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

Vibe-Trading 把交易研究从「让模型写几段分析」推进到可复盘的数据—工具—回测—报告流程。

Vibe-Trading 是什么？

Vibe-Trading 是一个面向交易研究的开源 AI Agent 工作区，把自然语言提问、市场数据、策略生成、回测、报告、MCP 工具和研究记忆组织到同一套流程里。它更适合做可复盘的研究操作台，而不是被理解为自动赚钱工具。

Vibe-Trading 适用哪些场景？

将交易想法快速转成可运行的回测任务。
让多个 Agent 围绕投资、量化、风险、宏观或加密货币主题协作研究。
导入个人交易记录，分析交易行为偏差，并生成 Shadow Account 对照报告。
把交易研究能力通过 MCP 接入 Claude Desktop、Cursor、OpenClaw 等 Agent 工作流。

Vibe-Trading 解决了什么问题？

传统 AI 交易工具常停留在生成分析文字或策略代码。Vibe-Trading 试图把流程补全：从自然语言问题出发，选择数据源和工具，生成策略或调用分析能力，执行回测，输出指标、报告和可复用 artifact。

典型流程可以概括为：

用户用自然语言提出研究问题。
Agent 选择合适的数据源、工具或团队 preset。
系统加载市场数据和上下文。
生成或调用策略、回测和分析工具。
输出收益、回撤、基准对比、验证报告和运行记录。

核心能力

自然语言交易研究：支持市场研究、策略草稿、文件与网页分析，以及带记忆的工作流。
多 Agent 团队：内置投资、量化、加密、宏观、风险等研究团队预设。
跨市场数据：覆盖 A 股、港股、美股、加密货币、期货、外汇和本地数据等方向。
回测与报告：支持组合回测、数据 fallback、验证 artifact 和结果摘要。
Shadow Account：根据真实交易记录提取行为模式，并和规则化影子策略做对比。
Alpha Zoo：提供量化因子集合，可用于 IC、IR 和因子有效性分析。
MCP Server：可把数据、回测、报告和 Shadow Account 能力暴露给外部 Agent 客户端。

快速安装

pip install vibe-trading-ai

常用入口：

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

初始化与示例运行：

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

如果旧版本升级后遇到依赖或导入问题，可考虑重建虚拟环境，或强制重装：

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

Docker 部署

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

如果容器访问本机 Ollama，常见地址是：

http://host.docker.internal:11434

本地开发安装

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：

.\.venv\Scripts\Activate.ps1

启动后端与前端：

vibe-trading serve --port 8899
cd frontend
npm install
npm run dev

环境变量要点

项目需要配置 LLM provider。原文提到的 provider 范围包括 OpenRouter、OpenAI、DeepSeek、Gemini、Groq、DashScope/Qwen、Zhipu、Moonshot/Kimi、MiniMax、Xiaomi MIMO、Z.ai 和本地 Ollama。

常见配置项包括：

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

项目也支持 OpenAI Codex OAuth 路径：

vibe-trading provider login openai-codex

数据源和 fallback

Vibe-Trading 的数据加载层是它的实用价值之一。文章强调它覆盖多市场数据源，并支持 fallback 思路：当主数据源不可用或缺失时，系统可尝试备用来源，减少研究流程被单点数据源卡住的概率。

实际接入时应重点检查：

数据源权限和 token 是否可用。
标的、时间范围、频率和复权口径是否符合研究假设。
回测是否存在未来函数、幸存者偏差或不一致的数据切分。
关键结果是否能被日志和 artifact 复现。

回测和研究流程

示例研究问题：

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

因子 bench 示例：

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

这类功能适合作为快速研究入口：先把假设跑通，再决定是否进入更严格的量化研究、审计和生产化流程。

Shadow Account

Shadow Account 的重点不是从理想策略出发，而是从真实交易记录反推行为模式。

示例：

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"

它可以用于：

读取券商导出的交易记录。
分析持仓天数、胜率、盈亏比和回撤。
检查处置效应、过度交易、追涨、锚定等行为偏差。
用规则化影子策略和实际交易路径对比，定位过早卖出、错过信号或违反规则的交易。

更稳妥的使用方式是复盘和行为诊断，而不是把它当作实时交易指令来源。

MCP 和 Agent 接入

Vibe-Trading 可以作为 MCP server，把市场数据、回测、报告生成和 Shadow Account 等能力暴露给支持 MCP 的客户端。对已经使用 Claude Desktop、Cursor 或其他 Agent 工作流的用户来说，这比单独打开一个新应用更自然。

近期更新重点

文章提到的近期变化显示项目正在加强安全边界、运行隔离和数据能力：

2026-07-02：因子计算加速，回测子进程只继承 allowlist 环境，减少 secret 暴露面。
2026-07-01：收紧 API、Docker 和前端开发默认配置，并处理前端依赖和 CSP 警报。
2026-06-30：同一 Agent session runtime 可接入多个消息通道。
2026-06-29：增加 broker-agnostic 的 live advisory safety，并加入 Trading 212 只读连接器。
2026-06-19：v0.1.10 扩展全局数据层，并提供更多只读数据工具。

适合谁

想把交易研究接入 MCP 或 Agent 工作流的开发者。
想快速评估多市场数据源、Alpha Zoo 和 Swarm 研究团队的技术用户。
想用真实交易记录做行为复盘的交易者。
想用自然语言快速验证研究想法的量化研究用户。

不适合谁

期待工具直接给出收益承诺的人。
没有风险限额、人工复核和审计机制，却想直接实盘自动化的人。
需要严格生产级交易系统，却不准备自行验证数据、执行、权限和容灾边界的人。

风险提示

回测结果不是收益承诺，Agent 输出也不是投资建议。任何实盘行为都应配置人工复核、权限控制、风险限额、审计记录和一键停止机制。

总结

Vibe-Trading 的价值在于把交易研究从「让模型写几段分析」推进到「数据、工具、回测、报告和记忆组成可复盘流程」。建议从最小只读路径开始：先跑一次本地 CLI 回测，再检查数据源和报告质量；随后再尝试 Shadow Account、Alpha Zoo、MCP、Web 部署或券商连接器。