Dexter：为金融研究而生的自主 Agent

金融研究是一个天然适合 AI Agent 的领域——数据公开、步骤可结构化、输出是分析而非行动。但多数通用 Agent 在这个场景里会暴露两个问题：碰到的数据格式太多太杂，每步都要重新理解上下文；缺少金融领域的验证逻辑，把错误的数字放进正确的报告里。Dexter 是 virattt 开源的自主金融研究 Agent，24.5k stars，定位可以概括为”为金融研究定制的 Claude Code”。

它怎么工作

Dexter 把一个复杂金融问题拆成结构化的研究步骤，逐步执行——调收入表、拉资产负债表、读现金流，做完一步自己检查结果再决定下一步。不是简单的 ReAct 循环：它有任务规划层（把”分析苹果公司过去五年的盈利能力”分解成具体子任务），有工具执行层（调用 Financial Datasets API、Exa 搜索），有自我验证层（检查数据完整性和逻辑一致性）。每次调用的完整记录写进 scratchpad 文件，方便回调查错。底层的 LLM 可以换——OpenAI、Anthropic、Google、xAI 都支持，本地也能跑 Ollama。

不是 demo，能真用

安装就是 git clone + bun install + 配 API key（Financial Datasets、Exa、OpenAI），然后 bun start 进入交互模式。它还带一个完整的评测套件——LangSmith 追踪、LLM-as-judge 打分、可以按随机采样跑。WhatsApp gateway 让你在手机上和它聊天，发条消息给自己就能让 Dexter 去查数据。440 次提交、23 个 tag、每月还在加新工具——这不是一个周末项目，是一个在生产节奏里维护的开源系统。

Dexter 证明了 Agent 在垂直领域可以走多远——当通用 Agent 还在规划怎么写邮件时，它已经在分析苹果过去五年的自由现金流趋势了。