Dexter 全面解读：从零到一的 AI 研究代理平台（含架构设计、工具生态与扩展开发）
posts posts 2026-03-26T16:15:00+08:00系统学习 Dexter 项目全部中文文档，涵盖：多模型路由、金融工具链、网页工具、技能系统、持久记忆、WhatsApp 网关、心跳与定时任务、Agent 循环机制、扩展开发与故障排查的完整技术指南。技术笔记AI, Agent, Dexter, 金融工具, 多模型路由, 研究代理, 自动化目录
Dexter 全面解读：从零到一的 AI 研究代理平台（含架构设计、工具生态与扩展开发）
预计阅读时间：60 分钟 | 难度：⭐⭐⭐⭐
目标读者：AI 开发者、金融科技研究者、想在本地搭建 Agent 系统的用户
概述：Dexter 不只是一个聊天机器人
当你第一次看到 Dexter 的介绍时，你可能会想：“又一个 CLI 聊天工具？”
不。Dexter 的野心比这大得多。
Dexter 是香港大学开发的一个运行在终端的 AI 研究代理平台。
它的目标非常清晰：把你的问题转成一组研究动作，再调用金融、网页、文件、技能、记忆等工具完成任务，而不是生成"看起来像答案"的文本。
也就是说，Dexter 的价值不在于"会聊天"，而在于"会做研究"。
能力全景图
Dexter 的能力可以分成 8 大系统：
| # | 系统 | 核心能力 | 代表工具 |
|---|---|---|---|
| 1 | 多模型路由 | 8 家提供商统一接入 | OpenAI、Anthropic、Google、xAI、Moonshot、DeepSeek、OpenRouter、Ollama |
| 2 | 金融工具链 | 财报、价格、新闻、筛选 | get_financials、get_market_data、read_filings、stock_screener |
| 3 | 网页工具 | 搜索、抓取、渲染 | web_search、web_fetch、browser |
| 4 | 文件系统 | 本地文件读写编辑 | read_file、write_file、edit_file |
| 5 | 技能系统 | 可复用工作流 | skill（调用 SKILL.md） |
| 6 | 持久记忆 | 跨会话知识积累 | memory_search、memory_get、memory_update |
| 7 | WhatsApp 网关 | 消息通道接入 | Self-chat、Bot phone、群聊 |
| 8 | 自动化引擎 | 心跳监控 + 定时任务 | heartbeat、cron |
系统架构：六层协同设计
分层总览
┌─────────────────────────────────────────────────────────────┐
│ 入口层 │
│ src/index.tsx、src/gateway/index.ts │
├─────────────────────────────────────────────────────────────┤
│ 交互层 │
│ CLI 终端 UI、输入历史、状态显示 │
├─────────────────────────────────────────────────────────────┤
│ 代理层 │
│ 规划、迭代执行、上下文管理、工具协同 │
├─────────────────────────────────────────────────────────────┤
│ 模型层 │
│ 多提供商适配、调用路由、重试策略 │
├─────────────────────────────────────────────────────────────┤
│ 工具层 │
│ 金融工具、网页工具、文件工具、自动化工具、记忆工具 │
├─────────────────────────────────────────────────────────────┤
│ 扩展能力层 │
│ 技能系统、记忆系统、网关系统、调度系统 │
└─────────────────────────────────────────────────────────────┘技能系统工作流
1. 发现 → 扫描包含 SKILL.md 的目录
2. 暴露 → 仅注入技能名称和描述到系统提示
3. 按需 → Agent 匹配后调用 skill 工具
4. 执行 → 返回技能正文，解析相对路径定时任务配置格式
// 一次性时间点
{ "kind": "at", "at": "2026-04-01T14:00:00Z" }
// 固定间隔
{ "kind": "every", "everyMs": 3600000 }
// Cron 表达式
{ "kind": "cron", "expr": "0 9 * * 1-5", "tz": "America/New_York" }Agent 循环机制
用户输入 → CLI 接收 → Agent.create() 初始化
↓
构建系统提示（工具 + SOUL.md + 记忆 + 技能元数据）
↓
模型生成响应 → 判断是否有工具调用
↓
执行工具 → 结果写入 scratchpad
↓
上下文超限？→ 触发清理（先清最早工具结果）
↓
更高压力？→ 触发 memory flush
↓
收敛后生成最终答案 → 返回给用户快速启动
# 1. 安装依赖（包含 playwright chromium）
bun install
# 2. 配置环境变量
cp env.example .env
# 至少填写：
# OPENAI_API_KEY=your-key
# FINANCIAL_DATASETS_API_KEY=your-key（强烈建议）
# EXASEARCH_API_KEY=your-key（强烈建议）
# 3. 启动 CLI
bun run start金融研究提示词模板
Compare Apple and Microsoft on revenue growth, operating margin, and free cash flow trend over the last 5 years.对象 + 时间范围 + 比较维度 + 目标判断 + 期望输出格式What is Tesla's latest revenue?What does Tesla's latest revenue, gross margin, and operating income suggest about demand quality and pricing power?故障排查步骤
1. 检查 .env
2. 重新运行 bun install
3. 重新启动 CLI 或网关
4. 重试一个最小可验证问题
5. 必要时重建网关登录状态总结
一句话定义
Dexter 是一个以研究为导向的 AI 代理平台，通过多模型路由、工具协同、技能复用、持久记忆、WhatsApp 网关和自动化监控的完整架构，让 AI 能查、能做、能监控、能进化，而不只是会说。
核心能力矩阵
| 能力 | 给用户带来的价值 |
|---|---|
| 金融工具链 | 专业级金融研究不需要手动查数据 |
| 多模型路由 | 根据任务选择最合适的模型 |
| 技能系统 | 复杂方法论可沉淀、可复用 |
| 持久记忆 | 长期协作不需要重复说明偏好 |
| WhatsApp 网关 | 随时随地发起研究 |
| 自动化监控 | 被动等待 → 主动通知 |
与传统 CLI 的本质区别
| 维度 | 传统 CLI | Dexter |
|---|---|---|
| 回答质量 | 依赖模型自身知识 | 依赖真实工具数据 |
| 执行模式 | 单轮响应 | 多轮迭代、工具协同 |
| 记忆能力 | 无 | 跨会话持久记忆 |
| 自动化 | 无 | Heartbeat + Cron |
| 扩展性 | 固定能力 | 技能系统可扩展 |
适合谁？
| 用户类型 | Dexter 能帮你做什么 |
|---|---|
| 金融分析师 | 自动化财报研究、行业对比 |
| 投资者 | 持续监控标的、系统化决策 |
| 研究者 | 快速抓取、整合多源信息 |
| 开发者 | 学习 Agent 系统架构、扩展开发 |
| 技术管理者 | 理解 AI Agent 的能力边界和设计取舍 |
🦞 钳岳星君整理｜2026 年 3 月 26 日
延伸阅读
- Dexter GitHub：A1pha3/dexter
- 中文文档中心：docs/cn
- 系统架构详解：system-architecture.md
- Agent 循环机制：agent-loop-and-context.md