Vibe-Trading 介紹：把自然語言研究、回測和交易工具接到 AI Agent

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

HKUDS/Vibe-Trading 是一個面向交易研究的開源 AI Agent 工作區。專案給自己的定位很直接：用一條命令讓 Agent 擁有比較完整的交易研究能力。它把自然語言提問、市場資料載入、策略生成、回測、報告、MCP 工具和持久化研究記憶放在一起，目標不是替你「神奇賺錢」，而是把研究問題變成可執行、可檢查、可復盤的分析流程。

更準確地說，Vibe-Trading 適合三類工作：一是把一個交易想法快速轉成回測任務；二是讓多 Agent 團隊圍繞投資、量化、風險、加密貨幣等方向做研究；三是把自己的交易記錄匯入後，讓系統分析行為偏差，並生成 Shadow Account 對照報告。它也支援券商連接器和有限的下單能力，但這部分必須放在嚴格邊界裡看：專案本身不持有資金，交易執行發生在你自己授權的券商側，實際使用前必須理解風險、權限和稽核機制。

下面按開發者和量化研究使用者的視角，把這個專案拆開看。

Vibe-Trading 解決什麼問題

很多 AI 交易工具停留在「讓模型寫一段分析」或「生成一段策略程式碼」。Vibe-Trading 想做得更完整一些：從問題理解開始，自動選擇資料來源、拉取市場上下文、生成或呼叫工具、執行回測、輸出指標和報告，並把過程保存下來，方便之後繼續追蹤。

它的工作流大致是：

使用者用自然語言提出問題，例如「回測 BTC-USDT 的 20/50 均線策略」。
Agent 選擇相關技能、工具、資料來源或 swarm preset。
資料載入層拉取 A 股、港股、美股、加密貨幣、期貨、外匯或本地資料。
系統生成可測試的策略程式碼，並呼叫匹配的回測或分析工具。
輸出收益、回撤、基準比較、驗證報告、執行卡片和可重用 artifact。

這使它更像一個「交易研究操作台」，而不是一個單純聊天機器人。

核心能力

專案 README 把能力分成幾個主要模組：

自我改進的交易 Agent：支援自然語言市場研究、策略草稿、檔案和網頁分析，以及帶記憶的工作流。
多 Agent 交易團隊：內建投資、量化、加密貨幣、宏觀、風險等團隊預設，執行時可以顯示進度並保存報告。
跨市場資料和回測：覆蓋 A 股、港股、美股、加密貨幣、期貨、外匯等市場，支援資料 fallback、組合回測、PIT 資料和驗證 artifact。
Shadow Account：從真實交易記錄中提取行為模式，生成規則化影子策略，並和實際交易路徑對比。
Alpha Zoo：內建數百個量化因子，可以用一條命令做 IC、IR、存活/反向/失效分類。
MCP 接入：可以把交易研究能力暴露給 Claude Desktop、Cursor、OpenClaw 等支援 MCP 的客戶端。

這些能力看起來很多，第一次接入時不要試圖全開。更穩妥的路徑是先跑通自然語言回測，再看資料來源、報告、Shadow Account 和 MCP 整合。

快速安裝

最簡單的方式是直接安裝 PyPI 套件：

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

安裝後會得到三個主要命令：

1
2
3

vibe-trading      # 互動式 CLI / TUI
vibe-trading serve # 啟動 FastAPI Web 服務
vibe-trading-mcp  # 啟動 MCP server

第一次使用可以這樣開始：

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"

如果你從舊版本升級，README 提到 0.1.10 切到了 LangChain 1.x。若覆蓋安裝後遇到 import 問題，可以重建虛擬環境，或執行：

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

Docker 方式

如果只是想快速試用，可以用 Docker：

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

然後打開：

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

Docker 預設把後端發布到 127.0.0.1:8899，並用非 root 容器使用者執行。這裡的安全預設值值得保留：如果你打算把 API 暴露給區域網路或公網，應該設定強 API_AUTH_KEY，客戶端請求帶上：

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

如果 Docker 裡的應用要存取宿主機 Ollama，不要寫 localhost:11434。容器裡的 localhost 指的是容器自身，專案預設使用：

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

本地開發安裝

如果你想改程式碼或完整使用 CLI，可以從原始碼安裝：

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 啟用虛擬環境時用：

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

Web UI 可以單獨啟動：

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

如果要跑前端開發伺服器：

1
2
3

cd frontend
npm install
npm run dev

預設前端埠是：

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

環境變數怎麼配

Vibe-Trading 需要一個 LLM provider。README 列出的支援範圍包括 OpenRouter、OpenAI、DeepSeek、Gemini、Groq、DashScope/Qwen、Zhipu、Moonshot/Kimi、MiniMax、Xiaomi MIMO、Z.ai 和本地 Ollama。

常見環境變數包括：

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 對網路部署很重要；VIBE_TRADING_ENABLE_SHELL_TOOLS 更應該謹慎打開，因為它涉及 shell-capable tools。普通本地研究流程不需要一開始就啟用高風險能力。

專案還支援 OpenAI Codex OAuth 路徑：

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

這種方式使用 ChatGPT OAuth，不走 OPENAI_API_KEY。

資料來源和 fallback

Vibe-Trading 的一個實用點是資料載入層比較完整。README 提到專案目前有 18 個市場資料來源，覆蓋：

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
加密貨幣：okx、ccxt、yfinance、local
期貨、基金、宏觀、外匯：主要透過 tushare、akshare 和 local 路徑補充。

使用 source: "auto" 時，loader 會按市場和 IP 風險做 fallback。對普通使用者，這比手動處理每個資料來源的可用性要省心；對嚴肅研究，仍然應該記錄實際使用的資料來源、時間區間、復權方式和缺失資料處理邏輯。

如果你有自己的歷史行情，可以用 local: 前綴接入 CSV、Parquet 或 DuckDB 資料。需要注意的是，Vibe-Trading 的 loader 層定位是 point-in-time historical bars，不負責即時 tick 或訂單簿深度。即時交易和行情應透過券商連接器處理。

回測和研究流程

最常見的使用方式，是讓 Agent 把一句研究問題轉成可執行流程：

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

對於內建 Alpha Zoo，可以直接做因子 bench：

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

它的意義不是替代嚴謹量化平台，而是提供一個快速研究入口：先把假設跑起來，再看結果是否值得進入更嚴格的研究、稽核和生產化流程。

Shadow Account：從交易記錄反推行為模式

Shadow Account 是 Vibe-Trading 裡比較有特色的功能。它不是從一個理想策略出發，而是從你的真實交易記錄出發：

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：

讀取券商匯出的交易記錄，例如同花順、東方財富、富途或通用 CSV。
生成行為畫像，包括持倉天數、勝率、盈虧比、回撤、處置效應、過度交易、追漲和錨定等檢查。
提取重複出現的入場和出場規則。
用規則化 Shadow Account 回測，並標出違規、過早賣出、錯過訊號和替代交易路徑。
輸出 HTML/PDF 報告，方便復盤和歸檔。

這個功能更適合用來發現自己交易行為中的系統性偏差，而不是直接給出下一筆交易指令。用它做復盤會比用它做即時決策更穩。

MCP 和 Agent 接入

Vibe-Trading 可以作為 MCP server：

`1`	`vibe-trading-mcp`

這意味著你可以把它接到支援 MCP 的客戶端，把市場資料、回測、報告生成、Shadow Account 等能力作為工具暴露給現有 Agent。對已經在用 Claude Desktop、Cursor 或其他 Agent 工作流的人來說，這比再開一個獨立應用更自然。

但 MCP 接入也會擴大權限面。檔案讀取、生成程式碼、shell 工具、券商連接器、API key 都應該有清晰邊界。遠端部署時尤其要確認 API_AUTH_KEY、允許存取的檔案根目錄、執行目錄和 shell 工具開關。

最近更新裡值得看的點

Vibe-Trading 的 README 更新很頻繁。近期幾個變化說明專案正在從「能跑」轉向「邊界更清楚、執行更穩」：

2026-07-02：因子計算加速，回測子行程只繼承 allowlist 環境，減少父行程 secrets 暴露面。
2026-07-01：收緊 API、Docker 和前端開發預設配置，修復前端依賴和 CSP 警報。
2026-06-30：同一 Agent session runtime 可以接入 16 個訊息通道，包括 Telegram、Slack、Discord、Matrix、WhatsApp、飛書、釘釘、Teams、郵件等。
2026-06-29：增加 broker-agnostic 的 live advisory safety，Trading 212 只讀連接器加入。
2026-06-19：v0.1.10 擴展全域資料層，市場資料來源增長到 18 個，並提供 18 個唯讀資料工具。

這類專案最怕「能力越來越多但邊界越來越模糊」。從近期更新看，維護者在補安全、執行時隔離、資料 fallback、前端狀態和訊息通道，這些都比單純堆功能更重要。

適合誰，不適合誰

Vibe-Trading 適合：

想用自然語言快速生成研究和回測流程的量化研究者。
想把交易研究能力接進 MCP / Agent 工作流的開發者。
想復盤自己交易記錄、識別行為偏差的個人投資者。
想評估多市場資料來源、Alpha Zoo、Swarm 研究團隊的技術使用者。

它不適合：

希望「開箱自動賺錢」的使用者。
不理解資料品質、回測偏差和交易風險的人。
想把未稽核策略直接接到真實資金帳戶的人。
不願配置 API key、權限邊界和本地環境的人。

尤其要提醒：回測結果不是收益承諾，Agent 輸出也不是投資建議。任何實盤行為都應該有人工複核、風險限額、稽核記錄和一鍵停止機制。

小結

Vibe-Trading 的價值在於把交易研究從「模型寫幾段文字」推進到「資料、工具、回測、報告和記憶組成一個可復盤流程」。它覆蓋面很廣：自然語言研究、多 Agent 團隊、跨市場資料、Alpha Zoo、Shadow Account、Web UI、CLI、MCP、券商連接器都在同一個專案裡。

真正使用時，建議從最小路徑開始：先用本地 CLI 跑一次唯讀回測，再看資料來源和報告是否符合預期；然後嘗試 Shadow Account 或 Alpha Zoo；最後再考慮 MCP、Web 部署和券商連接器。交易系統裡最貴的錯誤，往往不是工具不會做什麼，而是使用者沒有把權限、資料、風險和稽核邊界說清楚。

回測 on KnightLi的博客