Dexter：开源金融研究编码代理

编码代理已经会读仓库、改代码、跑测试。换到财报、10-K、同业对比，多数人还是自己开十几个标签页。Dexter 是一个专做这件事的开源代理：把复杂问题拆成研究步骤，自己拉实时数据，再回头检查有没有漏。作者把它说成「给金融研究用的 Claude Code」。

仓库在 virattt/dexter，TypeScript + Bun，版本号目前是 1.0.4。它不是交易机器人，README 也写得很清楚：教育、娱乐和信息用途，输出可能过时或错，不能当投资建议。

它实际会做什么

你丢进去一句自然语言，比如「Apple 过去五年自由现金流怎么变，现在估值贵不贵」。代理会拆任务、选工具、拉数据、自己验收，循环到它觉得站得住再给你答案。内置了步数上限和循环检测，避免一直转圈。

工具按用途分几层：

• 财务：get_financials（利润表、资产负债表、现金流量表、指标、分析师预期）、get_market_data（价格、新闻、内部人交易）、read_filings（10-K / 10-Q / 8-K 按章节抽）、stock_screener（按 PE、增速、利润率筛）
• 研究：网页抓取、浏览器（Playwright）、可选的 web_search（Exa / Perplexity / Tavily / LangSearch 谁配了用谁）
• 代理自己：spawn_subagent 拆子任务并行、skill 加载专项流程、memory_* 读写持久记忆、cron / heartbeat 做定时清单
• 本机：读文件、写文件、改文件（后两个要你批准）；Unix / macOS 上还有 bash，同样每条命令都要批准

财务数据默认打到 Financial Datasets 的 API。这是作者自己的数据产品，工具层写死了这个端点。能用，但换数据源要自己改代码。模型这边比较松：OpenAI、Anthropic、Google、xAI、OpenRouter、Moonshot、DeepSeek，或者本机 Ollama。

装起来

需要 Bun 1.0+，再准备至少一把 LLM 密钥，以及一把 Financial Datasets 密钥。网页搜索可选。

curl -fsSL https://bun.com/install | bash
# 重开终端后
bun --version

git clone https://github.com/virattt/dexter.git
cd dexter
bun install

postinstall 会装 Playwright 的 Chromium，第一次会慢一点。然后把示例环境文件拷出来：

cp env.example .env

最少填这几项：

OPENAI_API_KEY=sk-...
FINANCIAL_DATASETS_API_KEY=...

有 Anthropic / Gemini / OpenRouter 的钥匙也可以写进去，交互里再切模型。想让它上网搜，再加 EXASEARCH_API_KEY 或 TAVILY_API_KEY。本地模型把 OLLAMA_BASE_URL 指到 http://127.0.0.1:11434 即可。

启动：

bun start

开发时用 bun dev，会 watch 源码。进去之后直接问，不必先配一堆 slash command。

第一次可以这样问

问题写具体一点，代理拆步骤才有抓手。比如：

对比 AAPL 和 MSFT 过去 5 年的毛利率、营业利润率和自由现金流，
并各抽一份最近的 10-K 里「风险因素」做摘要。

或者让它走内置的 DCF 技能：

仓库里有一份 src/skills/dcf/SKILL.md。代理匹配到「估值 / 内在价值 / 贵不贵」这类说法时，会先 skill 把这份流程加载进来：拉财务数据、算 FCF 增速、按行业估 WACC、五年预测加终值、折现到每股，再做 3×3 敏感性，最后把假设和不确定的地方一起写出来。这是流程模板，不是黑盒估值器。换一套增长率，数字会跟着走。

身份文件是仓库根上的 SOUL.md：它会按这份人格说话，偏「先拿数据再下判断」，不会每句都加「视情况而定」。你不喜欢这个口吻，改这一份就行。

跑完怎么对答案

每次提问会在 .dexter/scratchpad/ 下写一个 JSONL，文件名带时间戳。里面按行记：

• init：你的原问题
• tool_result：工具名、参数、原始返回、模型自己的摘要
• thinking：中间推理

对答案时先翻这份日志，比盯终端滚动条快。常见对不上的原因：Financial Datasets 额度用尽、某个 ticker 没有对应报表、网页搜索密钥没配却问了「市场上怎么看」。

另外还有一套评测：bun run src/evals/run.ts，可以加 --sample 10 抽几道财务题跑。计分走 LLM-as-judge，轨迹会打到 LangSmith（要配 LANGSMITH_API_KEY）。第一次试用可以跳过。

想从手机问：WhatsApp 网关

仓库自带一个 WhatsApp 通道，用 Baileys 把你的号链上本地进程。消息发给自己，Dexter 处理后回同一条会话。

bun run gateway:login   # 扫二维码
bun run gateway

细节、配置项和排错见仓库里的 WhatsApp Gateway README。这是自托管，不是官方 Bot API，会话掉了要重新扫码。

用之前心里要有数

1. 不是投顾。 输出可能错、可能过时。拿它当研究助理，别拿它下单。
2. 数据绑在一家 API 上。 财报、行情、SEC 文件都走 api.financialdatasets.ai。免费额度有限，生产用量要自己看账单。想换数据源，得改 src/tools/finance/。
3. 写文件和 bash 会改你的机器。 这两类工具默认要批准。别在装了生产密钥的目录里随手开自动批准。
4. 许可。 README 写的是 MIT；GitHub 仓库元数据目前没挂 SPDX，以仓库里的 LICENSE 文件为准。

如果你已经会用 Claude Code 一类的终端代理，Dexter 的心智模型几乎不用重新学：拆任务、调工具、自己验收。差别是工具箱换成了财报和文件，而不是 git 和测试。适合自己写研究备忘录、做同业对比、把 10-K 先压成提纲；不适合当自动交易或「一句话出买卖点」的黑盒。