。"查资料"就是调工具，"整理"就是把结果压成摘要，"给结论"就是最终回答。

关键在于：每一轮循环结束，模型自己决定下一步——觉得数据还不够，就再调一次工具，进入下一轮；觉得够了，就停掉循环，输出答案。没有人为写死的分支逻辑，"该不该继续"由模型实时判断。

🧩 三步流水线：复杂问题被一层层拆开

① 工具映射：什么问题调什么工具

为什么需要：金融问题的信息需求五花八门——基本面、行情、财报，不可能指望模型"凭感觉"乱查。得先让模型知道自己手里有什么牌。

怎么实现：src/tools/registry.ts 里的getToolRegistry()把所有工具注册在一个地方，每个工具都带一段描述（做什么、什么时候用）：get_financials管财务报表，get_market_data管股价和新闻，read_filings管 SEC 文件。用户问估值，模型自己挑get_financials；问行情，挑get_market_data。映射靠描述驱动，而不是写死的 if-else。

② 摘要压缩：原始数据不全量塞进上下文

为什么需要：一份完整财报动辄上万 token，如果每次工具结果都原样塞进上下文，几轮之后窗口就爆了，分析进行不下去。必须"留重点、扔冗余"。

怎么实现：先总结，再继续。src/agent/compact.ts 会调一个快速模型，把已经积累的各次工具结果压成一份结构化摘要——原始问题、关键数字、还缺哪些数据——后续轮次里用这份摘要替换原始结果。文件里的注释说得很直白：与其丢掉旧工具结果（信息永久丢失），不如让快速 LLM 把它们总结掉。换句话说，模型永远基于"关键信息"推理，而不是原始数据堆。

③ 迭代熔断：maxIterations 上限怎么兜底

为什么需要：万一模型一直觉得"数据还不够"呢？不设上限，它可能无限取数、无限循环，那就是失控的 API 账单和卡死的过程。熔断机制给整个过程一个"下班时间"。

怎么实现：一个常量和一个 while 条件：

const DEFAULT_MAX_ITERATIONS = 10;

这个常量配合 src/agent/agent.ts 主循环里的while (ctx.iteration < this.maxIterations)，到了上限就强制停手，并如实汇报"未能在限定步数内完成"。上限是可配置的——定时任务场景设 6，主交互流程给 10。

📊 案例走查：特斯拉 2024 Q3 财务健康是怎么一步步得出的

假设你问"评估特斯拉 2024 年 Q3 的财务健康状况"，整个过程沿这条时间线推进：

这里有两个细节值得注意。先说第 3 步：模型不自己算数，它拿工具返回的数字做比率推导；再说第 4 步：如果它觉得对比不充分，会再发起一轮工具调用——这正是 Agent Loop 里"迭代"二字的体现。到了第 5 步，如果上下文已经涨得较大，压缩机制会介入，先把前面的结果压成摘要，再落笔写结论。

🧭 实现要点速览

想读源码的话，最值得一看的是 src/agent/agent.ts 的核心循环——一句话：每轮先调模型，有工具调用就执行并把结果塞回去，没有工具调用就认为完工、给出答案：

while (ctx.iteration < this.maxIterations) { const response = await callModel(messages); if (!hasToolCalls(response)) return finalAnswer; // 无工具调用即完成 const toolMessages = await executeTools(response); messages.push(...toolMessages); // 结果回填，进入下一轮 }

循环里还配了一个 Scratchpad（scratchpad，字面意思"草稿本"）：把本次运行每次工具调用和结果都落到磁盘，方便随时复盘它到底做了什么。把工具描述拼进指令的系统提示则放在 src/agent/prompts.ts。循环、工具清单、压缩逻辑这三块，就是任务分解的完整骨架。

🛠 上手与注意事项

三步跑起来：

git clone https://gitcode.com/GitHub_Trending/dexter19/dexter cd dexter && bun install # 按 env.example 在 .env 里填好 API key，然后 bun start

最后说句实话：maxIterations 上限意味着复杂问题最多只有十来轮挖掘，数据没取全时它可能直接认输；行情与财务数据的准确性则取决于上游 API，输出仅供研究参考，别拿去当真实交易的依据。

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