企业官网建设流程全解析

用自然语言驱动金融研究：Dexter 如何把多轮数据搜集压缩成一句话

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

做过公司对比研究的人都有同一种体验：想看苹果和微软过去三年的营收变化，你得先打开行情网站查代码，再跳到财报数据库拉损益表，切到另一个页面看估值指标，中途还发现要手动确认季度区间对不对。十几个标签页来回切换，光"取数"就耗掉大半天，真正的分析反而没时间做了。

Dexter 就是为了解决这件事而生的。它是一个面向深度金融研究的 AI 智能代理，你用一句自然语言描述研究需求，它负责把查询拆解成研究步骤、自动调用对应的数据工具、核对结果，最后交给你一份有据可查的结论。本质上，它把"金融数据分析工具"里最枯燥的取数环节整个外包了出去。

🔍 场景一：一句话完成两家公司的基本面横评

假设你要回答"苹果和微软过去三年的营收增长率和利润率谁更稳？"。你只需要把这句话原样发给 Dexter。

接下来发生的事情是：

• 它先把"苹果""微软"自动解析成对应股票代码，把"过去三年"换算成具体的报告期范围；
• 随后同时向两边的损益表、利润指标发出数据请求——两家公司的查询是并行发出的，而不是排队等待；
• 拿到数据后按公司维度归拢，缺失或取错的部分会自动重试修正，直到它认为数据足够支撑回答。

你省下的是：两次股票代码查询、两次财报数据库操作、手动复制粘贴到表格里的对齐工作。原本大约一小时的数据准备，变成等一次回答的时间。这套"一句查询分派到多个专业工具"的路由逻辑，写在 src/tools/finance/get-financials.ts 里，覆盖了三大财务报表、盈利数据、关键比率与业务分部。

同样的入口也能处理行情侧的问题：股票实时快照、历史价格走势、加密货币价格、市盈率与市值等估值指标，都由平行的市场数据工具统一接住，你不需要区分"该去哪个数据源"。

📋 场景二：从上千页 SEC 披露里直接摘出答案

深度研究绕不开监管文件。问一句"亚马逊最近一次 10-K 里的风险因素提到哪些业务变化？"，传统流程是：登录披露数据库、按年份筛出年报、下载 HTML 或 PDF、在全文里 Ctrl+F 定位章节。

Dexter 的处理方式是两段式：第一段先规划——判断这个问题该查哪类文件（年报对应 10-K、季度结果对应 10-Q、重大事件对应 8-K）、锁定具体哪一份；第二段再精准取回你点名的章节，而不是把整份文件倒给你。比如它知道"风险因素"对应 10-K 的 Item 1A，"业务描述"对应 Item 1，会直接按章节名抓取。文件解析相关的工具位于 src/tools/finance/filings.ts。

对需要跟踪监管动态的研究者来说，这意味着"查文件"从检索工作变成了阅读工作——定位的功夫不再需要你花。

它是怎么听懂"含糊话"的

前面两个场景能成立，靠的是查询理解这一层。金融口语里充满机器难以直接使用的表述，Dexter 在路由前会做三类自动转换：

1. 公司名 → 股票代码："苹果"变成 AAPL，"微软"变成 MSFT，加密货币同理（如 Bitcoin → BTC），你不必背代码表；
2. 相对时间 → 精确报告期："去年"、"上季度"、"近五年"、"年初至今"会被换算成带起止条件的报告期过滤条件，避免你手工心算日期；
3. 模糊意图 → 文件类型：提到风险因素就指向 10-K，提到季度业绩就指向 10-Q，你不用自己分清披露文件的编号体系。

这些转换发生在调用模型（src/model/llm.ts 负责与各家大模型对接）之上的一层提示词工程里，效果是：提问门槛降到了"怎么说人话"的水平，而数据口径依然保持精确。

🚀 三步跑通：从克隆到提问

上手成本很低，整个流程三步：

1. 克隆仓库：git clone https://gitcode.com/GitHub_Trending/dexter19/dexter，安装依赖；
2. 参照env.example配置好 API 密钥（模型服务和金融数据源的密钥各填一项即可，本地模型也可接入）；
3. 启动后直接开始提问——用一句自然语言描述你的研究问题即可。

每次查询的完整工具调用轨迹都会落在本地记录里，你可以随时回看它取了哪些数据、如何解读，便于在正式采用结论前做人工校验。

写给谁，以及它替你省下了什么

如果你是职业分析师，Dexter 把报告前期"搭数据底稿"的时间压缩到接近零，让你把精力花在论证上；如果你是研究生或学生，它相当于一个随叫随到的数据助理，不用和十几个网站的界面搏斗；如果你只是个人投资者，它降低了读财报、查披露的入门门槛——问人话，拿结构化答案。

核心价值可以用一句话概括：金融研究里最不值钱的时间——翻网站、查代码、对齐口径——被一个会用自然语言对话的智能代理接管了。

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