Dexter 今日发布

Dexter 是一个开源自主金融研究 Agent，2026年5月跃上 GitHub Trending 第三名，24小时内获得660+颗星，2026年5月6日总星数突破24,443颗，成为当时最活跃的垂直领域 AI Agent 开源项目之一。项目由独立开发者 Virat Singh 用 TypeScript 构建，基于 Ink（React for CLI）和 LangChain 框架开发。

Dexter 的核心定位是：像 Claude Code 做代码开发一样，做金融深度研究。用户只需输入一个公司名称或股票代码，Dexter 就能自主完成从数据采集、基本面分析到完整投资研究报告生成的全流程——无需人工干预。用户可以把它理解为一位不知疲倦的 AI 证券分析师，能在数分钟内完成传统分析师需要数小时的研究工作。

从技术架构来看，Dexter 采用多 Agent 协作设计，核心包括四个专门组件。Orchestrator Agent（编排 Agent）负责任务分解和工作流编排，决定研究哪些方面以及按什么顺序进行。Web Search Agent（网络搜索 Agent）执行网络搜索，获取新闻、财报日期、分析师观点等实时信息。Financial Data Agent（财务数据 Agent）通过 API 获取结构化财务数据，包括收入、每股收益、估值倍数等指标。Analysis Agent（分析 Agent）执行财务比率计算、趋势分析、估值建模等深度研究工作。Report Writer Agent（报告撰写 Agent）则综合所有分析结果，生成结构化投资研究报告。Agent 之间通过 LLM 调用进行协调，默认支持 OpenAI GPT-4，同时也支持 Anthropic Claude、Google Gemini、xAI Grok、OpenRouter 和 Ollama（用于本地执行）。

Dexter 的核心能力体现在多个维度。多源数据采集方面，系统自动抓取 SEC 财报（10-K 和 10-Q）、新闻、分析师研报和社交媒体情绪数据。基本面分析涵盖收入趋势、利润率、资产负债结构、现金流和增长驱动因素等核心指标。估值建模支持 DCF 折现现金流、可比公司分析和历史估值区间三种方法。竞争格局扫描覆盖主要竞争对手、市场份额变化和护城河评估。宏观与行业背景分析包括利率环境、监管变化和技术颠覆风险。此外，系统还支持自动生成带图表和数据引用的 Markdown 或 PDF 格式报告，并提供可配置的研究深度选项，从快速扫描（5分钟）到深度研究（30分钟以上）多种模式可选。

在自我验证机制方面，Dexter 内置了一套评估套件，使用 LangSmith 进行追踪和 LLM 即评判的评分方式，对照金融问题数据集测试 Agent 的表现。所有工具调用都会记录到暂存日志中，方便全流程调试和历史追踪。系统还内置了循环检测和步骤限制等安全机制，防止 Agent 在复杂研究任务中失控运行。

Dexter 输出的报告类型包括执行摘要、业务模式拆解、财务分析、竞争格局定位、估值框架和风险因素六大板块，能够满足个人投资者和小型研究机构的初稿研究需求。项目的技术栈为 TypeScript 原生设计，代码库小而清晰，可嵌入 Node.js 金融工具中作为研究库使用。数据存储默认使用 SQLite，输出格式为 Markdown。需要特别说明的是，项目明确标注为教育、娱乐和信息目的，不构成投资建议，报告内容应在依赖前经过人类分析师审核。