Dexter 에서 PickSkill 로: 오픈소스 에이전트 위에 쌓아 올리기
오픈소스 금융 에이전트 Dexter 위에 PickSkill 을 어떻게 만들었는지 — 웹 앱, Word/PowerPoint/Excel 생성, 그리고 8 개 지표 포트폴리오 묶음을 더한 과정.
PickSkill 은 @virattt 가 만든 오픈소스 자율 금융 에이전트 Dexter — "Claude Code, 그러나 금융 리서치를 위해 만들어진" — 의 포크에서 출발했습니다. Dexter 는 검증된 에이전트 루프를 제공했습니다. TypeScript 로 작성되고 Ink 와 LangChain 을 쓰는 CLI 도구로, 금융 질문을 리서치 계획으로 분해하고, 라이브 시장 데이터에 도구를 실행하며, 스스로 작업을 검증하고, 출처 있는 답을 얻을 때까지 반복합니다. 우리는 그 코어를 가져와 바깥으로 쌓아 올렸습니다 — 브라우저 네이티브 웹 앱, 네이티브 Word/PowerPoint/Excel 생성, 포트폴리오 관리, 그리고 8 차원 기술적 지표 묶음. 이 글은 우리가 무엇을 유지했고, 무엇을 더했으며, 왜 그랬는지에 대한 솔직한 빌드인퍼블릭 기록입니다.
핵심 요약
- PickSkill 은 오픈소스 금융 에이전트 Dexter 위에 만들어졌습니다 (MIT 라이선스, github.com/virattt/dexter). 에이전트 루프는 유지했고, 그 주변의 거의 모든 것을 다시 만들었습니다.
- 가장 큰 단일 변화는 표면(surface)이었습니다. Dexter 는 CLI 이고, PickSkill 은 pickskill.ai 의 다국어 웹 앱입니다. 에이전트 런타임은 공유하지만, 상호작용 모델은 다릅니다.
- 네이티브 Office 생성을 추가했습니다 — 이제 에이전트가 스크린샷이나 Markdown 덤프가 아니라 진짜
.docx,.pptx,.xlsx파일을 씁니다. - 포트폴리오 관리와 8 개 지표 대시보드를 추가했습니다 — MACD, MA 묶음, RSI, KDJ, Bollinger Bands, ADX/DMI, 거래량, 자금흐름, 각각 5 일 신호 트레일을 동반합니다.
- 커버리지를 미국, 홍콩, A 주 시장으로 확장했습니다 — 시장별 관행을 반영해, 예컨대 A 주 상한가 / 하한가 봉을 마스킹하여 거짓 신호가 발생하지 않도록 했습니다.
Dexter 란 무엇이며, 왜 오픈소스에서 시작했나
Dexter 는 심층 금융 리서치를 위한 오픈소스 AI 에이전트로, TypeScript 와 Ink(터미널용 React), LangChain 으로 작성되었습니다. 그 설계 명제는 단순합니다. 복잡한 금융 질문을 받아 단계별 리서치 계획으로 바꾸고, 각 단계를 라이브 데이터에 맞는 도구로 실행하며, 스스로 검증하고, 답이 확신할 만하고 출처가 갖춰질 때까지 다듬습니다. 터미널에서 실행되고, 모든 도구 호출을 스크래치패드에 로깅하며, 모델과 프로바이더 선택을 로컬 설정에 영속화합니다. 저장소는 MIT 라이선스이며 GitHub에 공개되어 있습니다.
처음부터 다시 만들지 않고 Dexter 에서 시작한 것은 의도적인 GTM 결정이었습니다. 애널리스트 에이전트에서 가장 어려운 부분은 채팅창이 아니라 — 계획을 세우고, 도구를 호출하며, 숫자를 환각 없이 라이브 금융 데이터와 맞춰가는 루프입니다. Dexter 는 그 루프를 이미 공개적으로 풀어냈습니다. 그 위에 쌓는다는 것은, 강력한 오픈소스 프로젝트가 이미 입증한 에이전트 배관을 다시 유도해내는 대신, 우리의 첫 몇 달을 제품 표면 — 웹 앱, 파일 출력, 포트폴리오 계층 — 에 쓸 수 있다는 뜻이었습니다.
Dexter 위에 우리가 더한 것
아래 표는 그 상속 관계를 매핑합니다. 왼쪽 열은 Dexter 의 기여이고, 오른쪽 열은 PickSkill 이 이를 소비자 제품으로 만들기 위해 더한 것입니다.
| 레이어 | Dexter 에서 (오픈소스) | PickSkill 이 추가 |
|---|---|---|
| 에이전트 루프 | 작업 계획, 도구 실행, 자기 성찰, 스크래치패드 로깅 | 멀티테넌트 세션 상태, 쿼터 + 빌링, 세션 간 메모리 |
| 표면 | 인터랙티브 CLI (Ink/터미널 속 React) | 브라우저 웹 앱, 8 개 로케일, 모바일 레이아웃, 공유 가능 링크 |
| 데이터 | 라이브 재무 + 시장 데이터 | 미국 + 홍콩 + A 주 커버리지, 상한·하한 봉 마스킹, 자금흐름 프록시 |
| 출력 | 터미널 텍스트 + 스크래치패드 JSONL | OfficeCLI 를 통한 네이티브 .docx / .pptx / .xlsx, 사전 서명 링크 |
| 분석 | 온디맨드 금융 추론 | /portfolios 관리 + 8 차원 /indicators 대시보드 |
이 표의 패턴이 전략 전체입니다. 검증된 코어는 유지하고, 개인 투자자가 만지는 모든 것을 제품화한다.
웹 버전이 아키텍처를 어떻게 바꿨나
CLI 에서 웹 앱으로 옮기는 것은 UI 를 새로 입히는 일이 아닙니다 — 스레딩 모델 자체를 바꿉니다. CLI 에이전트는 터미널을 독점합니다. 사용자 한 명, 세션 하나, 블로킹 출력, 로컬 파일. 웹 에이전트는 다수의 사용자를 동시에 서빙하고, 부분 출력을 브라우저로 스트리밍하며, 세션 이력을 서버 측에 영속화하고, 산출물을 로컬 디스크가 아니라 오브젝트 스토리지에 씁니다.
따라서 에이전트 루프 는 Dexter 에서 상속받았지만, 그 주변의 런타임은 새로운 것입니다. 세션은 멀티테넌트이며 재개 가능합니다 — 탭을 닫았다가 나중에 같은 리서치 대화를 이어갈 수 있습니다. 도구 출력은 Dexter 가 터미널로 스트리밍하던 것과 똑같이, 발생하는 대로 브라우저로 스트리밍됩니다. 그리고 생성된 파일은 로컬 디렉터리가 아니라 Cloudflare R2 에 7 일 사전 서명 다운로드 링크로 안착합니다. 웹 사용자에게는 파일을 cat 할 셸이 없기 때문입니다. 솔직히 말하면, Dexter 가 두뇌를 줬고, 웹 앱은 그 두뇌를 비기술 사용자에게 전달하기 위해 새로 만든 몸입니다.
직접 실행해 보세요. /chat을 열고 어떤 금융 질문이든 던져 보세요 — 당신이 대화하는 그 에이전트 루프가 바로 Dexter 의 것을, 브라우저용으로 제품화한 것입니다.
Office 파일 생성이 중요한 이유
Dexter 의 CLI 에 없던, 가장 많이 요청받은 단일 기능은 산출물(deliverables) 이었습니다. 터미널 답변은 쿼리를 실행한 본인에게는 훌륭하지만, 열어볼 무언가가 필요한 동료나 투자 클럽, 면접 위원회에게는 쓸모가 없습니다. 리테일과 세미프로 애널리스트는 Word, PowerPoint, Excel 안에서 삽니다 — 이 세 형식은 금융의 보편적 교환 계층입니다.
그래서 우리는 OfficeCLI 를 추가했습니다. 이제 에이전트는 자신의 분석을 네이티브 OpenXML 파일로 컴파일합니다. 스크린샷도, PDF 도, Markdown 도 아닙니다 — 제목과 테이블을 갖춘 진짜 .docx 메모, 임베드된 차트와 편집 가능한 슬라이드 제목을 갖춘 진짜 .pptx 덱, 라이브 시트 간 수식과 조건부 서식을 갖춘 진짜 .xlsx 워크북입니다. 각 파일은 7 일 사전 서명 링크로 제공됩니다. 가장 흔한 흐름들에 대해 단계별 안내 세 편을 작성했습니다. 포트폴리오를 PowerPoint 로 내보내기, 리포트를 Excel 로 내보내기, 그리고 채팅에서 투자자 덱 생성하기.
포트폴리오 관리와 8 개 지표 묶음
Dexter 는 질문에 한 번에 하나씩 답합니다. PickSkill 은 상시 분석을 더합니다. /portfolios에서 유지하는 포트폴리오와, 모든 보유 종목에 걸쳐 지속적으로 돌아가는 /indicators의 지표 대시보드입니다. 이 대시보드는 최신 종가 기준으로 8 개 기술적 차원을 계산합니다.
- MACD — 모멘텀과 크로스오버 상태 (MACD 란)
- 이동평균 — MA5 / MA20 / MA60 묶음과 골든크로스 / 데드크로스
- RSI(14) — 과매수 / 과매도 (RSI 란)
- KDJ(9,3,3) — 스토캐스틱 모멘텀, A 주에서 인기 (KDJ 란)
- Bollinger Bands(20,2) — 변동성 밴드 (Bollinger Bands 란)
- ADX/DMI(14) — 추세 강도 (ADX 란)
- 거래량 / 가격 관계 (거래량 분석)
- 자금흐름 프록시 (자금흐름이란)
각 차원은 5 일 신호 트레일을 동반합니다 — 거래 주간 동안 버킷 판정이 어떻게 변했는지 보여주는 다섯 개의 점으로, 오늘의 스냅샷만이 아니라 궤적을 읽게 해 줍니다. 그리고 우리는 A 주를 커버하기 때문에, 대시보드는 상한가 / 하한가 / 거래정지 봉(고가가 저가와 같은 경우)을 탐지해 중립으로 마스킹합니다. 그래서 퇴화된 봉이 거짓 강세 또는 약세 신호를 만들어내는 일이 없습니다.
Dexter 에서 유지한 것 — 그리고 바꾼 것
우리는 Dexter 를 정의하는 철학을 유지했습니다. 출처 있는 출력이 아니면 없던 일, 블랙박스 답변보다 편집 가능한 가정, 그리고 스스로 검증하는 에이전트 루프. 이 원칙들은 우리의 GTM 약속에 그대로 매핑됩니다 — PickSkill 은 평이한 언어로 주식 리서치를 조사하고, 모델링하고, 초안을 쓰는 AI 애널리스트다.
우리가 바꾼 것은 비기술 사용자가 만지는 모든 것입니다. 프로바이더 계층은 일반화되었습니다 — Dexter 는 여러 모델 프로바이더를 지원하며, PickSkill 은 기본값으로 OpenAI 의 gpt-5.5 패밀리를 탑재하면서 동일한 에이전트 표면을 통해 Anthropic, Google Gemini, xAI, 로컬 Ollama 도 지원합니다. 우리는 빌링, 메모리, 다국어 UI, 그리고 산출물 계층을 더했습니다. 오늘날 주식 리서치에서 AI 가 실제로 어디에 레버리지를 주는지에 대한 더 큰 그림은 2026 년 주식 리서치를 위한 AI를 참고하세요.
다음 차례
빌드인퍼블릭 정신에 따라, 공개 로드맵의 몇 가지 항목입니다.
- 예약 재내보내기 — 프롬프트를 손으로 다시 돌리는 대신, 포트폴리오 워크북이나 덱을 주기적으로 자동 새로 고쳐 전달합니다.
- 실적 콜 녹취 추출 — 준비된 발언만이 아니라, 전향적 신호가 사는 Q&A 섹션까지.
- 더 많은 시장 — 다음은 도쿄와 인도이며, 각각 공시 추출기와 지표 관행을 제대로 맞추는 데 2~3 개월의 통합이 필요합니다.
해결되었으면 하는 워크플로 빈틈이 있다면 알려주세요 — 로드맵은 사용자가 실제로 필요로 하는 것에 반응합니다.
FAQ
PickSkill 은 Dexter 와 같은 건가요? 아니요. PickSkill 은 Dexter 의 오픈소스 에이전트 루프 위에 만들어졌지만 별개의 제품입니다. Dexter 는 개발자를 위한 CLI 리서치 도구이고, PickSkill 은 계정, 빌링, 포트폴리오 관리, Office 파일 생성, 다중 시장 커버리지를 갖춘 호스티드 웹 앱입니다. 우리는 Dexter 의 에이전트 코어와 "출처 있는 출력" 철학을 유지한 뒤, 그 주변에 소비자 제품을 만들었습니다.
Dexter 는 오픈소스이며, 직접 쓸 수 있나요? 네. Dexter 는 MIT 라이선스이며 github.com/virattt/dexter에 공개되어 있습니다. 지금 바로 클론해 터미널에서 실행하고 금융 리서치에 쓸 수 있습니다. PickSkill 은 CLI 를 돌리지 않고도 같은 에이전트의 힘을 원하는 사람들을 위해 — 브라우저에서, 산출물과 포트폴리오 계층과 함께 — 존재합니다.
PickSkill 이 Dexter 위에 실제로 추가한 것은 무엇인가요? 네 가지 주요 계층입니다. 다국어 웹 앱 표면, OfficeCLI 를 통한 네이티브 Word/PowerPoint/Excel 생성, 8 개 지표 대시보드와 5 일 신호 트레일을 갖춘 포트폴리오 관리, 그리고 상한·하한 봉 마스킹을 동반한 미국/홍콩/A 주 시장 커버리지입니다. 바탕의 계획-실행-검증 에이전트 루프는 Dexter 에서 상속받았습니다.
PickSkill 은 어떤 AI 모델을 쓰나요? 기본값은 OpenAI 의 gpt-5.5 패밀리입니다. PickSkill 은 Dexter 의 멀티 프로바이더 설계를 상속받아 동일한 에이전트 표면을 통해 Anthropic, Google Gemini, xAI, 로컬 Ollama 모델도 지원합니다. 모델 선택이 워크플로를 바꾸지는 않습니다 — 출처 있는 출력과 편집 가능한 가정은 프로바이더 전반에 걸쳐 유지됩니다.
왜 처음부터 만들지 않고 기존 오픈소스 프로젝트 위에 만들었나요? 애널리스트 에이전트의 어려운 부분은 계획을 세우고, 도구를 호출하며, 환각 없이 라이브 데이터와 맞춰가는 루프입니다 — Dexter 는 그것을 이미 공개적으로 입증했습니다. 그 위에 쌓은 덕분에 우리는 초기 몇 달을 에이전트 배관을 다시 유도해내는 대신, 실제 사용자가 만지는 제품 표면(웹 앱, Office 파일, 포트폴리오 대시보드)에 쓸 수 있었습니다.