Tanyakan soal saham ke chatbot biasa dan kamu mendapat paragraf yang lancar. Tanyakan ke Dexter dan kamu mendapat sebuah proses riset: ia memecah pertanyaanmu menjadi langkah-langkah, mengumpulkan data keuangan nyata, memeriksa hasil kerjanya sendiri, dan baru kemudian menyampaikan jawaban. Dexter adalah agen otonom open source yang dibangun khusus untuk riset keuangan mendalam, dan ia menggambarkannya dengan perbandingan yang pas: bayangkan Claude Code, tetapi dibangun untuk riset keuangan, bukan untuk kode.
Proyek ini adalah virattt/dexter, yang di GitHub dideskripsikan sebagai agen otonom untuk riset keuangan mendalam. Pada saat penulisan, proyek ini memiliki 27.716 bintang dan 3.419 fork, ditulis dalam TypeScript, dan dilisensikan di bawah MIT License. Tonton sinyal repo 30 detiknya: This AI agent runs deep financial research on autopilot.
Poin Penting
Dexter mengubah pertanyaan keuangan yang kompleks menjadi rencana riset terstruktur, lalu mengeksekusinya langkah demi langkah, bukan menjawab dalam sekali jalan.
Ia bekerja dengan data pasar nyata: laporan laba rugi, neraca, dan laporan arus kas, plus pencarian web untuk konteks.
Ia memvalidasi temuannya sendiri dan mengulang sampai rencananya selesai, dengan deteksi loop dan batas langkah agar tidak berjalan tanpa henti.
Kamu bisa mengobrol dengannya lewat terminal atau WhatsApp, dengan mengirim pesan ke dirimu sendiri setelah menghubungkan gateway.
Ini adalah alat riset untuk belajar dan analisis, bukan penasihat trading: README-nya menyatakan dengan jelas bahwa proyek ini bukan untuk trading atau investasi nyata.
Mengapa Agen Riset Berbeda dari Chatbot
Chatbot biasa menjawab dari apa yang sudah diketahuinya, dan pengetahuan itu punya tanggal kedaluwarsa. Riset keuangan adalah jenis masalah yang berlawanan: faktanya berubah setiap kuartal, angkanya hidup di dokumen dan laporan, dan jawaban yang baik butuh beberapa sumber yang saling diperiksa. Satu paragraf yang percaya diri adalah bentuk jawaban yang salah untuk pekerjaan seperti itu.
Dexter dibangun dari pengamatan itu. Kemampuan utamanya, seperti tercantum di README, adalah perencanaan tugas yang cerdas, eksekusi otonom, validasi mandiri, data keuangan real-time, dan fitur keamanan. Pertanyaan seperti "Bagaimana kinerja perusahaan ini selama lima tahun terakhir?" menjadi rencana: tarik laporannya, bandingkan antar periode, cari tahu apa yang berubah, dan verifikasi hasilnya sebelum melaporkannya. Struktur itulah produknya. Model bahasa adalah mesin penalarannya, tetapi rencana riset dan datanya yang membuat jawaban bisa dipercaya.
Proyek ini juga menyimpan jejak audit yang lengkap. Setiap pertanyaan membuat file scratchpad di `.dexter/scratchpad/` yang mencatat pertanyaan asli, setiap pemanggilan tool beserta argumen dan hasil mentahnya, dan langkah penalaran agen. Jika sebuah jawaban terlihat salah, kamu bisa membuka scratchpad dan melihat persis data apa yang dikumpulkannya dan bagaimana ia menafsirkannya. Untuk alat riset, transparansi seperti itu lebih penting daripada antarmuka yang cantik.
Apa yang Sebenarnya Dilakukan Dexter
Alur kerjanya punya empat tahap, dan masing-masing bisa kamu saksikan saat ia berjalan.
Pertama, perencanaan. Dexter memecah pertanyaan kompleks menjadi langkah-langkah riset terstruktur. Alih-alih langsung melompat ke jawaban, ia memutuskan apa yang perlu dicari tahu, dalam urutan apa, dan tool mana yang bisa menyediakan tiap potongannya.
Kedua, eksekusi. Ia memilih dan menjalankan tool yang tepat untuk mengumpulkan data keuangan: laporan laba rugi, neraca, dan laporan arus kas, melalui Financial Datasets API, dengan pencarian web Exa sebagai sumber opsional untuk konteks yang lebih luas. Data berasal dari API, bukan dari memori model, sehingga angkanya mencerminkan laporan yang dipublikasikan, bukan yang diingat-ingat.
Ketiga, validasi mandiri. Setelah mengumpulkan data, Dexter memeriksa hasil kerjanya sendiri dan menyempurnakannya sampai mendapat jawaban yang percaya diri dan didukung data. Jika sebuah langkah kembali tidak lengkap atau tidak konsisten, ia mengulang, bukan menutup-nutupi kekurangannya.
Keempat, keamanan. Deteksi loop bawaan dan batas langkah mencegah eksekusi yang berjalan tanpa henti, dan itu penting karena setiap langkah tambahan menghabiskan token API. Agen yang tidak bisa berhenti adalah agen yang tidak bisa dipercaya memegang tagihan API-mu.
Ada juga rangkaian evaluasi bagi yang ingin mengukur, bukan sekadar percaya. Dexter menyertakan eval yang menguji agen terhadap sekumpulan pertanyaan keuangan, memakai LangSmith untuk pelacakan dan pendekatan LLM-as-judge untuk menilai kebenaran, dengan tampilan langsung berisi progres dan statistik akurasi berjalan. Jalankan `bun run src/evals/run.ts` untuk set lengkap, atau tambahkan `--sample 10` untuk sampel cepat.
Memulai
Instalasi Dexter singkat, tetapi butuh API key, jadi ini proyek untuk yang nyaman dengan terminal. Prasyaratnya adalah runtime Bun (versi 1.0 atau lebih tinggi), API key OpenAI, API key Financial Datasets, dan API key Exa yang opsional untuk pencarian web. Template environment juga mencantumkan key Anthropic, Google, xAI, dan OpenRouter, plus dukungan Ollama opsional untuk model lokal.
Langkah-langkahnya, dari README:
Clone repositori: `git clone https://github.com/virattt/dexter.git`
Instal dependensi: `bun install`
Salin file environment contoh: `cp env.example .env`, lalu isi key-mu
Jalankan dalam mode interaktif: `bun start`, atau `bun dev` untuk mode watch saat pengembangan
Hanya itu instalasinya. Biaya menjalankannya adalah biaya pemakaian API model dan data, dan karena itulah deteksi loop dan batas langkah ada. Mulailah dengan pertanyaan kecil, amati scratchpad, dan rasakan berapa langkah yang dibutuhkan pertanyaan biasa sebelum kamu mengarahkannya ke seluruh watchlist.
Dexter di WhatsApp
Fitur paling mengejutkan juga yang paling praktis. Dexter bisa berjalan lewat WhatsApp: hubungkan ponselmu ke gateway dengan `bun run gateway:login`, nyalakan dengan `bun run gateway`, lalu buka chat WhatsApp-mu sendiri, kirim pesan ke dirimu sendiri, dan ajukan pertanyaan. Jawabannya kembali ke chat yang sama.
Itu mengubah tool terminal menjadi sesuatu yang bisa dipakai dari ponsel, dan cocok dengan cara orang benar-benar mengikuti pasar: pertanyaan muncul di tengah hari, kamu menanyakannya di tempat kamu sudah berada, dan jawaban yang sudah diriset menanti di chat. Agennya sama, perencanaan dan validasinya sama, hanya pintu masuknya berbeda. README mengarahkan ke panduan gateway WhatsApp khusus untuk setup detail, opsi konfigurasi, dan troubleshooting.
Batasan yang Jujur
README Dexter memuat disclaimer yang layak dikutip, bukan dilembutkan: proyek ini hanya untuk tujuan edukasi, hiburan, dan informasi, dan tidak dimaksudkan untuk trading atau investasi nyata. Ini bukan saran keuangan, investasi, pajak, atau hukum, tidak ada jaminan akurasi atau kelengkapan, keluarannya bisa salah atau kedaluwarsa, dan kinerja masa lalu tidak menunjukkan hasil di masa depan.
Batasan itu bukan sekadar formalitas. Agen yang merencanakan dengan baik tetap bisa bekerja dari satu titik data yang buruk, salah membaca laporan, atau melewatkan restatement. Scratchpad membantumu menangkap itu, tetapi hanya jika kamu benar-benar membacanya. Perlakukan Dexter sebagai draf pertama uji tuntas, cara mengumpulkan dan mengatur bukti, lalu verifikasi angka yang penting sebelum bertindak atas dasarnya. Untuk apa pun yang menyangkut uang sungguhan, saran README tetap berlaku: konsultasikan dengan penasihat keuangan berlisensi.
Ada juga batas praktis. Dexter hanya sebagus langganan datanya dan modelnya. Tanpa API key Financial Datasets tidak ada data laporan, dan tanpa key model tidak ada mesin penalaran. Ini bukan aplikasi web gratis dengan tombol login; ini tool yang di-host sendiri dengan biaya berjalan, dan itulah harga untuk menjaga risetmu tetap lokal dan bisa diperiksa.
Siapa yang Sebaiknya Mencoba?
Dexter cocok untuk investor dan pelajar yang ingin belajar bagaimana riset fundamental benar-benar dilakukan, karena menyaksikan rencana terungkap adalah pendidikan tersendiri tentang apa yang harus diperiksa. Ia cocok untuk analis dan pembangun fintech yang menginginkan titik awal uji tuntas atau komponen di dalam pipeline riset yang lebih besar, karena tooling, scratchpad, dan rangkaian eval semuanya terbuka. Dan ia cocok untuk siapa pun yang pernah menempelkan ticker ke chatbot, mendapat jawaban percaya diri, dan bertanya-tanya dari mana angka itu berasal.
Ia kurang berguna jika kamu menginginkan tips saham, bot trading, atau jawaban sekali klik tanpa pekerjaan rumah. Jika kamu bertanya-tanya apa arti open source untuk proyek seperti ini, penjelasan sebelumnya What Is Open Source? membahas dasar-dasarnya, termasuk MIT License yang dipakai Dexter.
Pertanyaan yang Sering Diajukan
Apa itu Dexter?
Dexter adalah agen otonom open source untuk riset keuangan mendalam. Ia merencanakan investigasi multi-langkah, mengumpulkan data keuangan nyata, memvalidasi temuannya sendiri, dan melaporkan jawaban yang didukung data, lewat terminal atau WhatsApp.
Data apa yang dipakainya?
Laporan laba rugi, neraca, dan laporan arus kas melalui Financial Datasets API, plus pencarian web opsional melalui Exa. Angkanya berasal dari API data, bukan dari memori model bahasa.
Apa yang saya butuhkan untuk menjalankannya?
Runtime Bun, API key model (OpenAI sebagai default, dengan opsi Anthropic, Google, xAI, OpenRouter, dan Ollama lokal), dan API key Financial Datasets. Exa bersifat opsional, untuk pencarian web.
Bisakah ia trading untuk saya?
Tidak. README menyatakan proyek ini hanya untuk tujuan edukasi dan informasi, dan tidak dimaksudkan untuk trading atau investasi nyata. Gunakan untuk riset, verifikasi angkanya, dan bicaralah dengan penasihat berlisensi sebelum membuat keputusan investasi.
Bagaimana cara memeriksa hasil kerjanya?
Setiap pertanyaan menulis file scratchpad ke `.dexter/scratchpad/` berisi pertanyaan, setiap pemanggilan tool dan hasil mentahnya, dan langkah penalaran agen. Buka file itu dan kamu bisa mengaudit seluruh investigasi.
Berapa biayanya?
Dexter sendiri gratis di bawah MIT License. Menjalankannya membutuhkan biaya dari penyedia model dan Financial Datasets API, dan karena itulah batas langkah dan deteksi loop bawaan penting.
Kesimpulan
Kebanyakan tool AI keuangan memberimu jawaban yang lebih cepat. Dexter memberimu proses yang lebih baik: rencana, data nyata, pemeriksaan mandiri, dan jejak kertas yang bisa diperiksa. Itu janji yang lebih kecil, dan lebih berguna. Clone proyeknya, ajukan satu pertanyaan sulit tentang perusahaan yang kamu ikuti, baca scratchpad-nya, dan nilai dari bukti yang ditunjukkannya, bukan dari kepercayaan diri nadanya.
Baca artikel ini dalam bahasa Inggris: Dexter: The Open Source AI Agent That Does Deep Financial Research on Autopilot.