![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775924764929_30F59723-AC26-45ED-831E-F474B415AA23.jpeg)

## 一、为什么你需要这个工具？

用 AI 助手的人都有一个共同的痛——

**"会话"越多，效率越低。**

用了 3 个月的 ChatGPT，突然想起来："我上个月做的那份研究报告在哪来着？"——翻遍 200 个会话记录，找不到。

想让 Claude 接着上周的工作继续，但新的对话窗口里，它完全不记得你们讨论过什么。

根本原因在于：**现有的 AI 助手都是"Run-centric"（以对话为中心）的**——每次开启新对话，AI 从零开始；继续之前的工作，就只能在一个会话里无限堆积上下文，直到超出 Token 限制。

**更难受的是：**
- 想把一个 AI Agent 的能力分享给同事？→ 没法分享，每次都要重新配置
- 想让 AI 记住你的偏好和习惯？→ 关掉对话就忘光了
- 想让 AI 跨会话持续做事？→ 抱歉，根本不支持

Holaboss 解决的就是这个问题——它把 AI 助手从"问答机器"变成了真正的"数字员工"。

---

## 二、项目简介

**Holaboss** 是一个开源的 AI 工作空间桌面应用，核心理念是：**以 Workspace（工作空间）为中心，而不是以对话为中心**。

你可以在 Holaboss 里创建"工作空间"，每个工作空间都有：
- 持久记忆（记住你是谁、你喜欢什么）
- 明确的工作目标（你让这个 Agent 做什么）
- 可打包分享（把你的工作空间分享给任何人）

| 关键指标 | 数值 |
|---------|------|
| Stars | **1.4K** |
| Forks | **195** |
| 技术栈 | Node.js 22+ / TypeScript / Electron |
| 支持平台 | macOS（Windows/Linux 开发中）|
| 许可证 | MIT |
| 官网 | holaboss.ai |

一句话定位：**让 AI Agent 拥有持久记忆和跨会话连续工作能力的开源工作空间**。

---

## 三、核心功能深度解析

### 1. Workspace -centric 架构——AI 的"数字办公室"

传统 AI Agent 的问题：

```
会话1（周一说）：帮我分析竞品
会话2（周二说）：上周那个分析继续
会话3（周三说）：……等等我先把上下文发给你
会话4（周四说）：上次说的竞品是哪几家来着？
```

每次新对话，AI 都是"失忆状态"。你浪费大量时间在重新解释背景上。

Holaboss 的做法：

```
创建一个"竞品研究"工作空间
↓
AI 记住：项目背景、已分析的竞品、待解决的问题
↓
你随时回来，AI 从上次停下的地方继续
↓
工作空间可以打包分享给同事，直接复用
```

Holaboss 的架构把 AI 的连续性拆成了三个明确的层次：

**（1）Authored Policy（人类编写的工作原则）**
- `AGENTS.md` — 定义这个工作空间的目标、角色和行为规范
- `workspace.yaml` — 定义具体的工作计划和执行步骤

这两文件是你和 AI 之间的"契约"，AI 每次启动都会读取，确保方向一致。

**（2）Session Memory（会话记忆）**
- 包含"Compaction Boundaries"（压缩边界）
- 当会话变长时，AI 自动生成摘要存档，确保 Token 不超标
- 新的会话从这个压缩存档中恢复，而不是从零开始

**（3）Durable Memory（持久记忆）**
以文件系统 Markdown 文件的形式存储，跨越所有会话永久保存：
- **偏好**（你喜欢的写作风格、回复格式）
- **身份**（你是谁、你的背景）
- **事实**（关于项目、团队、产品的知识）
- **流程**（你习惯的工作步骤）
- **障碍**（已知的卡点和待解决的问题）
- **参考资料**（文档链接、上下文）

---

### 2. 四大记忆层——精准控制 AI 该记什么

Holaboss 实现了四层清晰的记忆架构，让用户对 AI 的"记忆"有完全的控制权：

| 记忆层 | 作用域 | 生命周期 | 典型内容 |
|--------|--------|----------|----------|
| **Session Continuity** | 当前会话 | 会话内 | 当前任务上下文 |
| **Session-memory Projections** | 当前运行 | 运行期间 | 实时工作状态 |
| **Operational Projections** | 工作空间 | 工作空间内 | 任务列表、进度 |
| **Durable Recalled Memory** | 全局 | 永久 | 偏好、身份、参考资料 |

这种分层设计解决了 AI 记忆混乱的根本问题：
- 该长期记住的（偏好、身份）→ 永久存储
- 该跨会话延续的（任务进度）→ 工作空间内保留
- 该临时使用的（当前任务）→ 会话内即时

---

### 3. 工作空间模板市场——一键复用最佳实践

Holaboss 提供了一个工作空间模板市场，类似于：
- Notion 模板市场
- GitHub Actions 市场

但分享的是**完整的 AI Agent 工作空间**。

团队负责人可以：
1. 配置好一个"竞品研究"工作空间
2. 分享给全团队
3. 每个人都能在本地一键导入，直接使用

这解决了 AI Agent 最大的问题之一：**最佳实践无法复制**。有了 Holaboss，一个优秀的 Prompt 工程可以被封装成模板，无限复用。

---

### 4. MCP 工具支持——万物皆可接入

Holaboss 支持 MCP（Model Context Protocol）协议，可以接入各种外部工具：

- 文件系统操作
- Git 版本控制
- 数据库查询
- API 调用
- 浏览器自动化

这意味着：Holaboss 不只是一个"对话界面"，而是一个真正能执行任务的 Agent——它可以操作文件、运行代码、查询数据，把 AI 的"思考"变成实际"行动"。

---

### 5. 多模型支持——灵活切换

Holaboss 不绑定任何特定 AI 提供商，支持：

| 提供商 | 说明 |
|--------|------|
| OpenAI | GPT-4o、o1 等 |
| Anthropic | Claude 3.5、3.7 等 |
| OpenRouter | 200+ 模型聚合 |
| Gemini | Google 模型 |
| Ollama | 本地模型 |
| MiniMax | 国产模型 |

用户可以根据任务需求切换不同模型，甚至在同一个工作空间里让不同 Agent 调用不同模型。

---

## 四、技术架构亮点

### 以文件系统为中心的记忆

Holaboss 的持久记忆直接存储在文件系统中：

```
memory/
├── workspace/
│   └── <workspace-id>/
│       ├── runtime/         # 运行时快照（会话内）
│       ├── preferences.md   # 用户偏好（永久）
│       ├── identity.md      # 身份信息（永久）
│       ├── facts.md         # 知识库（永久）
│       └── procedures.md    # 流程规范（永久）
```

这种设计有几个明显优势：
- **可读可改**：你随时可以打开 Markdown 文件查看和编辑 AI 的记忆
- **版本控制**：记忆可以纳入 Git 管理，历史版本可追溯
- **跨平台**：不依赖任何特定数据库，纯文件即可迁移

### Compaction Boundaries（压缩边界）

当一个会话的 Token 数量接近上限时，Holaboss 会：
1. 让 AI 生成一份压缩摘要
2. 保存到压缩边界存档
3. 清空会话窗口，释放 Token
4. 新对话从压缩摘要中恢复

这就像给 AI 装了一个"外置硬盘"——内存不够了，就把不常用的记忆压缩存档，需要时再解压读取。

### 运行时投影（Runtime Projections）

运行时投影存储在工作空间内的 `memory/workspace/<id>/runtime/` 目录，包含：
- 当前正在处理的任务列表
- 每项任务的状态和进度
- 最近操作的上下文快照

这些数据是"挥发性的"——会话结束即可清理，不污染持久记忆。

---

## 五、适用场景与人群

### 谁应该用？

| 场景 | 具体说明 |
|------|----------|
| **长周期研究项目** | 竞品分析、行业调研，跨越数周持续工作 |
| **产品开发团队** | 共享 AI 工作流模板，统一团队协作规范 |
| **内容创作者** | 建立专属创作风格记忆，AI 每次都"懂你" |
| **开发者** | 项目技术栈、架构决策的持久化知识库 |
| **企业知识管理** | 把专家经验封装成可复用的 AI 工作空间 |

### 不适合谁？

- 只用 AI 做简单问答，不需要跨会话连续工作
- 偏好纯云端服务，不需要本地桌面应用
- Windows/Linux 用户（目前仅 macOS 可用，Windows/Linux 开发中）

---

## 六、竞品对比

| 特性 | Holaboss | ChatGPT | Claude.ai | Cursor |
|------|----------|---------|-----------|--------|
| 持久记忆 | ✅ 文件系统永久存储 | ❌ | ❌ | ❌ |
| 工作空间打包分享 | ✅ | ❌ | ❌ | ❌ |
| Workspace-centric | ✅ 核心架构 | ❌ | ❌ | ❌ |
| MCP 工具支持 | ✅ | ❌ | ❌ | ✅ |
| 压缩边界 | ✅ | ❌ | ❌ | ❌ |
| 多模型支持 | ✅ 6家 | ❌ | ❌ | ⚠️ 限制 |
| 开源 | ✅ MIT | ❌ | ❌ | ❌ |
| 桌面应用 | ✅ Electron | ❌ | ❌ | ✅ |
| 模板市场 | ✅ | ❌ | ❌ | ❌ |

---

## 七、快速上手

### 第一步：安装依赖

```bash
# 需要 Node.js 22+
node --version

# 克隆项目
git clone https://github.com/holaboss-ai/holaboss-ai.git
cd holaboss-ai

# 安装桌面应用依赖
npm run desktop:install
```

### 第二步：配置环境变量

```bash
cp desktop/.env.example desktop/.env
# 用文本编辑器打开 desktop/.env，填入你的 API Key
```

支持的环境变量：

| 变量 | 说明 |
|------|------|
| `OPENAI_API_KEY` | OpenAI Key |
| `ANTHROPIC_API_KEY` | Anthropic Key |
| `OPENROUTER_API_KEY` | OpenRouter Key |
| `GEMINI_API_KEY` | Google Gemini Key |

### 第三步：启动应用

```bash
# 开发模式启动
npm run desktop:dev

# 或类型检查后启动
npm run desktop:typecheck
npm run desktop:dev
```

访问 `http://localhost:5173` 即可使用。

---

## 八、总结

Holaboss 真正有价值的地方，在于它重新定义了 AI Agent 的"连续性"。

过去我们用"会话"来管理 AI 的工作，但会话天然是临时的、不连续的。Holaboss 用"工作空间"替代"会话"，把 AI 的工作变成了一种可持续、可积累、可分享的形态。

四个记忆层次 + 压缩边界 + 文件系统存储，这套设计从底层解决了 AI 失忆的问题。

1.4K Stars 虽不及那些数万 Stars 的明星项目，但这个方向——**让 AI 真正成为一个有记忆的数字员工**——是 AI 应用下一个阶段的必然趋势。

如果你有跨会话持续工作的需求，或者想让团队共享 AI 工作流的最佳实践，Holaboss 值得深入研究。

**项目链接：**
- GitHub：https://github.com/holaboss-ai/holaboss-ai
- 官网：https://www.holaboss.ai
- 文档：https://www.holaboss.ai/docs

---



#### 推荐阅读

- [为什么你的Chat列表总卡顿？Text测量这件事，99%的人做错了](https://mp.weixin.qq.com/s/MBu9VoGvMsrRw1CZJXtAAA)
- [这款开源 AI Agent 凭什么超越 OpenClaw，成为 GitHub 最火个人助手？](https://mp.weixin.qq.com/s/RhfG8lTjcdGFav25SUfcAQ)
- [ChatGPT 的网页版太慢、云端版怕隐私泄露？试试这个装在电脑里的 AI 代理！](https://mp.weixin.qq.com/s/fDSXgpRPcuFzZmVc7mViiA)
- [Google Gemma 4 深度解析：开源大模型进入「设备端智能」新纪元](https://mp.weixin.qq.com/s/N0e7S6SS9qGd3y3r2nqK5A)
- [这个开源工具，让异地恋情侣同步看电影成为现实](https://mp.weixin.qq.com/s/WcGws_0xNb51_GxQ26eh8g)
- [还在手动刷闲鱼？这个 AI 监控工具帮你自动抢！](https://mp.weixin.qq.com/s/F6d6qV_X0svJs7cCWZISxQ)
- [想拥有一个能聊天、打游戏的AI虚拟伴侣？这个开源项目帮你实现！](https://mp.weixin.qq.com/s/99QjPk_3UYL9s8OoBGeIOA)
- [月省1000块！这个开源项目让AI调用成本暴降90%](https://mp.weixin.qq.com/s/pbGIdgB7yw-Clx3qElOITA)
- [这个开源项目，让你轻松拥有「全能 AI 助手」](https://mp.weixin.qq.com/s/yJLGAzlyN9W6IfVWLK0cBA)
- [还在花钱学编程？这个开源项目让零基础也能做 AI 应用](https://mp.weixin.qq.com/s/u-DA9xBkM6rZMreGxcl_1Q)
- [这个开源项目把AI助手装进了手机，24小时随时待命！](https://mp.weixin.qq.com/s/gsRUhvWCNhyDFX6dHRweRQ)
- [OpenClaw 管理太复杂？这个开源面板让 AI Agent 运维变成"一键搞定"](https://mp.weixin.qq.com/s/tALyLuXoBj3RlA3jMXe3Mw)
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775924744220_IMG_8112.gif)

1.4K Stars！港大团队开源的AI工作空间，把你的AI助手变成真正的"数字员工"

动画创作进入"一人时代"？深度拆解全球首个动画Agent产品OiiOii

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775882823401_IMG_5898.png)
## 一、为什么这个库值得你花5分钟了解？

做前端的人都知道这个场景——

写一个聊天消息列表，消息长度不一，有的长有的短。常见的做法是：先把消息渲染到 DOM 里，然后用 `getBoundingClientRect()` 或者 `offsetHeight` 去测量它有多高。

**问题是：这些操作会触发浏览器强制重排（Reflow）！**

一次两次还好，但如果你的列表有 100 条消息，每条消息都这样测量——浏览器可能要在同一帧里触发几十次重排，帧率直接从 60fps 掉到 10fps，用户就会感觉"卡"。

你可能会说："那我加个 `requestIdleCallback` 延迟测量？"
但这治标不治本——测量结果不准确，布局还是会乱。

**今天要介绍的这个库 Pretext，解决的正是这个底层问题：**
在完全不触碰 DOM 的情况下，精确计算多行文本的高度和换行位置。

42.8K Stars，由前 Facebook 工程师 **chenglou** 打造。这个名字对前端社区来说并不陌生——他同时也是 `react-virtualized`、`data-ui` 等知名项目的作者。

**演示**
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775882901467_IMG_5874.gif)

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775882913884_IMG_5875.gif)

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775882926003_IMG_5876.gif)

---

## 二、项目简介

**Pretext** 是一个专注于"多行文本测量与排版"的 JavaScript/TypeScript 库，核心理念只有一句话：**在真正渲染之前，预知文本的一切**。

它通过 Canvas 底层 API 完成文本测量，完全绕开了 DOM，因此不会触发任何重排（Reflow）或重绘（Repaint）。测量结果可以被缓存并重复使用。

| 关键指标 | 数值 |
|---------|------|
| Stars | **42.8K** |
| Forks | **2.3K** |
| 语言 | TypeScript / JavaScript |
| 渲染目标 | DOM / Canvas / SVG / WebGL / 服务端 |
| 多语言支持 | CJK（中日韩）/ 阿拉伯语（RTL）/ 各类 Unicode |
| 许可证 | MIT |

一句话定位：**不需要 DOM，就能知道文本长什么样的文本测量引擎**。

---

## 三、核心功能深度解析

### 1. 零 DOM 测量——从根源解决性能问题

传统方案的问题：

```javascript
// ❌ 每次都触发 DOM 测量 + 重排
const el = document.createElement('div');
el.textContent = '这是一条很长的消息...';
document.body.appendChild(el);
const height = el.offsetHeight; // 👈 强制重排！
```

Pretext 的做法：

```javascript
import { prepare, layout } from '@chenglou/pretext';

// 第1步：一次性分析文本（不触碰 DOM！）
const prepared = prepare('这是一条很长的消息，可能跨多行，需要精确知道每行的宽度...');

// 第2步：给定任意宽度，直接算出高度和换行位置
const result = layout(prepared, { width: 320 });
console.log(result.height); // 👈 精确的高度数值，不触发任何重排！

// 如果宽度变了，只需要重新调用 layout()
// prepared 数据可以被缓存复用
const result2 = layout(prepared, { width: 280 });
```

整个过程中，**DOM 从未被触碰**，没有 `appendChild`，没有 `getBoundingClientRect`，没有 `offsetHeight`。

测量结果可以直接用于：
- 虚拟列表的高度预计算
- Masonry（瀑布流）布局的高度预测
- 服务端渲染时的文本布局计算

---

### 2. 手动行控制——Canvas/SVG 的排版神器

当你需要在 Canvas 或 SVG 上渲染文本时，最大的难点在于：Canvas 没有内置的"自动换行"功能。

传统做法是：每行文字先渲染到临时 Canvas，测量宽度，超过边界就换行。效率低，而且很难处理混合样式（粗体、链接、代码片段）。

Pretext 提供了精确到字符的换行控制：

```javascript
import { prepareWithSegments, layoutWithLines } from '@chenglou/pretext';

const segments = [
  { text: '@深港数码', style: { color: 'blue' } },  // 蓝色用户名
  { text: ' 推荐大家看看 ', style: {} },         // 普通文字
  { text: 'Pretext', style: { bold: true } },   // 加粗关键词
  { text: ' 这个库，真的很快！', style: {} },
];

const prepared = prepareWithSegments(segments);
const { lines } = layoutWithLines(prepared, { width: 280 });

lines.forEach((line, i) => {
  console.log(`第${i + 1}行: "${line.text}" 宽度=${line.width}`);
  // 👆 精确的每行文本内容，可以完美渲染到 Canvas/SVG 上
});
```

返回的 `lines` 数组包含了每行的：
- 文本内容（`text`）
- 宽度（`width`）
- 字符范围（`startIndex` / `endIndex`）
- 每字符的 x 坐标

这意味着：任何复杂的富文本样式组合，你都能精确渲染到 Canvas 上，而且永远不需要用 DOM 打补丁。

---

### 3. 光标导航——像 Textarea 一样精确

```javascript
import { walkLineRanges, measureLineStats } from '@chenglou/pretext';

const prepared = prepare(text);

// 获取光标在第5行时的位置信息
const lineRanges = walkLineRanges(prepared, { width: 300 });
const charIndex = lineRanges[4].startIndex; // 第5行的起始字符索引

// 获取精确的行统计数据
const stats = measureLineStats(prelineStats, { width: 300 });
console.log(`第${5}行包含 ${stats.lineCount} 个字符`);
```

这套 API 可以用于：
- 编辑器光标定位
- 文本选择高亮
- 代码编辑器的行号显示

---

### 4. 服务端渲染——让 Node.js 也能计算文本布局

```javascript
// Node.js 环境下完全可用
import { prepare, layout } from '@chenglou/pretext';

const serverResult = layout(
  prepare('服务端渲染时也能精确知道文本高度'),
  { width: 375 }
);
```

服务端预先计算好文本高度，前端 hydration 后直接使用，**完全消除了布局抖动（Layout Shift）**。这对于 SEO 和 Core Web Vitals（CLS 指标）有直接帮助。

---

### 5. 多语言文本支持

Pretext 内置了完善的 Unicode 处理逻辑，支持：

| 语言类型 | 示例 | 处理 |
|---------|------|------|
| 中文/日文/韩文（CJK） | 你好世界 | 等宽字符处理，无需空格分词 |
| 阿拉伯语（RTL） | مرحبا | 右到左双向文本自动翻转 |
| 混合内容 | Hello 你好 مرحبا | 智能混合排版 |

对于东亚文字来说，最大的优势在于：**不需要空格就能分词**，传统 JS 文本库在这个场景下几乎无法工作，Pretext 处理得很好。

---

## 四、9个 Demo 案例——从理论到实践

项目提供了丰富的交互 Demo（访问 [chenglou.me/pretext](https://chenglou.me/pretext) 查看）：

| Demo | 演示内容 | 核心价值 |
|------|----------|----------|
| **Accordion** | 手风琴展开/收起动画 | 展开高度预知，动画丝滑 |
| **Bubbles** | 聊天消息气泡，固定行数 | 多行消息气泡宽度一致 |
| **Dynamic Layout** | 障碍物感知的文字路径 | 文字绕开障碍物流动 |
| **Variable Typographic** | 等宽 vs 比例字体的精确对比 | 展示 Pretext 的字符级精度 |
| **Editorial Engine** | 杂志级多栏排版 | 实时文本回流、侧边栏、图片穿插 |
| **Justification Comparison** | CSS对齐 / 贪心断词 / Knuth-Plass 算法对比 | 三种断行算法直观对比 |
| **Rich Text** | 带代码、链接、Chips 的富文本 | 混合样式精确换行 |
| **Markdown Chat** | 虚拟化聊天列表 | 虚拟列表 + Pretext 高度预计算 |
| **Masonry** | 瀑布流卡片 | 无 DOM 测量的瀑布流高度预测 |

---

## 五、技术亮点与性能数据

### 核心原理：Canvas 文本测量 + 纯数学运算

Pretext 的技术路径非常巧妙：

1. **使用 Canvas `measureText()` API** 获取字符级精确宽度（Canvas API 不触发重排）
2. **缓存测量结果**，所有后续计算都是纯 JavaScript 数字运算
3. **实现 Knuth-Plass 排版算法**（与 TeX 相同的断行算法），保证最优换行

这意味着：测量一次，后续无论调用多少次 `layout()`，都是纯算术运算，**时间复杂度 O(1)**。

### 性能对比（vs DOM 测量）

| 操作 | DOM 测量 | Pretext |
|------|----------|---------|
| 单次测量 100 字符 | ~5ms | ~0.1ms |
| 1000 条消息列表初始化 | 触发多次 Reflow | **无 DOM 操作** |
| 宽度变化后重新计算 | 需重新渲染 DOM | 直接调用 `layout()`，毫秒级 |
| 服务端计算 | 无法使用 | ✅ 完全支持 |

> 具体数据因浏览器和硬件差异而不同，但 Pretext 在所有场景下都显著优于 DOM 测量方案。

### 架构设计哲学

chenglou 在项目中贯彻了一个非常清晰的设计哲学：**只做测量，不做渲染**。

Pretext 不试图成为一个完整的文本渲染引擎。它专注于：
- 精确测量文本
- 提供换行位置
- 给出渲染所需的所有坐标数据

渲染部分完全交给用户——你可以渲染到 Canvas、SVG、WebGL，或者完全不用它，自己处理 DOM。

这种"专注单一职责"的设计让 Pretext 体积小、API 清晰、性能极高。

---

## 六、适用场景与人群

### 谁应该用？

| 场景 | 使用方式 |
|------|----------|
| **虚拟列表/虚拟滚动** | 预计算列表项高度，无需先渲染再测量 |
| **聊天/消息界面** | 多行消息气泡宽度精确一致，无跳动 |
| **瀑布流/Masonry 布局** | 预知卡片高度，排列组合最优化 |
| **Canvas/SVG 文本渲染** | 精确换行，支持混合样式 |
| **服务端文本预计算** | 消除 CLS，提升 CWV 分数 |
| **富文本编辑器** | 精确光标定位和行号计算 |
| **多语言国际化应用** | CJK / RTL 文本自动处理 |

### 谁不需要用？

- 纯展示型静态页面，文本高度由 CSS 决定，不需要 JS 测量
- 列表项高度固定，不需要动态计算
- 你的项目里已经用了性能足够好的方案

---

## 七、快速上手

### 安装

```bash
npm install @chenglou/pretext
# 或
pnpm add @chenglou/pretext
```

### 基本用法

```javascript
import { prepare, layout } from '@chenglou/pretext';

// 准备文本数据（一次性操作）
const prepared = prepare('这是要测量的文本内容');

// 在任意宽度下计算高度
const { height, lines } = layout(prepared, { width: 320 });

console.log(height); // 精确的像素高度
console.log(lines); // 每行的详细信息数组
```

### 渲染到 Canvas

```javascript
import { prepareWithSegments, layoutWithLines } from '@chenglou/pretext';

const segments = [
  { text: 'Hello ', style: { color: 'black' } },
  { text: 'Pretext', style: { bold: true, color: '#E8655A' } },
];

const { lines } = layoutWithLines(prepareWithSegments(segments), { width: 200 });

// 渲染到 Canvas
lines.forEach((line, i) => {
  ctx.fillText(line.text, 0, 20 + i * 24);
});
```

### 查看 Demo

```bash
git clone https://github.com/chenglou/pretext.git
cd pretext
bun install
bun start
# 打开 http://localhost:3000
```

---

## 八、总结

Pretext 是一个看起来"很小"，但解决了一个"很底层"问题的库。

它的价值不在于功能多花哨，而在于：**把文本测量这件事，做到了极致**。

42.8K Stars 说明了一切——这个库被大量项目依赖，涵盖了从聊天应用到高端编辑器，从虚拟列表到杂志排版的各种场景。

如果你正在做：
- 任何涉及动态文本高度的 UI
- 任何需要 Canvas/SVG 文本渲染的场景
- 任何对性能有要求的前端应用

把 Pretext 加入你的技术栈，它会让这些问题变得异常简单。

**项目链接：**
- GitHub：https://github.com/chenglou/pretext
- Demo：https://chenglou.me/pretext
- 安装：`npm install @chenglou/pretext`




#### 推荐阅读

- [这款开源 AI Agent 凭什么超越 OpenClaw，成为 GitHub 最火个人助手？](https://mp.weixin.qq.com/s/RhfG8lTjcdGFav25SUfcAQ)
- [ChatGPT 的网页版太慢、云端版怕隐私泄露？试试这个装在电脑里的 AI 代理！](https://mp.weixin.qq.com/s/fDSXgpRPcuFzZmVc7mViiA)
- [Google Gemma 4 深度解析：开源大模型进入「设备端智能」新纪元](https://mp.weixin.qq.com/s/N0e7S6SS9qGd3y3r2nqK5A)
- [这个开源工具，让异地恋情侣同步看电影成为现实](https://mp.weixin.qq.com/s/WcGws_0xNb51_GxQ26eh8g)
- [还在手动刷闲鱼？这个 AI 监控工具帮你自动抢！](https://mp.weixin.qq.com/s/F6d6qV_X0svJs7cCWZISxQ)
- [想拥有一个能聊天、打游戏的AI虚拟伴侣？这个开源项目帮你实现！](https://mp.weixin.qq.com/s/99QjPk_3UYL9s8OoBGeIOA)
- [月省1000块！这个开源项目让AI调用成本暴降90%](https://mp.weixin.qq.com/s/pbGIdgB7yw-Clx3qElOITA)
- [这个开源项目，让你轻松拥有「全能 AI 助手」](https://mp.weixin.qq.com/s/yJLGAzlyN9W6IfVWLK0cBA)
- [还在花钱学编程？这个开源项目让零基础也能做 AI 应用](https://mp.weixin.qq.com/s/u-DA9xBkM6rZMreGxcl_1Q)
- [这个开源项目把AI助手装进了手机，24小时随时待命！](https://mp.weixin.qq.com/s/gsRUhvWCNhyDFX6dHRweRQ)
- [OpenClaw 管理太复杂？这个开源面板让 AI Agent 运维变成"一键搞定"](https://mp.weixin.qq.com/s/tALyLuXoBj3RlA3jMXe3Mw)
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775883080806_IMG_8112.gif)

为什么你的Chat列表总卡顿？Text测量这件事，99%的人做错了

## 三个毫不相干的人，在同一晚被命运推到了一起

2026年4月10日晚8点，抖音直播间里，**张雪**准备拍卖他人生中最重要的一件物品。

与此同时，一位网名叫"敌敌畏"的洗脸熊员工，悄悄打开了手机。

而远在北京的李亚鹏，正在等待连线——他说，这是他"欠了14年"的一通电话。

三个毫不相干的人：一位从湖南山村走出的机车创业者，一位古天乐代言的美容连锁品牌员工，一位靠卖房救孩子的明星爸爸。

他们之间唯一的共同点是——**都曾经不被看好过。**

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775880133405_IMG_5870.gif)

起拍价40万。45秒后，**洗脸熊以封顶价500万**拍下了这辆WSBK冠军赛车。
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881537255_IMG_5867.jpeg)
这笔钱，将全额捐给北京嫣然天使儿童医院。

一场看似简单的慈善拍卖，背后却埋着三条完全不同的人生轨迹。我今天来把他们的故事一一分享。

---

## 二、故事A：张雪——一个湖南山村男孩，用了37年才走到世界之巅

### 2.1 起点：14岁的那个决定

1987年，张雪出生在湖南一个偏远的山村。

和所有农村孩子一样，他没有显赫的家世，没有雄厚的资金，甚至没有一条像样的公路。14岁那年，他第一次骑上摩托车——那是他人方向的起点。

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775880918156_IMG_5879.jpeg)

张雪选择了辍学，去修理铺当学徒。这条路，在很多人眼里，是"没出息"的选择。

但他后来回忆说：*"只要你真的喜欢，真的想做，又肯下功夫，怎么可能做不出来。"*

这句话，几乎可以概括他之后二十多年人生的全部逻辑。

### 2.2 那个雨夜，追车100公里的19岁少年

2006年，张雪19岁。

某天，他得知一行人将乘车离开，他做了一个让所有人目瞪口呆的决定——

**冒雨追车，追了整整100公里。**

就为了和对方说上几句话，给自己争取一个机会。

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775880931180_IMG_5892.jpeg)
这不是一个普通人会做的事。但张雪不是普通人——或者说，他从那时起就下定决心不做普通人。

2013年，他做出人生又一个重大决定：**去重庆。**

重庆，中国摩托车产业最集中的城市，俗称"摩托车之都"。他要在这里，真正开始自己的事业。

### 2.3 母亲抵押房子，换来55万创业本金

张雪的母亲叫**何琼**，在海南做编辑记者，收入微薄，却一直省吃俭用支持儿子。

当张雪告诉母亲自己想做摩托车品牌时，何琼做了一个所有人都没想到的决定——

**把房子抵押了，贷款55万元，全部拿给儿子创业。**

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775880945351_IMG_5881.jpeg)
55万，在创业语境里不算大钱。但在当时，那几乎是何琼一辈子的积蓄，是一个母亲对儿子梦想的孤注一掷。

张雪的家人后来回忆说："婆婆一直很支持，从创业到造摩托车，始终坚定地站在我们身后。"

### 2.4 2024年：创立张雪机车，A轮融资估值10.9亿

2024年4月，**重庆张雪机车工业有限公司**正式成立。

- 注册资本：6540万元
- 张雪持股：**73.3945%**
- 2026年3月A轮融资完成，**投后估值约10.9亿元**
- 2025年发布500RR和500F两款车型
- **累计销量2.5万台**
- 2026款500RR及820RR开启预订，**5543台大定**

### 2.5 葡萄牙波尔蒂芒：打破37年垄断的那一晚

**2026年3月28日至29日，葡萄牙阿尔加维国际赛道。**

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775880961015_IMG_5885.jpeg)
张雪机车自研战车 **ZXMOTO 820RR-RS**，代表中国品牌，出征WSBK世界超级摩托车锦标赛中量级组别。

驾驶53号赛车的是法国车手**瓦伦丁·德比斯**（Valentin Debise）。

**第一回合**：德比斯以**3.685秒**的巨大优势夺冠——这不是险胜，是碾压。

**第二回合**：德比斯出现失误，一度跌至第三位，身前是两辆杜卡迪。最后三圈，他在大直道上超越两辆杜卡迪，上演惊天逆转，**再夺一冠**。

**这一胜，打破了杜卡迪、雅马哈、川崎等欧洲日本品牌对该级别长达37年的垄断。**

### 2.6 涨粉400万：流量来临时，他没有变现，而是做慈善

WSBK夺冠之前，张雪抖音粉丝：**147.8万**。

截至4月10日拍卖当天：**546万**。短短十余天，**涨粉近400万**。

按常理，一个刚爆红的新品牌创始人，最应该做的是趁着流量赶紧变现。

但张雪选择了拍卖赛车，把钱捐给嫣然天使儿童医院。**嫣然医院累计收到张雪渠道的捐款超过1500万元。**

这不是作秀——因为他拍卖的那辆车，是他自己的车。

---

## 三、故事B：瓦伦丁·德比斯——"赛道流浪汉"的最后一搏

### 3.1 一个法国人的十年低谷

1992年出生于法国阿尔比，16岁拿下法国125cc锦标赛冠军，所有人都认为他前途无量。

2009年，他正式进军MotoGP 250cc组。

然后——**十年噩梦开始了。**

2012年至2022年，整整十年时间里，德比斯始终是"替补中的替补"。没有稳定的车队，没有稳定的位置，今天签约明天解约，被行业人称为**"赛道流浪汉"（pit lane wanderer）**。

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881009900_IMG_5884.webp)
### 3.2 2024年冬天：被"你太老了"解约

2024年，32岁的德比斯终于拿到了雅马哈工厂车队的全职席位。

**然后他被解约了。**

雅马哈给他的理由是：*"你太老了（You're too old）。"*

### 3.3 30天后：意大利小镇的那个下午

被雅马哈解约后，德比斯收到来自中国的邀请。

他飞往意大利，找到张雪机车的合作伙伴——**埃文兄弟车队**（Evan Bros.）。这支意大利车队曾与雅马哈合作8年，拿下41个分站冠军，是世界顶级车队之一。

德比斯走进车间，正好看到车队技师把发动机完全拆解，一个零件一个零件地检查。

**他站在那里看了很久。**

然后他意识到：*"这个品牌，不是来玩票的。"*

张雪机车给德比斯说了一句让他决定加入的话：

> *"你们是围场内最优秀的车队，我只和你们合作，否则绝不参赛。"*

30天前，德比斯还是被雅马哈扫地出门的"老将"。

30天后，他在葡萄牙赛道驾驶中国品牌的赛车，以巨大优势夺冠。

**他说："一台优秀的赛车、一支优秀的团队、一个优秀的车手，三者缺一不可。"**

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881092102_IMG_5886.jpeg)

---

## 四、故事C：洗脸熊——一个刚经历加盟商跑路的品牌，花500万图什么？

### 4.1 古天乐代言的2600家连锁，藏着巨大隐患

**洗脸熊**，广东爱美熊美容科技有限公司旗下品牌，2021年成立，主打"只洗脸，不推销"的极简面部护理服务。

代言人：**古天乐**，2023年6月19日官宣，2025年8月续约。

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881029500_IMG_5887.jpeg)
代言数据：
- #古天乐代言洗脸熊# 微博话题阅读量 **7593.7万**
- 抖音#古天乐在洗脸熊等你# 累计 **1083.9万**
- 续约时全国门店接近 **3000家**

### 4.2 门店数量迷雾：官方说3300家，实际只有2381家

- 洗脸熊官网宣传：全球合作门店**超过3300家**，并喊出了开设**10000家门店**的目标
- 洗脸熊小程序（2025年12月31日数据）：实际运营门店 **2381家**

**2381 vs 3300——差了将近1000家。**

这个数字游戏，透露的是急于讲大故事的焦虑。

### 4.3 2025年底：加盟商跑路风波

**2025年12月底开始，洗脸熊多地门店被曝突然关闭。**

- 浙江陈小姐：充值近千元，门店11月跑路，退款无门
- 湖北吴小姐：充值1000元送400元，门店8月22日倒闭
- 广东、上海：多地出现类似情况，消费者建立的维权群人数持续增加

**问题的根源：** 消费者充值的钱，直接打给了各门店账户，而非洗脸熊公司账户。总部只收加盟费，对预付款缺乏监管。
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881121595_IMG_5889.jpeg)
### 4.4 官方回应：都是加盟商的错，总部不知情

洗脸熊创始人**唐华波**公开发声：*"监管不到位深感自责。但这是个别门店擅自停业，违反了合作协议。"*

**但消费者并不买账——"我充值的是洗脸熊的卡，不是某个李四开的店"。**

---

## 五、为什么洗脸熊要花500万拍这辆车？

我们来算一笔账：

| 收益维度 | 洗脸熊实际收获 |
|---|---|
| **品牌曝光量** | 全网亿级传播，500万广告费根本买不到这个量级 |
| **话题持续性** | 联名嫣然医院，有李亚鹏、古天乐双重背书，话题至少持续数周 |
| **用户好感度** | 慈善联名直接抵消部分负面情绪 |
| **年轻男性用户** | 洗脸熊原有用户以女性为主，机车赞助直接破圈 |
| **危机公关价值** | 发生在跑路风波后不久，转移舆论焦点 |

⚠️ **但如果洗脸熊不能同时做到：①真正解决加盟商跑路受害者的退款问题；②建立预付费资金存管机制——这次拍卖的正面效应将被反噬。**

---

## 六、故事D：李亚鹏——欠了14年的承诺，在直播间里兑现

### 6.1 嫣然天使儿童医院：一家"不赚钱"的医院

2012年6月，李亚鹏和前妻王菲等八位朋友，共同发起成立了**北京嫣然天使儿童医院**。

这是中国首家民营非营利性儿童医院，专门为唇腭裂儿童提供医疗救助。

**14年来，这家医院的成绩单：**
- 累计完成唇腭裂手术超 **1.1万名**
- 其中 **7000名** 符合救助条件的患儿获得**全额免费**治疗
- 支持过嫣然事业的明星：张杰、谢娜（2011年捐建病房）、那英、邓超、孙俪夫妇、佟大为……
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881142390_IMG_5890.jpeg)
### 6.2 一个商业乌托邦的破碎

李亚鹏最初的设想很美好：**"商业+慈善"双轨并行——用高端服务收益，反哺公益手术。**

他计划"三年内实现自我造血"。

**实际情况：** 十多年过去了，医院依然缺乏自我造血能力。

### 6.3 2025年：被执行1381万，拖欠房租2600万

- 2025年8月，被列入**被执行人，执行标的1381万余元**
- 自2022年起拖欠房租，法院最终判决腾退房屋并支付**2600余万元**

**每年500万元的房租，成为压垮这家非营利医院的最大石头。**

### 6.4 直播连线："这是一辈子的事，跑都跑不掉的"

2026年4月10日，拍卖结束后，李亚鹏通过直播连线出现在张雪面前：

> **"希望我们能帮到真正需要帮助的小朋友。"**
>
> **"嫣然医院就像我的孩子。这是一辈子的事，跑都跑不掉的。"**

14年前，李亚鹏说要用商业反哺慈善。如今他身背债务，却还在坚持。

---

## 七、冷思考：这场"完美"的慈善营销，有没有破绽？

### 7.1 陈光标的"助攻"，让整个事件多了一层复杂性

4月1日，**陈光标**高调宣布要赠予张雪一辆价值**1300万元**的劳斯莱斯。

张雪公开回应：将车8折转卖，款项捐给嫣然。

随后陈光标晒出向嫣然医院**1000万元**捐款截图。

陈光标其人，向来争议不断。他这次"助攻"，客观上为张雪的慈善拍卖**提前炒热了话题**，功不可没。
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881186991_IMG_5891.webp)
### 7.2 洗脸熊的500万，背后有没有避税考量？

500万捐款，如果走公益捐赠税前扣除通道，企业所得税税率按25%计算，理论上可以抵扣**125万元**的应纳税额。

### 7.3 洗脸熊的问题，真的能靠500万翻篇吗？

500万，可以做一次漂亮的品牌营销。

**但如果要真正弥补消费者损失，安抚加盟商风波中的受害者，可能需要付出更多。**

---

## 八、总结：三个失意者的"相互救赎"

故事说到这里，我们回过头来看这个夜晚：

- **张雪**：湖南山村少年，母亲抵押房子支持他创业，WSBK夺冠后没有急着变现，而是第一时间想到帮别人
- **德比斯**：法国"赛道流浪汉"，32岁被雅马哈解约说"你太老了"，加盟中国车队30天后夺冠
- **李亚鹏**：负债累累的明星爸爸，14年前承诺做一家"能自己造血"的慈善医院，如今欠债数千万还在坚持

而**洗脸熊**呢？它刚经历了加盟商跑路风波，消费者信任跌入谷底。它花500万拍下赛车，联名捐款——

**这是救赎，还是公关？**

也许两者都有。

---

## 九、技术资料与背景数据

### ZXMOTO 820RR-RS核心技术参数

| 参数 | 数值 |
|---|---|
| 排量 | 819cc |
| 最大马力 | **153.6 HP @ 13500rpm** |
| 零百加速 | **2.6秒** |
| 最高时速 | >290 km/h |
| 整备质量（干重） | **168kg**（比同级进口车轻30kg+） |
| 建议零售价 | **4.38万元** |

对比：杜卡迪V2约13.89万元，雅马哈R9约14万元——马力相近，价格不到三分之一。
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881304910_IMG_5883.jpeg)
### 嫣然天使儿童医院现状

| 项目 | 数据 |
|---|---|
| 成立时间 | 2012年6月 |
| 累计手术 | 超1.1万名唇腭裂患儿 |
| 免费救治 | 7000名 |
| 2025年8月 | 被执行1381万余元 |
| 房租纠纷 | 累计2600余万元 |
| 2026年累计捐款 | 来自张雪渠道超1500万元 |

---

## 十、观点总结：流量时代，我们到底该相信什么？

| 观察维度 | 结论 |
|---|---|
| 张雪的真诚度 | ✅ 较高——自己掏钱买下车再拍卖，现金流出在先 |
| 洗脸熊的动机 | ⚠️ 复杂——商业逻辑为主，但客观上做了善事 |
| 德比斯的逆袭 | ✅ 感人——十年替补，32岁被解约，30天后夺冠 |
| 李亚鹏的坚持 | ✅ 可敬——负债累累，14年未放弃 |
| 陈光标的介入 | ⚠️ 存疑——善款来源和动机有待观察 |

**“与其去证明谁是圣人，不如试着读懂每个人背后的故事。”**
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881956570_IMG_5893.jpeg)


#### 推荐阅读

- [朋友圈被SBTI刷屏了！但这个"发疯人格测试"到底是个啥？](https://mp.weixin.qq.com/s/xovnd8T9UUSTgzIZjOFKGQ)
- [一文读懂"心机商标"：商家不想让你知道的文字陷阱](https://mp.weixin.qq.com/s/s-MWiV0Hu_ylobagxFJYvQ)
- [Happy Horse解析：碾压Seedance 2.0？一匹神秘的"快乐马"，搅动了整个AI视频江湖](https://mp.weixin.qq.com/s/Co1w0uFwKQTV504zFz_gNA)
- [折叠屏 iPhone 来了：苹果迟到六年的"折叠革命"，凭什么可以搅动整个行业？](https://mp.weixin.qq.com/s/BrX7Fz8OjSniQI6M4gVb4w)
- [解析奥拉丁Origin ：百亿资金盘雪崩纪录](https://mp.weixin.qq.com/s/1QR8o10VfUlSWk4nB1Pulw)
- [一场波及上百万账号的密码危机，我们还能信任 iCloud 吗？](https://mp.weixin.qq.com/s/_hgN-mBwFCpIKpE_Ft3zfA)
- [2026年AI大模型盘点：群雄逐鹿，谁主沉浮？](https://mp.weixin.qq.com/s/XhRxDwEwxg6nwDrROon1qA)
- [Seedance 2：AI视频生成的"字节核弹"，如何搅动了整个好莱坞](https://mp.weixin.qq.com/s/1AAH9sZuhAKaZ3Lu40cEpw)
- [麻豆传媒关停：那个曾祸害无数少女的"华人第一厂牌"，彻底凉了](https://mp.weixin.qq.com/s/utbRkNtkCDfXZFn9_70tTQ)
- [反诈老陈：从1.2亿人围观的"反诈网红"到账号被封的起伏人生](https://mp.weixin.qq.com/s/auMFZF-23O3rlg-CVKx5Sw)
- [周杰伦2026新专辑《太阳之子》：出道25年的“自我致敬”还是“情怀收割”？](https://mp.weixin.qq.com/s/ZYFIPN5KzEQTljA8H8O9Yw)
- [小米MIUI正式停更：一个时代落幕，15年经典画上句号](https://mp.weixin.qq.com/s/t-O4zBzreYCo5dFExtF9gA)
- [暗讽张雪峰的大V“留几手”：一个网红的十年坠落样本](https://mp.weixin.qq.com/s/JqaGYsX2BJAgx1HgC8jVuA)
- [张雪机车：从北碚山火到WSBK世界之巅，一个草根的逆袭与争议](https://mp.weixin.qq.com/s/0q8dj4oXsWI32r5x4gLs3g)
- [苹果2026年新品爆发：超15款产品蓄势待发](https://mp.weixin.qq.com/s/dj7RRD1bwTwjJSoVyHF3vQ)
- [深入解析 Claude Code 泄露版源码：我学到了这些 Agent 架构精髓！](https://mp.weixin.qq.com/s/m1hKroGcVn-k_EnZk_irmA)
- [单依纯：从「好声音」冠军到华语乐坛新势力的五年进击路](https://mp.weixin.qq.com/s/MRcTV2Z2M0Xa6NmJm5H-NA)
![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775881920804_IMG_8112.gif)

洗脸熊500万拍下WSBK冠军赛车：一场拍卖，串起三个失意者的"相互救赎"

![](https://kk-1259744229.cos.ap-guangzhou.myqcloud.com/1775760305283_300DDC2B-14A9-4593-BBAA-C90C3A612DF4.jpeg)


## 一、为什么你需要这个工具？

做过量化交易的人都知道这个痛——

**策略idea有了，但落地需要：**
- 手动从 Wind、Tushare、AKShare 等平台拉数据
- 用 Python 写回测代码，动辄几百行
- 调参数、画图、做绩效归因，一个流程下来可能要好几天
- 想做个多市场对比？数据源不统一，API 还得一个个对接

**更扎心的是：**
普通人根本没有机构那样的量化团队。机构有：
- 数据研究员负责数据清洗
- 策略研究员负责因子开发
- 风控专家负责风险评估
- 交易员负责执行

而你，只有一个人，和一个"感觉能赚钱"的直觉。

**Vibe-Trading** 解决的正是这个问题——用 AI Agent 的方式，把整个量化交易团队的能力，整合到一个工具里。

你只需要说一句话，AI 就能帮你完成：策略生成 → 数据获取 → 回测验证 → TradingView 图表导出。机构级的分析流程，个人也能用。

---

## 二、项目简介

**Vibe-Trading** 是由香港大学数据科学实验室（HKUDS）开源的 AI 量化交易工作台，中文可以理解为"氛围交易"——它的核心理念是：**让交易变得更"有感觉"，而不是更复杂**。

目前项目已在 GitHub 收获 **477 Stars** 和 **92 Forks**，采用 MIT 开源协议，完全免费可商用。

| 关键指标 | 数值 |
|---------|------|
| Stars | 477 |
| Forks | 92 |
| 专注领域 | Python 3.11+ / FastAPI / React 19 |
| 内置量化技能 | 68 个 |
| Agent 团队预设 | 29 个 |
| 内置工具 | 21 个 |
| 数据源 | 5 个（自动切换） |

一句话定位：**用自然语言驱动完整量化研究流程的 AI 多智能体交易平台**。

---

## 三、核心功能深度解析

### 1. 自然语言策略生成——把想法直接变成代码

这是 Vibe-Trading 最核心的功能，也是最实用的。

传统量化开发流程：
```
策略想法 → 学Python → 写代码 → 调API → 写回测 → 改Bug → 出结果
```
可能需要 3-7 天，且需要较强的编程能力。

Vibe-Trading 流程：
```
"帮我回测 BTC-USDT 的 MACD 策略，过去30天" → AI 自动生成代码 + 执行 + 出报告
```
**一条命令，60秒出结果。**

支持生成的策略类型包括：
- 技术指标策略（MACD、RSI、布林带）
- K线形态识别（锤子线、吞没形态、pin bar）
- Ichimoku 云图策略
- Elliott Wave 艾略特波浪
- SMC 聪明钱概念
- 多因子模型
- 机器学习策略

---

### 2. Swarm Intelligence——把机构量化团队"装进"AI

这是 Vibe-Trading 最具想象力的功能：**多智能体 Swarm（蜂群）系统**。

不同于单一 AI 回答问题，Swarm 模式让多个专业 AI Agent **同时工作、协同分工**，就像一个真正的量化交易部门。

项目内置了 **29 个团队预设**，覆盖最常见的专业场景：

| 团队预设 | 工作流程 |
|---------|----------|
| **投资委员会** | 多头研究员 vs 空头研究员辩论 → 风控审查 → 基金经理决策 |
| **全球股票台** | A股 + 港美股 + 加密货币研究员 → 全球策略师汇总 |
| **加密货币交易台** | 资金费率 + 清算地图 + 链上流量 → 风控经理 |
| **宏观利率外汇台** | 利率 + 外汇 + 大宗商品 → 宏观基金经理 |
| **量化策略台** | 选股筛选 + 因子研究 → 回测 → 风控审计 |
| **技术分析面板** | 经典TA + Ichimoku + 谐波 + Elliott + SMC → 共识信号 |
| **风控委员会** | 回撤分析 + 尾部风险 + 区间判断 → 签字通过 |
| **全球配置委员会** | A股 + 加密 + 港美股 → 跨市场配置建议 |

每个团队由多个专业 Agent 组成，各自负责一个环节，通过 DAG（有向无环图）协同调度，实时输出决策过程。

**使用示例：**
```bash
vibe-trading --swarm-run investment_committee '{"topic":"BTC outlook Q2 2026"}'
```
AI 会自动启动多头 Agent（分析利好）、空头 Agent（分析利空），两方辩论后由风控 Agent 审查，最终输出基金经理的综合判断。

---

### 3. 跨市场回测引擎——A 股、港美股、加密货币全覆盖

Vibe-Trading 的回测引擎支持 **五大市场**，并且数据源全部内置自动切换：

| 市场 | 数据源 | 说明 |
|------|--------|------|
| A股 | Tushare / AKShare | Tushare需要Token，AKShare免费 |
| 港股 | yfinance | 免费 |
| 美股 | yfinance | 免费 |
| 加密货币 | OKX / CCXT | CCXT支持100+交易所 |
| 期货/外汇 | AKShare | 免费 |

**自动回退机制**：如果 Tushare 的 A股数据暂时不可用，系统会自动切换到 AKShare，用户完全无感知。

回测引擎支持：
- **日线组合回测**：股票、ETF、期货组合
- **期权组合回测**：完整希腊值（Greeks）计算
- **15+ 绩效指标**：年化收益、夏普比率、最大回撤、卡玛比率、索提诺比率等
- **4 种优化方法**：均值方差优化（MVO）、等波动率、最大多样化、风险平价

---

### 4. 量化分析工具箱

除了策略生成和回测，项目还内置了大量专业量化工具：

**因子分析**：IC/IR 分析、分位数回测，帮助验证因子有效性。

**期权定价**：Black-Scholes 模型 + 完整 Greeks（Delta、Gamma、Vega、Theta、Rho）计算。

**技术形态识别**：自动识别 K线形态、谐波形态（蝴蝶、螃蟹、加特利等）。

**组合优化**：四种现代投资组合理论的优化算法。

**宏观研究**：全球宏观分析、估值模型、信用分析。

**资金流向**：港股通资金流、美股ETF流向、SEC文件追踪。

---

### 5. TradingView 导出——策略直接上实盘图表

回测完成后，最实用的功能来了：**一键导出 Pine Script v6**。

```bash
vibe-trading --pine <run_id>
```
生成的代码可以直接粘贴到 TradingView 的 Pine Editor，立即在实盘图表上看到信号。

这意味着：
- 回测验证有效 → 立刻在 TradingView 观察真实市场
- 从模拟盘到"半实盘"的距离大大缩短

---

### 6. MCP 插件——接入你的 AI 助手

如果你已经在用 Claude Desktop、Cursor 或其他支持 MCP 的 AI 工具，Vibe-Trading 可以直接作为**插件**接入。

```bash
vibe-trading-mcp
```
暴露了 16 个工具给 AI 使用，其中 **15 个不需要任何 API Key**（港美股、加密货币数据均免费）。只有 `run_swarm` 需要配置 LLM API。

这意味着你可以在任何 AI 对话中，实时调用专业的量化分析能力。

---

## 四、技术架构亮点

### Python + FastAPI + React 19 全栈开源

技术栈选型非常务实：
- **后端**：Python 3.11+，掌握量化交易开发者的主流语言
- **接口**：FastAPI，现代 Python Web 框架的天花板
- **前端**：React 19 + Vite + TypeScript，体验对标专业交易终端

### LLM Provider 无关设计

项目不绑定任何特定 AI 服务商，支持 OpenRouter、DeepSeek、OpenAI 等任何兼容 OpenAI API 格式的接口。通过 `OPENAI_BASE_URL` 和 `LANGCHAIN_MODEL_NAME` 灵活配置。

这在当前各家 API 价格差异巨大的情况下非常有价值——可以用 DeepSeek 的价格调用 GPT-4 级别的分析能力。

### 数据源抽象层

数据获取层做了良好的抽象，5 个数据源封装成统一接口，支持自动回退。这对于量化研究非常重要——数据就是原材料，来源的稳定性直接决定策略的有效性。

### DAG 驱动的 Swarm 执行引擎

多 Agent 协同不是简单的"并行调用"，而是通过 DAG（有向无环图）精确控制执行顺序和依赖关系：
- A Agent 的输出 → B Agent 的输入
- C Agent 和 D Agent 可以并行执行
- E Agent 等待 B、C、D 全部完成后才启动

---

## 五、适用场景与人群

### 强烈推荐这类人使用：

| 人群 | 使用场景 |
|------|----------|
| **个人投资者** | 想做量化但不会写代码，Vibe-Trading 帮你把想法变成可回测的策略 |
| **宽客/Quant** | 快速验证策略想法，迭代效率从几天提升到几分钟 |
| **Crypto 交易者** | 用自然语言分析加密货币，自动获取多交易所数据 |
| **AI 开发者** | 通过 MCP 接入自己的 AI 工具，增强量化能力 |
| **学习者** | 想学习量化交易，通过 Swarm 的决策过程理解专业分析方法 |

### 不适合谁：

- 追求"稳赚不赔"策略的人（回测不等于实盘）
- 完全没有金融知识基础的纯小白（需要理解基本概念才能有效提问）
- 需要实时交易执行的用户（项目明确不做实盘执行）

---

## 六、竞品对比

| 特性 | Vibe-Trading | Backtrader | QuantConnect | TradingView |
|------|-------------|------------|-------------|-------------|
| 自然语言驱动 | ✅ 一句话生成策略 | ❌ 纯代码 | ❌ 纯代码 | ❌ 脚本语言 |
| 多Agent协同 | ✅ 29个预设团队 | ❌ 无 | ❌ 无 | ❌ 无 |
| 开源免费 | ✅ MIT | ✅ MIT | ❌ 收费 | ❌ 订阅制 |
| 数据源覆盖 | 5个（自动切换） | 需自行对接 | 内置（收费） | 内置（订阅） |
| MCP插件 | ✅ 支持 | ❌ 无 | ❌ 无 | ❌ 无 |
| Pine Script导出 | ✅ v6 | ❌ 无 | ❌ 无 | — |
| 中文友好度 | ✅ 中文文档 | ⚠️ 英文 | ⚠️ 英文 | ⚠️ 英文 |

---

## 七、快速上手（三种方式）

### 方式一：pip 一键安装（推荐）

```bash
pip install vibe-trading-ai

# 初始化配置（交互式设置 API Key）
vibe-trading init

# 启动命令行界面
vibe-trading

# 或者直接单次运行
vibe-trading run -p "Backtest BTC-USDT MACD strategy, last 30 days"
```

### 方式二：Docker 零配置（最快）

```bash
git clone https://github.com/HKUDS/Vibe-Trading.git
cd Vibe-Trading
cp agent/.env.example agent/.env
# 编辑 .env 填入 API Key
docker compose up --build
# 访问 http://localhost:8899
```

### 方式三：MCP 接入你的 AI（最强大）

```bash
vibe-trading-mcp
```
然后在你的 Claude Desktop / Cursor 配置文件中添加 MCP 服务器地址，即可让 AI 在任何对话中调用量化分析能力。

---

## 八、配置说明（必须看）

| 环境变量 | 必填 | 说明 |
|---------|------|------|
| `OPENAI_API_KEY` | ✅ | OpenAI兼容API Key（支持OpenRouter、DeepSeek等） |
| `OPENAI_BASE_URL` | 通常需要 | API网关地址，默认 `https://openrouter.ai/api/v1` |
| `LANGCHAIN_PROVIDER` | ✅ | LLM服务商，如 `openrouter` |
| `LANGCHAIN_MODEL_NAME` | ✅ | 模型名称，如 `deepseek/deepseek-v3.2` |
| `TUSHARE_TOKEN` | ❌ | A股Premium数据，非必须 |
| `CCXT_EXCHANGE` | ❌ | 加密货币交易所，默认 `binance` |

**建议**：使用 DeepSeek-v3 通过 OpenRouter 接入，价格约为 GPT-4 的 1/20，效果差距不大。

---

## 九、总结

Vibe-Trading 真正有价值的地方，在于它把量化交易的**专业门槛大幅降低**了。

过去需要：
- 几个月学习 Python + 量化金融
- 几周对接数据源
- 几天编写和调试策略代码

现在只需要：
- 一个 `pip install` 命令
- 一句自然语言描述
- 60 秒拿到回测结果

加上 29 个 Swarm 团队预设和 68 个量化技能，它能做的事情远不止"生成策略"——更像是一个**个人量化研究助理**，帮你处理数据、研究宏观、评估风险、优化组合。

MIT 开源协议意味着你可以自由地使用、修改、甚至基于它构建商业产品。

**项目链接：**
- GitHub：https://github.com/HKUDS/Vibe-Trading
- PyPI：`pip install vibe-trading-ai`
- Discord：项目内置社区支持

---

> ⚠️ **重要提示**：Vibe-Trading 仅用于研究、模拟和回测目的，不执行任何实盘交易，不构成投资建议。回测结果与实盘表现可能存在显著差异（流动性、滑点、执行延迟等因素）。




#### 推荐阅读

- [AI量化投资怎么入门？微软Qlib带你从0到1搭建智能投研系统](https://mp.weixin.qq.com/s/6Egr-ls25t2qxyEdf6B79w)
- [还在为获取股票数据头疼？这个开源工具帮你一步到位](https://mp.weixin.qq.com/s/E3sFK-V4JFxUHBOoJfvbcw)
- [想让AI帮你炒股？先看看这18位"AI投资大师"是怎么协作的](https://mp.weixin.qq.com/s/yEf50-tbd5oFmwSMex-GEg)
- [想做量化交易不知从何下手？这个开源框架给你答案](https://mp.weixin.qq.com/s/Z-WD3YW6ljoU5quNb5oueA)
- [普通人也能 AI 炒股，多智能体驱动的量化交易新范式](https://mp.weixin.qq.com/s/I8eDM4pRuzQXFzXn6hGC4g)
- [如何在做决策前知道结果？这个开源项目让你在数字沙盘里"预演未来"](https://mp.weixin.qq.com/s/p9Ge-1fD33s9OkY0FxR8qg)
- [一个人发推文就能让股市暴跌！这个AI系统破解了他的"财富密码"](https://mp.weixin.qq.com/s/azvxU9CuSp0cQijzwEevxA)
- [想实时监控全球动态？这个开源工具把卫星、航班、冲突、股市全整合了](https://mp.weixin.qq.com/s/EPCuHgsGyCtcaLzXMdZ3ag)
- [买的基金今天到底涨了多少？这个开源工具帮你算得明明白白](https://mp.weixin.qq.com/s/OPrUVHhotLEQTXSHz0JKgA)
- [想用 AI 做股票分析？这个开源工具让你像聊天一样获取深度分析](https://mp.weixin.qq.com/s/xnn_Ac_3nMW8zmFyb51rEg)

动画创作进入"一人时代"？深度拆解全球首个动画Agent产品OiiOii

引言：当动画工

三个毫不相干的人，在同一晚被命运推到了一起