[Github发现] Dexter – 自主式金融研究Agent，像资深分析师一样思考、计划、学习

做金融研究最费时的不是找数据，而是把一个复杂问题拆解成可执行的步骤、再逐个验证。手动搜财报、查新闻、比指标，一套下来半天没了。Dexter 把这个过程自动化了——你提一个金融问题，它自动拆解成研究步骤，调用实时市场数据，自我验证，直到得出一个有数据支撑的结论。

20.4k Stars，TypeScript/Bun 技术栈，MIT 许可证，定位是「像 Claude Code 一样工作的金融研究 Agent」。支持 WhatsApp 接入，可以像发消息一样问它问题。最新版本 2026.3.25，4 天前刚更新。

相关链接

• GitHub：https://github.com/virattt/dexter
• Financial Datasets：免费API（AAPL、NVDA、MSFT）
• Exa：Web搜索API（可选）

是什么

Dexter 是一个自主式金融研究 Agent，核心理念是把复杂金融问题转化为清晰的分步研究计划，然后用实时市场数据执行这些计划，检查自己的工作，不断迭代直到得出有把握的结论。

它不是简单的数据查询工具，而是一个真正会「思考」的研究助手——遇到复杂问题时，会自己拆解成多个子任务，选择合适的工具，验证中间结果，发现错误就重来。

技术栈为 TypeScript + Bun（现在是主版本，Python 已移至 /legacy），可对接 OpenAI、Anthropic、Google、X.AI、OpenRouter 等多种模型。也支持 Ollama 本地部署。

核心能力

智能任务规划

接收复杂金融问题后，Agent 自动将其分解为结构化的研究步骤。比如问「苹果公司未来 12 个月估值是否合理」，它会自动规划：先查收入报表、再查现金流、对比历史估值区间、查分析师预期、查宏观环境……不需要你手动一步步指示。

自主执行

根据任务需要，Agent 自主选择和执行合适的工具来获取金融数据。内置工具包括：收入报表查询、资产负债表查询、现金流量表查询等。还可以通过 Exa 或 Tavily 接入网络搜索获取新闻和外部信息。

自我验证

每个步骤完成后，Agent 会检查自己的结果是否可靠。如果发现数据不一致或逻辑有漏洞，会主动重新执行或换一种方法。这种机制减少了「AI 幻觉」导致错误结论的风险。

实时金融数据

支持接入 Financial Datasets API，获取机构级的市场数据：AAPL、NVDA、MSFT 可免费使用，其他股票需要付费订阅。数据包括收入报表、资产负债表、现金流量表等核心财务指标。

安全机制

内置循环检测和步骤限制，防止 Agent 在复杂问题上无限循环或运行过久。每个研究任务都有明确的边界，不会跑偏。

定时任务系统（最新功能）

内置 cron 子系统，支持三种调度方式：

• at：一次性任务
• every：间隔循环
• cron：标准 cron 表达式

任务结果通过 WhatsApp 推送，支持活跃时段限制和错误退避策略。之前的 heartbeat 功能已整合进这个统一的调度系统。

WhatsApp 接入

Dexter 支持通过 WhatsApp 对话，直接像发消息一样提问：

# 链接 WhatsApp 账号（扫码）
bun run gateway:login

# 启动网关
bun run gateway

然后在 WhatsApp 上给自己发消息，Dexter 就会处理并回复。特别适合需要随时查询金融数据但不想开电脑的场景。

安装与运行

前提条件

• Bun runtime（v1.0+）
• OpenAI API Key（必须）
• Financial Datasets API Key（必须，AAPL/NVDA/MSFT 免费）
• Exa API Key（可选，用于网络搜索）

安装步骤

git clone https://github.com/virattt/dexter.git
cd dexter
bun install
cp env.example .env
# 编辑 .env 填入 API Key
bun start

开发模式

bun dev

WhatsApp 模式

bun run gateway:login  # 扫码
bun run gateway        # 启动

评估系统

Dexter 内置了一套评估套件，可以对一组金融问题测试 Agent 的表现：

# 运行全部评估题目
bun run src/evals/run.ts

# 随机抽样 10 题
bun run src/evals/run.ts --sample 10

评估使用 LangSmith 追踪结果，采用 LLM-as-judge 方式评分。实时 UI 显示进度、当前题目和准确率统计。

调试方式

Dexter 将所有工具调用记录到 scratchpad 文件中（.dexter/scratchpad/），每个查询生成一个 JSONL 文件，包含：

• init：原始问题
• tool_result：每次工具调用（含参数、原始结果、AI摘要）
• thinking：Agent 推理步骤

可以精确复盘 Agent 每一步做了什么、用了什么数据、怎么得出结论的。

适用人群

• 投资者 / 分析师：需要快速完成个股研究、估值分析
• 金融科技开发者：基于 Agent 框架做二次开发
• 量化交易者：结合 Financial Datasets 做策略研究
• 财经内容创作者：快速获取数据支撑的分析内容

总结

Dexter 解决的核心问题是把金融研究从手工操作变成自动化流程。20.4k Stars 说明它在金融 AI 领域确实有真需求。

最有价值的地方在于它的「自我验证」机制——不是简单调用 API 返回数据就完事，而是会检查结果的合理性，发现问题会主动重来。这比大多数「AI 写报告」工具更接近真实分析师的工作方式。

WhatsApp 接入是一个加分项，配合 cron 定时任务，可以做成一个随时可查询的个人金融研究助手。需要注意的是 Financial Datasets 的免费额度仅覆盖 AAPL/NVDA/MSFT，其他股票需要付费订阅。

传送门：https://github.com/virattt/dexter