港大开源Vibe-Trading：用自然语言验证交易想法的AI量化工作台

由 发布于 AI量化交易开源项目
 收藏

原文地址：https://github.com/HKUDS/Vibe-Trading


香港大学那边研发推出了一个开源的项目，取名叫Vibe-Trading，这两天在GitHub上面每天都能涨四百多颗星，加起来总共已经有一万四了。
我头一回看到这个名字就乐了，Vibe，氛围感，听着跟量化交易完全不搭界，量化那帮人说话全是夏普比率回撤因子暴露，哪有人会去提氛围的。但是仔细一看，港大HKUDS出品，并非什么草根项目来糊弄人，这套东西可是认真做了的。
先说它究竟是干什么用的。你凭借自然语言去描述一个交易的想法，比如「沪深300里找动量强的，RSI低于30的时候买进去，超过70卖掉」，AI就会把这句话转化为一段能跑的Python代码，将历史数据提取过来，开展回测分析，生成分析报告，同时还能导出到通达信、TradingView、MT5这些平台上直接拿来用。这样一来，从想法到可验证的策略，中间你不需要去编写哪怕一行代码。
这个定位挺有意思的。传统量化框架，拿vnpy来说吧，你得会Python，得会编写策略模板，还得会调参数，门槛高得吓人。聚宽那种商业平台呢，倒是能在云端跑，但是高级回测要付费，导出也被锁在自己平台里面。Vibe-Trading走的是另一条路子，零代码驱动，本地部署免费，跨平台导出不受限制。
它里面内置了79个金融skill，7个大类，数据源策略分析之类的，每个skill就是一本操作手册，agent按需进行加载，不是一次性把79本全塞进上下文窗口，那样会撑爆。这个设计我是挺认可的，渐进式披露，跟你平时干活一样，用到哪本就翻哪本，不需要将整个图书馆搬过来。
回测引擎有7个，A股、港股美股、加密货币、期货、外汇，还有一个跨市场组合引擎，共享资金池，你能够同时持有A股加美股加比特币的仓位。数据源有5个，自动进行降级，要是主源挂了就切备用，A股选用AKShare，港美股选用yfinance，加密选用OKX和CCXT，关键是不需要你自己去注册API密钥。
让我感到意外的是Shadow Account功能。这个不是回测策略，是针对你自己的真实交易记录展开分析。你把券商交割单上传上去，同花顺东方财富富途的都行，系统会针对你的交易行为展开解析，给你做一个画像，持仓天数胜率盈亏比之类的，然后诊断四种心理偏见，处置效应，赚了就跑亏了死扛，过度交易，追涨杀跌，锚定效应，死盯着成本价不放。

在把诊断工作完成之后，系统就会出具一份审计报告，并且对两项内容开展对比分析。要是你严格遵照提取出的影子策略去执行操作的话，能够获取多少盈利，而你真正去操作又赚取了多少，这两者之间存在多大的差距，这就是你为了心理偏见所付出的代价成本。每一个交易者其实都想要知晓这个答案。说实话我自己做A股的时候也吃过处置效应带来的亏，赚5%就美滋滋地跑了，亏15%还觉得能回本，结果到头来，跑掉的那些票后来涨了30%，死扛的那些反而跌了40%。Vibe-Trading则把这种事情进行了量化处理，不再让你单凭感觉去进行回忆，而是依靠直接把数据拿来对照比较的方式去呈现。

在多agent协作这个方面上面，算是能够视作Vibe-Trading的另外一个亮点所在了。一共预先设定出了29个团队，诸如投资委员会、量化策略研究台这类的设置，每个团队本质上是一个DAG调度流程机制，agents之间会开展辩论工作并且把结果往下传递，这样一来得以生成出结构化的研究报告。那个投资委员会算是比较典型的例子了，多头方和空头方会先开展辩论工作，风控官会开展审查工作，最后由PM来做出拍板的决策。辩论之前agents会先去把真实的市场数据给拉取过来，绝对不会是空对空地去谈。
上下文压缩这块上面开展了五层的处理工作，这算是能够视作工程上面比较讲究的地方了。量化研究会话通常都会显得很长，很容易就会把AI的上下文窗口给超出掉。最头上一层会开展静默裁剪的工作，把旧的工具调用结果给裁剪掉，只保留近3个。第二层凭借纯字符串的操作方式，把长文本保留头尾并且把中间部分给折叠起来，得以实现出零API成本。第三层要是token超阈值了的话，就会去调用LLM来生成出结构化的摘要，按照固定格式进行输出操作，能够直接拿来作为交接文档进行使用。第四层Agent会主动去调用压缩的工具，同时还能去指定保留哪个主题的内容。第五层则是去把压缩后产生的孤儿记录开展修复的工作。这样一来，这套设计使得agent在处理超长研究会话的时候，就不会因为窗口满了而发生中断的情况了。
当然，存在的问题也是有的。项目在2026年4月才刚刚开源，也才过去两个月的时间，社区依然处于早期的阶段，出现bug以及文档不完善的情况算是常态了。回测严谨性还需要去开展更多的验证工作，A股的T+1和涨跌停处理能不能够完全靠谱，还得等到更多的人跑过之后才能知道。Swarm的输出质量依靠着大模型的工具调用能力，诸如DeepSeek v4 Pro这种档次的模型还行，小模型就很容易出现失败的情况，工具调用变得不再稳定，agent会从训练数据里编造出答案而不是真正去跑工具。
Shadow Account的偏见诊断依靠着的是启发式规则，并不是属于严格的统计检验，精度到底够不够用，我对此持保留意见。五层压缩虽然设计得挺漂亮的，但第三层摘要会不会把关键信息给丢失掉，实测中会不会出现那种「上一次摘要说回撤9.8%，这轮摘要变成回撤约10%」这种精度衰减的情况，目前还没有看到公开的压力测试数据。

接着再来聊一个我觉得相当有意思的情况。Vibe-Trading在今天把IM频道运行时给纳入到了系统之中，里面涵盖了16个消息适配器，像Telegram、Slack、Discord这类的都在其中，微信、飞书还有钉钉同样能够完成接入操作。要是你不在电脑跟前的时候，agent照样会去跑研究任务，并且把得出的结果给推送到你的聊天窗口里面。这种设计思路跟交易场景特别相贴合，毕竟行情可不会等你坐下来才去变动，盯盘的人真正需要的正是实时的推送，而不是事后再去查看报告。

交易连接器这一块近来的扩展速度可以说是相当迅猛。就在6月2号那天，一口气把六个券商接口给纳入到了系统里面，像老虎、长桥、Alpaca这类的接口，每个连接器均会向外暴露只读的账户持仓订单，同时还加上了模拟账户的下单功能。其中五个还支持开展处于安全模型约束之下的真实下单操作，涵盖了用户承诺的指令范围，连同订单规模及暴露度，并且配备了文件系统kill switch，fail-closed预交易门控，连同全审计账本。至于长桥，仅仅能够支持模拟和只读功能，这主要是鉴于它的API并未提供运行时区分模拟和实盘的标识。

有关安全设计这块内容，值得咱们单独拿出来好好地去讲一讲。下单的操作可不是你一拍脑袋，agent就会去执行的。它背后其实有着mandate机制，你必须得先去签署一份约束协议，把symbol范围、订单规模上限之类的参数指定得十分清楚明确，这样一来，agent只能够在这些约束条件内开展相关的操作工作。同时还配置了文件系统kill switch，你随时都能够一键把操作给停掉，同时审计账本也会把每一笔操作都详细地记录下来。6月29号那天又新增加了PreTradeAdvisoryInterface，下单前增加了一个 Advisory 审查步骤，用来把审查的意见给记录下来但并不会绕过mandate门控。可以说这套安全方面的设计是认真去做的，绝对不是什么摆设。
推荐的模型划分成了三个不同的档位。高级档包括Claude Opus 4.7、Claude Sonnet 4.6、GPT 5.5 Pro、Gemini 3.5 Flash，主要是用来去跑那种复杂的swarm、开展长研究以及进行论文级分析用的。甜点档则是DeepSeek v4 Pro、Grok 4.20、GLM 5.1之类的，比较适合日常驱动，工具调用相对可靠，成本大概是十分之一。要注意去避免选用nano、flash-lite、coder-next这类小模型，它们的工具调用不太可靠，agent会装作是在回答但实际上却是从记忆里面给编造出来的。
我自己实际动手装了一下并且进行了尝试操作。执行pip install vibe-trading-ai，然后跑vibe-trading init走交互式wizard去填写LLM的API key，13家provider都已经对接完毕了。接着你可以凭借vibe-trading进入TUI，或者去选用vibe-trading serve把Web界面给起起来，或者依靠着vibe-trading-mcp起MCP服务挂到Claude Desktop、Cursor当插件去用。这三种入口把命令行、IDE、浏览器都给覆盖到了。
Alpha Zoo里面内置了452个预构建量化因子，GTJA191因子库、WorldQuant Alpha101全都包含在其中，沪深300标的上做多因子组合策略的完整复现，还有因子挖掘IC/IR评估之类的全链路都有。这些因子你仅仅需要一条命令就能在特定标上进行bench操作，不需要你自己再从零开始去造轮子了。
说实话我试过之后认为，Vibe-Trading现在的价值并不在于帮小白赚钱，那个承诺实在太大了谁都做不到。它真正能够发挥用处的地方是帮助那些有想法但是却不会写代码的人去对想法进行验证。要是你有直觉，觉得某种模式应该有效，以前就得找程序员帮你写策略跑回测，沟通的成本比较高，迭代起来的速度也比较慢，现在你把一句话说出来，agent就能帮你跑上一遍看看，亏了赚了数据全都摆在那儿，你再进行相应的调整然后再跑，速度比传统的流程快了不止十倍之多。
但是回测的结果并不能代表实盘的表现，这句话哪怕说上一百遍也还是不够的。策略在历史数据上跑得挺好，并不能代表明天还能跑得挺好。Vibe-Trading自己也做出了声明，仅做研究、模拟与回测，不会去下单、并且也不构成投资建议。真想实盘的话，先拿模拟盘去跑上三个月，再运用小资金来进行验证，千万别一上来就重仓。

港大HKUDS牵头开展了这个项目的推进工作，而在背后提供支撑力量的，正是数据科学实验室的学术团队。
由学术团队来操刀开源项目的开发工作，带来的好处主要体现在工程规范度比较高，把文档结构梳理得十分清晰，并且版本管理工作的执行也相当严格。
当然不足之处也是有的，也就是响应速度要是跟纯商业团队比起来可能会慢一些，同时在社区运营经验的积累方面可能还显得不太充足。
MIT协议不仅允许商用而且是免费的，这一设定对于个人开发者还有小规模团队而言，确实显得相当友好。

在我看来，Vibe-Trading沿着把AI跟量化进行结合这条路子，摸索的方向确实算是走对了。
让普通人能够依靠自然语言去对交易想法开展验证工作，这种需求的确是真实存在的，只不过一直以来都没人真正去好好推进这项工作的落实。
Shadow Account把行为金融学跟AI审计结合到一块儿，这个点子本身就算得上挺新颖的了。
79个skill选用按需加载的方式，外加那五层上下文压缩机制，工程实现上确实花了不少心思。
安全模型可不是拿来当摆设的，mandate机制跟kill switch那可是实打实的约束条件。
不过毕竟才两个月的项目，要是指望它已经稳定到能让人依赖的程度，那就很不切实际了。
回测引擎是否严谨、Swarm输出能不能保持一致、压缩精度会不会出现衰减，这些疑问都得依靠更多人的实测数据来进行验证才行。
要是你本身就是量化老手，那就把它当成一个快速验证想法的辅助工具来运用，千万别当作主力框架去依赖。
要是你是个新手，借助它来学习量化思路跟因子逻辑，顺便熟悉一下回测流程，这挺好，但千万别拿它去做实盘决策。
AI跟量化进行结合这个赛道，到了2026年肯定会变得非常热闹。
GitHub趋势榜上ai-berkshire也在往上涨，多Agent投资研究框架，并且有着段永平跟李录方法论的加持。
Vibe-Trading跟ai-berkshire选了不同的路子，一个偏向策略生成跟回测验证，另一个则偏向价值投资研究跟多Agent对抗分析。
两边都有人在走，说明需求是多样化的，指望一个工具就能把覆盖所有人的场景给实现，那是不可能的事。
最后说一句实在话。
工具到底好不好使，这跟你自己对市场的判断力关联更大。
Vibe-Trading能帮你对想法开展验证工作，但不能帮你产生出好想法。
回测能告诉你过去表现怎样，但不能告诉你明天会怎样。
AI能加速你的研究流程，但不能替代你对市场的理解。
工具就是个放大器，放大的是你本来就有的东西，你手里压根没有的东西，它也放大不了。
以上就是全部内容了，既然都看到这儿了，要是觉得还不错，随手点个赞、在看、转发三连吧，要是想立刻收到推送，也可以给我个星标⭐～
感谢你的阅读，咱们下次再见。
参考来源

作者 AISet

阅读全文