还在手动选股、手动回测？这个AI交易助手一句话帮你搞定全部

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）。

目录