Dexter: 开源 AI 金融深度研究 Agent — 安装与实战指南 2026
Dexter 是什么
Dexter 是一个专为深度财务研究设计的自主 AI Agent 开源项目。它在 2026 年 5 月冲上 GitHub Trending 第三位,24 小时内获得 660+ Stars,总量突破 23,700 Stars。项目由 virattt 团队用 TypeScript 构建,能够自动完成从数据采集、基本面分析到完整报告生成的整个研究流程。
与传统的金融数据终端(如 Bloomberg Terminal)不同,Dexter 的核心理念是用 LLM Agent 替代人类分析师的重复劳动——读取财报、抓取竞品数据、计算估值指标、生成投资备忘录。你只需要给一个公司名或股票代码,Dexter 就能独立完成数小时的研究工作并输出结构化 PDF 报告。
核心能力
- 多源数据采集:自动抓取 SEC 财报(10-K/10-Q)、新闻、分析师研报、社交媒体情绪数据
- 基本面分析:收入趋势、利润率、资产负债结构、现金流、增长驱动因素
- 估值建模:DCF、可比公司分析、历史估值区间
- 竞争格局扫描:主要竞争对手、市场份额变化、护城河评估
- 宏观与行业背景:利率环境、监管变化、技术颠覆风险
- 自动报告生成:输出结构化 Markdown/PDF 报告,含图表与数据引用
- 可配置研究深度:从快速扫描(5 分钟)到深度研究(30 分钟+)多种模式
架构概览
Dexter 采用 Multi-Agent 架构,核心包括以下几个组件:
- Orchestrator Agent:负责任务分解与工作流编排,决定研究哪些方面以及按什么顺序进行
- Web Search Agent: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:通过 API 获取结构化财务数据(收入、EPS、估值倍数等)
- Analysis Agent:执行财务比率计算、趋势分析、估值建模
- Report Writer Agent: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(支持 OpenAI、Anthropic Claude、Google Gemini)进行协调,使用 TypeScript 实现。数据存储默认使用 SQLite,报告输出为 Markdown 格式。
Docker 一键部署
Dexter 推荐通过 Docker 部署,过程非常简单:
# 克隆仓库
git clone https://github.com/virattt/dexter.git
cd dexter
# 复制环境变量模板
cp .env.example .env
# 用 Docker Compose 启动
docker compose up -d
启动后访问 http://localhost:3000 即可进入 Dexter Web UI。
环境变量配置
核心需要配置 LLM API Key:
# .env 文件
# 必须:选择至少一个 LLM 提供商
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxx
GEMINI_API_KEY=xxxxxxxxxxxx
# 可选:搜索 API(不配置则用内置搜索)
SERPER_API_KEY=xxxxxxxxxx
TAVILY_API_KEY=xxxxxxxxxx
# 可选:金融数据源
FINANCIAL_DATASETS_API_KEY=xxxxxxxxxx
# 可选:报告存储路径
REPORT_OUTPUT_DIR=./reports
最少只需要一个 LLM API Key 即可运行。推荐使用 Claude Sonnet 4 或 GPT-5.5 获得最佳分析质量。
快速上手:分析一家公司
启动后,通过命令行或 Web UI 提交研究任务:
# CLI 模式:分析 NVIDIA
npx dexter research --ticker NVDA --depth deep
# 或通过 Docker 执行
docker exec dexter-app dexter research --ticker NVDA --depth deep
# 快速扫描模式(5 分钟内出结果)
docker exec dexter-app dexter research --ticker AAPL --depth quick
# 输出指定格式
docker exec dexter-app dexter research --ticker MSFT --depth medium --format pdf
参数说明:
--ticker:股票代码,如 NVDA、AAPL、TSLA、BABA--depth:研究深度,可选quick(5 分钟)、medium(15 分钟)、deep(30 分钟+)--format:输出格式,markdown或pdf
研究完成后,报告会输出到 ./reports/ 目录,Web UI 也会实时显示进度。
典型使用场景
个人投资者
不需要 Bloomberg Terminal 也能做专业级公司研究。输入你想了解的公司代码,Dexter 会帮你整理所有关键信息,省去手动翻财报的时间。
私募与投研团队
Dexter 可以作为投研团队的自动化助手,每天自动扫描跟踪列表中的公司,生成日报级别的更新报告。团队可以在此基础上进行人工深入分析。
投资课程与教育
商学院和金融课程可以用 Dexter 做教学演示,让学生看到完整的公司分析框架从数据到报告的全过程。
Dexter vs TradingAgents
Dexter 和本博客之前介绍的 TradingAgents 都是金融领域的 AI Agent 项目,但定位完全不同:
| 维度 | Dexter | TradingAgents |
|---|---|---|
| 核心目标 | 深度财务研究与报告 | 量化交易策略执行 |
| 输出 | PDF/结构化研究报告 | 交易指令与仓位管理 |
| 时间维度 | 中长期基本面分析 | 短期市场交易 |
| 数据源 | 财报、新闻、分析师观点 | 行情、技术指标、订单簿 |
| 技术栈 | TypeScript + LLM Agent | TypeScript + Multi-Agent |
如果做长期投资研究,选 Dexter;做短线量化交易,选 TradingAgents。两者可以互补使用。
最佳实践与优化建议
- 使用高级模型:Deep 模式会产生大量 Token 消耗,建议使用 Claude Sonnet 4 或 GPT-5.5 保证分析质量
- 自定义 Prompt:可以在研究任务中附加自定义指令,比如"特别关注 AI 芯片业务的收入占比"
- 定期扫描:设置 Cron 任务对持仓公司做每日快速扫描,Dexter 可以增量更新而非从头跑
- 数据源组合:配置多个搜索 API 可以提高数据覆盖率和准确性
- 本地化分析:分析 A 股或港股时,可以手动补充中文新闻源和本地财务数据
- 报告模板自定义:修改
templates/目录下的 Markdown 模板可以定制报告格式
局限性说明
- 数据实时性:Dexter 依赖公开数据源,对未发布财报的公司只能依赖分析师预测
- 非投资建议:Dexter 生成的研究报告仅供参考,不构成投资建议,任何投资决策需自行判断
- Token 成本:Deep 模式一次完整研究可能消耗数千 Token,请注意 API 费用
- 语言限制:对非英文市场(尤其是财报非英文的公司)分析质量可能下降
常见问题
Dexter 需要 GPU 吗?
不需要。Dexter 通过调用云端 LLM API 进行分析,本地只需要 CPU 和网络连接。Docker 部署对硬件要求很低。
能用本地 LLM 吗?
目前主要支持 OpenAI、Anthropic 和 Google Gemini 的 API。理论上可以适配 Ollama 等本地模型,但分析质量会下降,不建议在 Deep 模式下使用。
支持 A 股/港股吗?
支持全球主要交易所的股票代码,但数据质量取决于数据源的覆盖度。A 股和港股的英文财报覆盖率较低,建议补充中文数据源。
报告能导出成 Excel 吗?
目前内置支持 Markdown 和 PDF 输出。如果需要 Excel 格式,可以自行编写转换脚本,或将 Markdown 表格粘贴到 Excel 中。
总结
Dexter 是 2026 年 5 月最值得关注的 AI Agent 开源项目之一。它把 LLM 的能力真正用到了金融研究的实际场景中,而不是停留在 demo 层面。对于个人投资者,它大幅降低了获取专业级研究报告的门槛;对于机构,它可以作为投研流程的自动化补充。
如果你对 AI + 金融感兴趣,Dexter 是一个很好的起点。只需一个 API Key 和一个 Docker 命令,你就能拥有一个 7x24 小时工作的 AI 金融研究助手。