Vibe-Trading 介绍：把自然语言研究、回测和交易工具接到 AI Agent

Fri, 03 Jul 2026 09:58:13 +0800

HKUDS/Vibe-Trading 是一个面向交易研究的开源 AI Agent 工作区。项目给自己的定位很直接：用一条命令让 Agent 拥有比较完整的交易研究能力。它把自然语言提问、市场数据加载、策略生成、回测、报告、MCP 工具和持久化研究记忆放在一起，目标不是替你“神奇赚钱”，而是把研究问题变成可运行、可检查、可复盘的分析流程。

更准确地说，Vibe-Trading 适合三类工作：一是把一个交易想法快速转成回测任务；二是让多 Agent 团队围绕投资、量化、风险、加密货币等方向做研究；三是把自己的交易记录导入后，让系统分析行为偏差，并生成 Shadow Account 对照报告。它也支持券商连接器和有限的下单能力，但这部分必须放在严格边界里看：项目本身不持有资金，交易执行发生在你自己授权的券商侧，实际使用前必须理解风险、权限和审计机制。

下面按开发者和量化研究用户的视角，把这个项目拆开看。

Vibe-Trading 解决什么问题

很多 AI 交易工具停留在“让模型写一段分析”或“生成一段策略代码”。Vibe-Trading 想做得更完整一些：从问题理解开始，自动选择数据源、拉取市场上下文、生成或调用工具、运行回测、输出指标和报告，并把过程保存下来，方便之后继续追踪。

它的工作流大致是：

用户用自然语言提出问题，例如“回测 BTC-USDT 的 20/50 均线策略”。
Agent 选择相关技能、工具、数据源或 swarm preset。
数据加载层拉取 A 股、港股、美股、加密货币、期货、外汇或本地数据。
系统生成可测试的策略代码，并调用匹配的回测或分析工具。
输出收益、回撤、基准比较、验证报告、运行卡片和可复用 artifact。

这使它更像一个“交易研究操作台”，而不是一个单纯聊天机器人。

核心能力

项目 README 把能力分成几个主要模块：

自我改进的交易 Agent：支持自然语言市场研究、策略草稿、文件和网页分析，以及带记忆的工作流。
多 Agent 交易团队：内置投资、量化、加密货币、宏观、风险等团队预设，运行时可以显示进度并保存报告。
跨市场数据和回测：覆盖 A 股、港股、美股、加密货币、期货、外汇等市场，支持数据 fallback、组合回测、PIT 数据和验证 artifact。
Shadow Account：从真实交易记录中提取行为模式，生成规则化影子策略，并和实际交易路径对比。
Alpha Zoo：内置数百个量化因子，可以用一条命令做 IC、IR、存活/反向/失效分类。
MCP 接入：可以把交易研究能力暴露给 Claude Desktop、Cursor、OpenClaw 等支持 MCP 的客户端。

这些能力看起来很多，第一次接入时不要试图全开。更稳妥的路径是先跑通自然语言回测，再看数据源、报告、Shadow Account 和 MCP 集成。

快速安装

最简单的方式是直接安装 PyPI 包：

`1`	`pip install vibe-trading-ai`

安装后会得到三个主要命令：

1
2
3

vibe-trading      # 交互式 CLI / TUI
vibe-trading serve # 启动 FastAPI Web 服务
vibe-trading-mcp  # 启动 MCP server

第一次使用可以这样开始：

1
2

vibe-trading init
vibe-trading run -p "Backtest a BTC-USDT 20/50 moving-average strategy for 2024 and summarize return and drawdown"

如果你从旧版本升级，README 提到 0.1.10 切到了 LangChain 1.x。若覆盖安装后遇到 import 问题，可以重建虚拟环境，或执行：

`1`	`pip install --force-reinstall vibe-trading-ai`

Docker 方式

如果只是想快速试用，可以用 Docker：

git clone https://github.com/HKUDS/Vibe-Trading.git
cd Vibe-Trading
cp agent/.env.example agent/.env
# 编辑 agent/.env，设置 LLM provider 和 API key
docker compose up --build

然后打开：

`1`	`http://localhost:8899`

Docker 默认把后端发布到 127.0.0.1:8899，并用非 root 容器用户运行。这里的安全默认值值得保留：如果你打算把 API 暴露给局域网或公网，应该设置强 API_AUTH_KEY，客户端请求带上：

`1`	`Authorization: Bearer <your-api-key>`

如果 Docker 里的应用要访问宿主机 Ollama，不要写 localhost:11434。容器里的 localhost 指的是容器自身，项目默认使用：

`1`	`http://host.docker.internal:11434`

本地开发安装

如果你想改代码或完整使用 CLI，可以从源码安装：

git clone https://github.com/HKUDS/Vibe-Trading.git
cd Vibe-Trading
python -m venv .venv
source .venv/bin/activate
pip install -e .
cp agent/.env.example agent/.env
vibe-trading

Windows PowerShell 激活虚拟环境时用：

`1`	`.\.venv\Scripts\Activate.ps1`

Web UI 可以单独启动：

`1`	`vibe-trading serve --port 8899`

如果要跑前端开发服务器：

1
2
3

cd frontend
npm install
npm run dev

默认前端端口是：

`1`	`http://localhost:5899`

环境变量怎么配

Vibe-Trading 需要一个 LLM provider。README 列出的支持范围包括 OpenRouter、OpenAI、DeepSeek、Gemini、Groq、DashScope/Qwen、Zhipu、Moonshot/Kimi、MiniMax、Xiaomi MIMO、Z.ai 和本地 Ollama。

常见环境变量包括：

LANGCHAIN_PROVIDER
<PROVIDER>_API_KEY
<PROVIDER>_BASE_URL
LANGCHAIN_MODEL_NAME
TUSHARE_TOKEN
TIMEOUT_SECONDS
API_AUTH_KEY
VIBE_TRADING_ENABLE_SHELL_TOOLS
VIBE_TRADING_ALLOWED_FILE_ROOTS
VIBE_TRADING_ALLOWED_RUN_ROOTS
CONTENT_FILTER_WARNING_THRESHOLD

其中 API_AUTH_KEY 对网络部署很重要；VIBE_TRADING_ENABLE_SHELL_TOOLS 更应该谨慎打开，因为它涉及 shell-capable tools。普通本地研究流程不需要一上来启用高风险能力。

项目还支持 OpenAI Codex OAuth 路径：

`1`	`vibe-trading provider login openai-codex`

这种方式使用 ChatGPT OAuth，不走 OPENAI_API_KEY。

数据源和 fallback

Vibe-Trading 的一个实用点是数据加载层比较完整。README 提到项目当前有 18 个市场数据源，覆盖：

A 股：tencent、mootdx、eastmoney、baostock、akshare、tushare、local
美股：yahoo、stooq、sina、eastmoney、yfinance、tiingo、fmp、finnhub、alphavantage、akshare、local
港股：eastmoney、yahoo、futu、yfinance、akshare、local
加密货币：okx、ccxt、yfinance、local
期货、基金、宏观、外汇：主要通过 tushare、akshare 和 local 路径补充。

使用 source: "auto" 时，loader 会按市场和 IP 风险做 fallback。对于普通用户，这比手动处理每个数据源的可用性要省心；对于严肃研究，仍然应该记录实际使用的数据源、时间区间、复权方式和缺失数据处理逻辑。

如果你有自己的历史行情，可以用 local: 前缀接入 CSV、Parquet 或 DuckDB 数据。需要注意的是，Vibe-Trading 的 loader 层定位是 point-in-time historical bars，不负责实时 tick 或订单簿深度。实时交易和行情应通过券商连接器处理。

回测和研究流程

最常见的使用方式，是让 Agent 把一句研究问题转成可运行流程：

`1`	`vibe-trading run -p "Backtest a BTC-USDT 20/50 moving-average strategy for 2024, summarize return and drawdown, then export the report"`

对于内置 Alpha Zoo，可以直接做因子 bench：

`1`	`vibe-trading alpha bench --zoo gtja191 --universe csi300 --period 2018-2025 --top 20`

它的意义不是替代严谨量化平台，而是提供一个快速研究入口：先把假设跑起来，再看结果是否值得进入更严格的研究、审计和生产化流程。

Shadow Account：从交易记录反推行为模式

Shadow Account 是 Vibe-Trading 里比较有特色的功能。它不是从一个理想策略出发，而是从你的真实交易记录出发：

1
2

vibe-trading --upload trades_export.csv
vibe-trading run -p "Analyze my trading behavior, extract my shadow strategy, and compare it with my actual trades"

典型流程包括：

读取券商导出的交易记录，例如同花顺、东方财富、富途或通用 CSV。
生成行为画像，包括持仓天数、胜率、盈亏比、回撤、处置效应、过度交易、追涨和锚定等检查。
提取重复出现的入场和出场规则。
用规则化 Shadow Account 回测，并标出违规、过早卖出、错过信号和替代交易路径。
输出 HTML/PDF 报告，方便复盘和归档。

这个功能更适合用来发现自己交易行为中的系统性偏差，而不是直接给出下一笔交易指令。用它做复盘会比用它做实时决策更稳。

MCP 和 Agent 接入

Vibe-Trading 可以作为 MCP server：

`1`	`vibe-trading-mcp`

这意味着你可以把它接到支持 MCP 的客户端，把市场数据、回测、报告生成、Shadow Account 等能力作为工具暴露给现有 Agent。对已经在用 Claude Desktop、Cursor 或其他 Agent 工作流的人来说，这比再开一个独立应用更自然。

但 MCP 接入也会扩大权限面。文件读取、生成代码、shell 工具、券商连接器、API key 都应该有清晰边界。远程部署时尤其要确认 API_AUTH_KEY、允许访问的文件根目录、运行目录和 shell 工具开关。

最近更新里值得看的点

Vibe-Trading 的 README 更新很频繁。近期几个变化说明项目正在从“能跑”转向“边界更清楚、运行更稳”：

2026-07-02：因子计算加速，回测子进程只继承 allowlist 环境，减少父进程 secrets 暴露面。
2026-07-01：收紧 API、Docker 和前端开发默认配置，修复前端依赖和 CSP 警报。
2026-06-30：同一 Agent session runtime 可以接入 16 个消息通道，包括 Telegram、Slack、Discord、Matrix、WhatsApp、飞书、钉钉、Teams、邮件等。
2026-06-29：增加 broker-agnostic 的 live advisory safety，Trading 212 只读连接器加入。
2026-06-19：v0.1.10 扩展全局数据层，市场数据源增长到 18 个，并提供 18 个只读数据工具。

这类项目最怕“能力越来越多但边界越来越模糊”。从近期更新看，维护者在补安全、运行时隔离、数据 fallback、前端状态和消息通道，这些都比单纯堆功能更重要。

适合谁，不适合谁

Vibe-Trading 适合：

想用自然语言快速生成研究和回测流程的量化研究者。
想把交易研究能力接进 MCP / Agent 工作流的开发者。
想复盘自己交易记录、识别行为偏差的个人投资者。
想评估多市场数据源、Alpha Zoo、Swarm 研究团队的技术用户。

它不适合：

希望“开箱自动赚钱”的用户。
不理解数据质量、回测偏差和交易风险的人。
想把未审计策略直接接到真实资金账户的人。
不愿配置 API key、权限边界和本地环境的人。

尤其要提醒：回测结果不是收益承诺，Agent 输出也不是投资建议。任何实盘行为都应该有人工复核、风险限额、审计记录和一键停止机制。

小结

Vibe-Trading 的价值在于把交易研究从“模型写几段文字”推进到“数据、工具、回测、报告和记忆组成一个可复盘流程”。它覆盖面很广：自然语言研究、多 Agent 团队、跨市场数据、Alpha Zoo、Shadow Account、Web UI、CLI、MCP、券商连接器都在同一个项目里。

真正使用时，建议从最小路径开始：先用本地 CLI 跑一次只读回测，再看数据源和报告是否符合预期；然后尝试 Shadow Account 或 Alpha Zoo；最后再考虑 MCP、Web 部署和券商连接器。交易系统里最贵的错误，往往不是工具不会做什么，而是用户没有把权限、数据、风险和审计边界说清楚。

回测 on KnightLi的博客