金融AI开源项目盘点：16个LLM、Agent与量化交易平台解析

随着大模型（LLM）、智能体（Agent）以及相关开源生态的蓬勃发展，金融科技领域的创新项目正迎来一波新的浪潮。从数据处理、投研分析到策略生成与自动化交易，越来越多兼具实用性与前瞻性的开源尝试正在涌现。本文梳理了近期在GitHub上备受关注的16个金融AI相关项目，涵盖了金融智能体平台、自动化投研分析、多智能体交易框架以及数据基础设施等多个方向，希望能为相关领域的开发者和研究者提供一份有价值的参考清单。

1. FinRobot (6.4K⭐)

• GitHub：https://github.com/AI4Finance-Foundation/FinRobot

FinRobot 是由 AI4Finance Foundation 开源的一个面向金融场景的 AI Agent 平台。其核心特点在于将大语言模型（LLM）、强化学习和量化分析能力整合到同一框架中，用以支持投资研究自动化、算法交易策略生成和风险评估等任务。

与仅依赖单一模型的方案不同，FinRobot 更强调多智能体协作、金融专用的思维链推理、多数据源接入以及从“感知—决策—执行”到任务调度的完整工作流。因此，它可以被视作一个覆盖金融分析、文档理解、市场预测和交易策略的全栈式金融 AI 基础平台。

2. TradingAgents (32.3K⭐)

• GitHub：https://github.com/AI4Finance-Foundation/FinRobot

TradingAgents 是一个多智能体金融交易框架，旨在通过模拟真实交易环境，结合大语言模型驱动的智能体进行市场分析和决策。该框架包含多个分工明确的智能体，分别负责基本面分析、情绪分析、新闻分析、技术分析等任务，并设有专门的交易员和风险管理智能体。

这些智能体通过评估市场状况、相互协作，共同制定交易策略。项目设计为模块化，支持集成如 Alpha Vantage 等数据源以及 OpenAI 的推理能力，适合用于金融策略的研究、测试和实验。

3. TradingAgents-CN (22.5K⭐)

• Github：https://github.com/hsliuping/TradingAgents-CN

TradingAgents-CN 是在 TradingAgents 思路基础上，专为中文用户打造的多智能体金融分析与策略研究平台。它定位为一个用于学习和研究如何将多智能体框架与大语言模型结合到股票分析中的中文增强版系统。

该项目强调完整中文本地化、A股市场支持、多LLM提供商接入、原生OpenAI与Google AI集成、自定义端点配置、智能模型选择、Docker容器化部署以及专业报告导出等能力。同时，项目明确将平台用途限定为合规的股票研究与策略实验，不提供实盘交易指令。

4. AI Hedge Fund (49.1K⭐)

• GitHub：https://github.com/virattt/ai-hedge-fund

AI Hedge Fund 是一个开源的“AI对冲基金”概念验证项目。其核心思路是利用多智能体协作来模拟真实的投研与交易决策流程。

一方面，它将巴菲特、芒格、彼得·林奇等不同投资风格的大师抽象成独立的投资大师 Agent；另一方面，又设置了估值、情绪、基本面、技术面、风险管理和组合管理等功能型 Agent，由它们共同分析股票并生成交易信号与组合决策。项目支持命令行与Web应用两种使用方式，也支持接入本地或云端LLM以及回测模块，适合作为一个研究“多Agent如何参与投资决策”的实验平台。

5. FinGPT (18.8K⭐)

• GitHub：https://github.com/AI4Finance-Foundation/FinGPT

FinGPT 是 AI4Finance Foundation 开源维护的一个金融领域大语言模型项目，旨在构建面向金融场景的开放式 LLM 生态。相比依赖封闭数据和高成本训练的金融模型，它更强调利用互联网规模的金融数据、轻量级微调和持续更新，以实现更低成本、更高时效性的金融智能分析能力。

项目不仅提供金融情感分析、指令微调、预测等多种模型与基准，还配套了数据处理、LoRA微调、推理示例和Hugging Face模型资源，是一个完整的人工智能金融应用技术栈。

6. Dexter (17.9K⭐)

• GitHub：https://github.com/virattt/dexter

Dexter 是一个面向金融研究场景的自治式 AI Agent。它的核心定位并非直接进行自动交易，而是将复杂的金融问题拆解成清晰的研究步骤，结合实时市场数据、财务报表和网络检索工具自主完成分析，并通过自我校验与迭代不断优化答案。

项目强调任务规划、工具选择、自反思和安全控制，支持调用收入表、资产负债表、现金流等金融数据。因此，它更像一个“专为投研打造的 Claude Code 式金融研究员”，适用于公司分析、基本面研究和投资问题问答等场景。

7. AI-Trader (12K⭐)

• Github: https://github.com/HKUDS/AI-Trader

AI-Trader 是香港大学数据智能系统实验室开源的一个 AI 复制交易平台。其核心定位不是单一策略生成器，而是一个面向 OpenClaw 生态的交易信号市场。

平台允许兼容 OpenClaw 的 AI agents 发布交易信号、参与策略讨论，并通过内置的复制交易机制让其他用户一键跟单。同时，它还支持美股、A股、加密货币、外汇、期权和期货等多市场场景，并提供模拟交易、真实信号同步、讨论社区和积分激励等功能，适合作为“AI代理共享交易观点与自动跟单”的实验与平台化基础设施。

8. OpenAlice (2.7K⭐)

• Github: https://github.com/TraderAlice/OpenAlice

OpenAlice 是一个面向股票与加密市场的开源 AI 交易代理引擎。其核心定位并非传统量化回测框架，而是试图将“研究台、量化团队、交易执行和风险控制”整合成一个可以长期运行在本地电脑上的个人化交易代理。

项目采用极具辨识度的 file-driven 设计，用 Markdown 定义人格与任务、JSON 配置系统、JSONL 记录事件与对话，让人和 AI 都可以通过读写文件直接控制代理。同时，它结合持续推理、信号混合、OS原生交互、统一交易账户以及执行前的风控管线，实现从市场研究、新闻分析到下单与审计追踪的完整闭环，可看作一个“可自我组织的个人 AI 交易工作站”。

9. ValueCell (10.1K⭐)

• Github: https://github.com/ValueCell-ai/valuecell

ValueCell 是一个面向金融场景的高热度开源多智能体平台，定位为“社区驱动的去中心化金融 Agent 生态”。其目标是通过一组投资类智能体帮助用户完成选股、深度研究、信息跟踪甚至自动交易等任务。

从仓库介绍看，它集成了 DeepResearch Agent、Strategy Agent、News Retrieval Agent 等模块，支持多种 LLM 提供商，覆盖美股/港股/A股/加密市场等多类数据源，并可连接主流交易所进行实盘或准实盘策略执行，同时强调将敏感信息本地存储以增强安全性。整体来看，ValueCell 更像是把 LLM、Agent、研究自动化与交易执行打通的一体化金融 AI 平台。

10. FinnewsHunter (1.4K⭐)

• Github：https://github.com/DemonDamon/FinnewsHunter

FinnewsHunter 是一个基于 AgenticX 框架构建的多智能体金融情报平台。其核心目标是将实时财经新闻监控、深度语义分析、情绪判断、市场影响评估和投资机会挖掘串联成一条完整链路。

项目通过 NewsAnalyst、Researcher 等多个 Agent 持续跟踪多源新闻流，借助大语言模型进行深度解读，并结合知识图谱挖掘潜在机会与风险，为量化交易提供更偏“决策级”的alpha信号。工程上，它采用 FastAPI + PostgreSQL + Milvus + Redis + React 的完整技术栈，支持多家LLM提供商切换、异步向量化、批量新闻分析等功能，适合被看作一个面向投研与新闻驱动策略的“金融AI分析中台”。

11. ATLAS (1.3K⭐)

• Github: https://github.com/chrisworsey55/atlas-gic

ATLAS 是 General Intelligence Capital 开源的一个“自我改进型 AI 交易代理”框架。其核心思路是把交易 Agent 的提示词（prompt）当作可优化的“参数”，再利用真实市场反馈与滚动夏普比率表现来持续改写、保留或回滚这些提示词，从而形成一种类似“提示词进化训练”的机制。

项目采用分层多智能体架构，包含宏观层、行业层、超级投资者层和决策层共25+个agents，通过每日辩论、风险对抗、信号综合和自动执行来生成交易决策。它还引入了达尔文式权重更新、知识缺口触发的agent自动孵化等机制。因此，ATLAS 更像一个将 LLM、多智能体协作、市场反馈学习和自适应交易研究融为一体的实验性平台。

12. AI Financial Agent (1.9K⭐)

• Github: https://github.com/virattt/ai-financial-agent

AI Financial Agent 是一个面向投资研究场景的 AI 金融代理项目。其核心定位是用大语言模型结合金融数据接口，构建一个可交互的股票研究助手。

从仓库说明看，它强调以聊天式界面完成金融研究、个股分析与信息查询，并通过生成式UI展示股价、基本面等关键数据。项目默认接入专为AI金融代理设计的 Financial Datasets API，可获取覆盖美国市场多年的实时与历史数据。工程上，该项目采用 Next.js/TypeScript 的前端应用结构，适合被看作一个“面向投研问答与金融分析的AI助手模板”。

13. OpenBB (64.9K⭐)

• Github: https://github.com/OpenBB-finance/OpenBB

OpenBB 是一个面向分析师、量化研究员和 AI Agent 的开源金融数据平台。其核心定位不是单一策略回测或交易框架，而是一个“connect once， consume everywhere”的数据基础设施层。

它可以将专有、授权和公共金融数据统一接入后，同时输出到 Python 量化环境、OpenBB Workspace、Excel、MCP servers 以及 REST API 等多个下游入口。工程上，它提供 openbb Python 包、CLI以及基于 FastAPI + Uvicorn 的本地API服务，既适合搭建投研数据中台，也适合为金融Copilot、研究看板和智能体系统提供稳定的数据供给，更像是AI量化生态中的“底层数据总线”。

14. Qbot (16.8K⭐)

• Github: https://github.com/UFund-Me/Qbot

Qbot 是一个高热度的开源 AI 智能量化投研平台。项目定位是覆盖“数据获取—策略开发—回测评估—模拟交易—实盘接入”全流程的本地化量化研究与交易系统。

从仓库介绍看，它强调模块化分层设计，将数据层、策略层和交易引擎解耦，支持股票、基金、期货和加密货币等多类资产，并整合了 backtrader、qlib 以及深度学习、强化学习等 AI 建模能力，同时提供GUI前端、可视化分析工具。因此，Qbot更适合被理解为一个面向个人投资者和量化开发者的“全链路AI量化实验平台”。

15. daily_stock_analysis (27.4K⭐)

• Github: https://github.com/ZhuLinsen/daily_stock_analysis

daily_stock_analysis 是一个高热度的 LLM 驱动股票智能分析系统，面向 A 股、港股和美股场景。它将实时行情、技术面、筹码分布、舆情情报和基本面信息整合到统一分析链路中，由大模型生成包含核心结论、买卖点位和操作清单的“决策仪表盘”，并支持通过企业微信、飞书、Telegram等多渠道自动推送。

项目不仅提供多轮“Agent问股”、内置多种策略对话和历史分析回测能力，还支持GitHub Actions定时运行，实现“零服务器”的自动化部署，适合作为一个结合多数据源、LLM决策、自动推送与轻量自动化运维的个人化AI投研助手。

16. RD-Agent (12.2K⭐)

• Github: https://github.com/microsoft/RD-Agent

RD-Agent 是微软开源的一个面向“研究与开发自动化”的通用 AI Agent 框架。其核心目标是让大模型不仅能回答问题，还能围绕数据、模型与实验流程自主完成高价值的研发任务。

项目既覆盖数据科学、机器学习工程等通用场景，也专门推出了 R&D-Agent-Quant，将这一框架扩展到量化交易研究中。其特点在于把复杂研发过程拆解为可迭代的多阶段工作流，并提供文档、Web UI、多模型后端支持以及可视化trace查看能力，适合作为一个“让AI自动做研究、做实验”的研发智能体底座。

总结

以上16个项目展示了当前开源社区在金融AI领域，特别是LLM与Agent应用上的活跃探索。从底层的数据处理平台（如OpenBB）、专用的金融大模型（如FinGPT），到复杂的多智能体协作框架（如FinRobot、ATLAS）和一体化的投研交易平台（如Qbot、ValueCell），整个生态正在快速成型。

这些项目大多基于Python技术栈，并积极集成最新的AI技术，为金融量化分析、自动化交易和智能投顾等场景提供了丰富的工具箱和实验场。对于希望进入或深耕此领域的开发者而言，深入研究这些开源项目无疑是快速提升技术视野与实践能力的有效途径。欢迎在云栈社区交流更多关于AI与量化交易的技术心得。