Vibe-Trading 是一个开源、AI 驱动 的多智能体金融工作台，核心理念是：用自然语言描述交易想法，AI 自动生成、测试并执行交易策略。项目内置 6 大数据源、29 个专家 Agent、7 大回测引擎，让量化研究从“编码”走向“对话”。
核心能力一览
- 自然语言转策略：只需描述想法，Agent 自动编写、测试并导出交易代码
- 6 大数据源零配置：覆盖 A 股、港美股、加密货币、期货、外汇，自动回退
- 29 支专家 Agent 团队：预构建的多代理 Swarm 工作流，覆盖投资、交易与风控
- 跨会话记忆：记住偏好与洞察，自动创建/进化可复用技能
- 7 大回测引擎：跨市场复合测试 + 统计验证 + 4 种优化器
- 多平台导出：一键导出到 TradingView、通达信/同花顺、MetaTrader 5
内置 74 个 skills + 29 个 Agent，开箱即用。
安装方式
确保本地已配置 Python 环境后，使用 pip 安装：
pip install vibe-trading-ai
vibe-trading init # 交互式配置（选择模型）
vibe-trading serve --port 8899 # 启动 Web UI
前端启动：
cd frontend && npm install && npm run dev
访问 http://localhost:5899。
实测示例
输入一句自然语言：为000001.SZ创建双移动平均线交叉策略，回溯时间为2024年，系统随即输出回溯结果总览、交易明细、关键发现、优化建议以及完整报告。
一、智能体页面（核心功能）
输入区域
位于页面底部，包含 4 个控件：
① + 按钮（左侧） — 点击弹出菜单：
- 上传文件：支持 PDF、Word、Excel、CSV、图片等，最大 50MB。上传后智能体可读取内容辅助分析（如年报、历史数据表格）。
- Agent Swarm（多智能体模式）：激活后自动组建专家团队并行分析，适合复杂研究任务。
② 文本框（中间） — 输入策略描述：
Enter 直接发送Shift+Enter 换行- 支持多轮对话，智能体记住上下文
③ 导出按钮（下载图标） — 有消息后出现，将整个对话导出为 Markdown 文件
④ 发送/停止按钮（右侧）
- 空闲时：发送按钮（纸飞机图标）
- 运行中：红色停止按钮（方块图标），可中止正在执行的任务
执行过程实时显示
发送后界面会实时反馈任务流水：
Step 1 · fetch_stock_data ← 第几步 · 正在调用哪个工具
Step 2 · write_file ← 生成代码
Step 3 · run_backtest ← 执行回测
...
Done · 8 steps ← 完成，共几步
工具含义对照：
| 工具名 |
含义 |
fetch_stock_data / load_skill |
加载数据或策略知识 |
write_file / edit_file |
生成/修改策略代码 |
run_backtest |
执行回测引擎 |
bash |
运行 Python 命令 |
read_url |
读取网页（做研究时） |
spawn_subagent |
启动子智能体 |
回测结果卡片
回测完成后，页面自动出现结果卡，展示核心指标：
| 指标 |
含义 |
好的参考值 |
| 总收益率 |
整个回测期总盈亏 |
越高越好 |
| 年化收益 |
折算为年度收益率 |
> 15% |
| 夏普比率 |
风险调整后收益 |
> 1.0 合格，> 2.0 优秀 |
| 最大回撤 |
历史最大亏损幅度 |
< 20% 安全 |
| 胜率 |
盈利交易占比 |
> 50% |
| 卡玛比率 |
年化收益 ÷ 最大回撤 |
> 1.0 |
| 信息比率 |
超额收益稳定性 |
> 0.5 |
卡片右侧点击 “查看详情” 可进入完整报告。
二、回测详情页（结果分析）
点击「查看详情」后进入，包含 4 个标签页：
📈 图表 Tab
- 上方：K 线图 + 交易标记（绿色买入△、红色卖出▽）
- 下方：净值曲线 + 回撤曲线
- 叠加指标按钮：可叠加均线（MA）、布林通道、其他技术指标
- 裸 K 线：清除所有叠加层
📋 交易 Tab
- 完整的每笔交易记录表格：时间、方向（买/卖）、价格、数量、原因
- 右上角 「下载交易 CSV」 可导出到 Excel
💻 代码 Tab
- 智能体生成的完整 Python 回测代码，可直接复制修改
- 右上角 「下载指标 CSV」 导出指标数据
✅ 验证 Tab
- 策略健壮性验证报告：通过/失败项列表 + 改进建议
三、多智能体 Swarm 模式
点击输入框左侧 + → Agent Swarm，输入研究目标后系统将自动：
- 选择最合适的专家团队预设（投资研究 / 风控 / 交易执行等）
- 多个 Agent 并行工作，各司其职
- 汇总所有 Agent 的分析报告
适用场景：
- 分析贵州茅台近 3 年的基本面和技术面，给出综合评估
- 对比 5 只银行股 2024 年的量化表现，选出最优标的
四、设置页面
左侧导航「设置」包含 3 个区域：
1. 本地 API 访问
仅远程部署时需要填写，本地使用留空即可。
2. LLM 设置
| 字段 |
说明 |
| 服务商 |
DeepSeek / OpenAI / OpenRouter 等，切换后自动填写默认模型 |
| 模型 |
精确的模型 ID，如 deepseek-chat、gpt-4o |
| API 地址 |
服务商的 API 端点，一般用默认值 |
| API 密钥 |
填新密钥可替换；勾选「清除」可删除 |
| 温度 |
0～2，越低越确定，推荐 0.3 |
| 超时（秒） |
复杂策略可调大，默认 2400 秒 |
| 推理强度 |
支持 low / medium / high / max（部分模型） |
3. 数据源设置
| 字段 |
说明 |
| Tushare Token |
填写后解锁 A 股专业数据（分钟线、资金流、财务数据等），tushare.pro 免费注册获取 |
| BaoStock |
状态显示，需单独 pip install baostock 安装 |
五、相关性矩阵
左侧导航「相关性矩阵」用于分析多个资产之间的关联性。
操作步骤：
- 资产代码：填入多个标的，逗号分隔，如
000001.SZ,600519.SH,BTC/USDT
- 窗口（天）：滚动计算窗口，默认 30 天
- 方法：pearson（皮尔逊） / spearman（斯皮尔曼） / kendall
- 点击「计算」生成热力图
颜色越红表示正相关性越强，越蓝表示负相关，适用于分散化选股和配对交易。
六、会话管理
左侧「会话」区域：
+ 图标：新建空白对话- 悬停会话：出现 ✏️ 重命名 和 🗑️ 删除 按钮
- 点击会话：切换到该对话，历史消息完整保留
七、实用技巧
策略描述越具体越好：
❌ 分析平安银行
✅ 为 000001.SZ 设计双均线策略，5 日和 20 日均线，
当 5 日上穿 20 日买入，下穿卖出，初始资金 10 万，
回测 2023 年 1 月至 2024 年 12 月，计算年化收益和最大回撤
多轮迭代优化：
第 1 轮：创建策略，查看基础结果
第 2 轮：「把止损加到 5%，重新跑」
第 3 轮：「对比一下加止损前后的夏普比率变化」
第 4 轮：「把这个策略导出为 TradingView 的 Pine Script」
文件上传用途：
- 上传 Excel 持仓表 → 让智能体分析持仓风险
- 上传 PDF 研报 → 结合内容生成策略
- 上传 CSV 历史数据 → 用自定义数据回测
云栈社区将持续关注量化交易与 AI 技术的融合，欢迎访问交流。 | 
发表于 1 小时前
|
查看: 6|
回复: 0
