tradingai使用教程

hiding agents 很 强，但我没有那么多 apikey 追踪 agent 项目是 ai 交易圈的股神，它不只是给你 ai 结论，而是通过十四个 agent 模拟真实研投机构的全流程。听起来很牛，对吧？但我试了一圈，结论是，个人投资者真的用不了。为什么用不了？ 我给你们算三笔账，成本账、时间账、功能账，笔笔都不划算。第一笔，成本账追踪 agents， 一 次完美的分析需要两美元起步，它背后是十四个 agent 同时跑， openai 和 esropic 双 t 同时消耗。帮你们算了下，如果一天要盯三只股票，一个月下来，光 talk fee 只有小两百，这还没有算股票 a p i 接口的费用。说白了，这是给机构设计的成本模型，个人根本扛不住。第二笔实践账，个人投资者要的是什么？ 开盘前看一眼，盘中能收到提醒，收盘后还能自动复盘，还有明天的预测，还要分清楚哪些是自选的，哪些是已买的。但 trading agents 呢？ 它不光上面说的功能没有，而且还要手动触发，一次跑十到三十分钟，跑完了还得自己翻日历，没有定时的功能，所以它不是一个日常工具，它是一个体验项目。 第三笔，功能账，这是最关键的， coding agents 给的是十四个智能体的辩论过程，输出结构化的言报投研模拟体验。但我们作为个人投资者，我不关心你的智能体是怎么辩论的，我只关心三件事， 一、我能不能买，结论是什么？二、我的入场价、止损价、止盈价在哪？三、能不能对我的持仓盈亏做实时追踪。 所以它们的定位不一样， trading agents 解决的是投研模拟问题，而不是个人决策问题。那是不是就完全不能用呢？其实不是的，它的多智能体协助思路是真的好。所以我就想能不能做一个个人版定位不再是钉盘工具，而是个人的交易助手，这是我当时的初衷目标。 总的来说，核心就一个数据驱动闭环，第一步，整合，把自选股和持仓股的数据统一管起来。第二步，监控，开盘前能自动分析，盘中能实时盯，收盘后还能自主复盘。第三步，决策，直接给你结论，能不能买，止盈止损在哪里？ 不光给过程，还能直接给结论。其实目前这个助手已经基本完成开发了，那具体用起来怎么样呢？能不能真的帮到个人投资者呢？感兴趣的朋友欢迎评论区留言，下期给你们看这个助手跑了一段时间后的真实表现，好用的不好用的都跟你们说实话，我是阿何，只聊能落地的 ai， 我 们下期见！

手把手教你实现 ai 自动化交易第十一次，今天讲探索的最后一部分，第五部分啊，输入输出输出这对文件的一些操作。呃，正常的话我们打开文件就是这样的一个命令啊。 啊阿拉表示累的就是是读起来打开它不能改的，不能改的，你打开完以后又又把它关闭啊？又把它关闭， 有这个对象 lp， lp 就 这个，就是这个打开文件那个对象，这个对象要关闭它，不关闭它，这个以后会出问题啊。你你比如说你本来你改了这个文件，你一直不关闭它，它就一直打开了，因为我们平常编辑编辑这个文件的时候，不管你是 word 还是 excel， 你 如果说你打开放在那里，你你其他的再去打开修改它，它是修改不了的，或者你想删除它也删除不了，对吧？你必须把它关闭啊，你才能去删除它或者修改它， 可能用另外一个程序去修改啊。这个是这个意思啊，那简单的方式就是用位置啊。 office 就是 用这么一个命令话，它会自动关闭，就是你修改完以后，你看完以后这个命令运行完了，它就自动关闭了， 运行完它就自动关闭了。啊，是这个意思啊，这个大家了解一下就行了。呃，错误，也异常 错误。有这些错误啊？语法错误。你像 pass 的 话，你很多时候就是前面那个空格啊，多了少了，你位置没对齐啊，他都会出现报错。 那报错这个还好，好简单，这一看它会提示，而且我们的编程软件的话基本上都会有提示的啊。运行是错误。呃。没有语法错误对吧？但是运的行的时候，你比如说去除，去除以零，它是不行的啊，除以零，对吧？在数学上也是不行的 啊，反面的变量不存在啊，打开了不存在的文件，哎，运行的时候可能会出现很多错误，有些时候你这个还没变量，没复制啊，你就在那用啊，都是这样，错啊，逻辑错误，逻辑错误很多时候就是说逻辑上会形成一个循环，死循环，对吧？ 或者说你这个错误根本就不是你想要的一个结果啊，这是错误一个类型，那，那我们对错误怎么处理呢？ try， 尝试 accept 啊，异常啊，它翻译的就是异常。 try 就是 尝试跟运行这一段，然后呢，出现异常了怎么处理啊？就是这个意思。 try 这段代码，然后呢出现什么什么异常？它有异常类型，它有不同的类型，那怎么处理啊？最后不管是你有没有异常，最后也处理这一段啊，这是这个发了的是最后。来看一下这个代码，失域 number， 你 pos 跟 pos 啊，这个 int 跟 pos 输入这个数字， 然后呢？那这就是用十除以这个数字最后等于多少？那如果你输入你，那就会报错 啊，你如果输入的这个 menu 呢？就是说它不是数字，因为我们这个除以的话，必须是数字，对吧？而且这个 in 它也没放 in 的，是转化为整数的意思啊，整数的意思，它是音符的一个缩写， 转换成整数，它不是数字，你怎么转换？你如果输入的是个，是个狗，它怎么跟你说的，它就会报错啊，你输个零，它也会报错啊，最后发了，最后啊，它会打赢这个东西 啊，这是异常。处理好了，基本的这个 part 的 一些东西就讲完了，啊啊，下一步就咱们开始实操。

一次又一次的失去交易。把你的策略扔进垃圾桶，并注意我的策略在二零二六年粉碎了它，而且非常容易学习 打开任何大容量资产，并下拉到四小时时间范围。价格一直在形成更高的高点和更高的低点，所以市场处于上升趋势，我们将寻找多头。现在回到十五分钟的时间框架，我们需要在设置中设置一个指示器，从一小时时间范围和趋势线切换订单块，等待价格接近看涨。订单块 看涨量比看跌量大，如果价格强烈拒绝订单块很好，如果没有，请忽略设置降低反弹后，等待价格收于看跌趋势线上方，然后接受购买。追损位略低于趋势线，并瞄准三，风险回报交易。

这是我在 trading u 上经常用的一款指标，打开界面后，我们在上方点击指标， 随后找到仅限邀请， 在仅限邀请里点击需要的指标即可，接下来我们看看指标效果吧。

给大家分享我在吹订阅上常用的指标，它融合十多种热门指标，通过 ai 智能算法共振结算给出信号实测发现它用于市场分析和实战都十分强大。打开界面后，我们点击上方指标， 找到仅限邀请，从仅限邀请里选择需要的指标添加即可。声明，本视频仅供指标教学分享，指标不构成任何理财投资建议，现在我们来看看指标效果。

推出 agents 的 开源项目突然爆火，你可以直接看他的 gay 的 曲线。在二零二六年这几次版本更新之后，从微零点二零到微零点二三，他的 star 数出现了一次明显陡峭上升，不是慢慢长，是突然拐上去的。这说明一件事，这个东西不是小圈子在讨论，而是一个大范围的传播， 他到底在做什么？很简单，他试图模拟一个完整的交易公司。他先把信息拆成几类，输入市场数据、 社交媒体、新闻、基本面、技术指标，然后分角色处理。有专门做基本面分析的，有做情绪分析的，有看新闻，还有做技术分析的。再就是有看多和看空两派开始做讨论， 多头给出买入意见，空头给出风险和反对意见。再往上是吹到 agent， 他 把这些分析整合起来，给出交易建议，决定什么时候进，做多还是做空。最后还有风险管理，负责评估风险，决定要不要执行，如果通过，就把订单送到市场。 整套流程看下来非常像一个真实的交易机构，分析讨论、决策、分控执行一样，不少问题就在这里。他看起来像一个交易系统，但他实际上不是。 他更像一个会聊天的分析工具，他会讨论，会总结，甚至会说一些很像样的话。但你真把他拉到交易这件事里，他的问题就一个一个暴露出来。 第一个问题，多 agent 的 讨论输出极不稳定，这个问题非常现实，也非常危险。多 agent 的 框架是一个天然缺陷，他最后想到什么，取决于主 agent 他 能调到什么。如果这次主 agent 调到了基本面 agent， 他 可能会更偏基本面，调到了技术面他就会更偏图形。某一个 agent 没有被调到，他的视角就直接消失了， 不是说他被反驳，而是他根本就没有出场。这意味着同一个问题，上次和这次可能给出完全不同的回答，不是因为市场改变，而是调度逻辑改变。 不是因为策略升级，而是因为主。 agent 这次漏了某个分支，这个不是智能，这个就是不稳定。我曾经做过多年自动驾驶，我认为交易他对安全的重视程度不亚于自动驾驶，一次漏掉机会还不要紧，关键是系统调的很好。最后实盘出问题，理性的投资人对不稳定有天然的排斥。 第二个问题，根本不具备全市场的跟踪能力。这个问题非常知名，但很多人没有意识到一个真正的交易系统。第一件事不是讨论买还是卖，而是先回答今天到底看谁。 市场这么大， a 股五千多只，美股五千多只，再加上分中期、小时级日线的数据变化，没有前筛选， agent 连输入都做不成。他不知道今天哪些标的进入候选池，也不知道哪些股票值得看，也不知道什么东西直接过滤掉。 所以很多 trading agents 的 演示本质上都是伪命题，拿几个已经选好的标的出来做分析，这个东西适合做展示，不适合做交易。 第三个问题多， agent 运行耗时和成本根本扛不住。真实场景，一个 agent 看新闻，另一个看财报，还有看图形，还有做空做多。最后来个总结，你看起来像是分工明确，实际上意味着每一步都在调用模型， 每一步都在堆上下文，每一步都在拉高延迟和成本。一旦你把它从单个标的扩展到标的板块，从单论分析扩展到盘中持续跟踪，从演示场景扩展到真实运行，你会立刻发现这个系统根本跑不动，一个跑不动的系统就没有真实价值。 第四个问题，他没有策略策划能力，只会泛泛而谈。真正的交易能力，就看你能不能把某一个具体策略做好。 比如日内趋势，日内趋势怎么识别？恐慌盘，恐慌盘反转怎么确认？短线趋势怎么跟？什么时候不能跟？盘前误杀和真实趋势杀怎么区分？第一段反抽能不能吃，第二段为什么不能碰？这些都不是泛分析问题，这些都是强结构问题。而现在确定 a 整数最擅长的就是泛分析， 你让他讲市场，他可以讲的头头是道，你给他一个具体的策略做长期特化，他立刻就露馅，因为他没有这个策略的结构约束， 没有这个策略的关键变量，没有这个策略的边界条件，更没有这个策略在失败时的归音框架，它就是一个评价工具。 第五个问题，他没有记忆，所以也就没有进化。很多人认为多轮对话就是记忆，其实不是多轮对话，只是当前绘画还没断。真正的记忆是你能不能持续的记录自己的决策，能不能把结果和当前的判断对回去，能不能知道自己错在信号还是错在执行，错在仓位还是错在市场背景的判断。 没有这一步就没有复盘，没有复盘就没有修正，没有修正就没有进化。所以吹定 agents 看起来像是在思考，实际上很多时候只是一次性的推理，他做完这一轮，下一轮又像重新活了一次。他不知道自己上一次为什么输了，也不知道下一次应该避开什么坑。 一个不能复盘的系统不会越来越强，只会重复的犯错。所以我的判断很直接，确定 agent， 他的形态和真正的交易 agent 还差的很远，因为真正的交易 agent 不是 几个 agent 坐在那里聊天。真正的交易 agent 首先要能删，其次要能跟， 其次要能执行。失败之后要知道自己错在哪里，下次要知道怎么改。这就是说他不是会讨论，就这么简单，他必须是一个完整的稳定的 可复盘的，可净化的策略系统。那如果做不到这些，那不管它包装的多么漂亮，界面多么像机构流程，最后都是一个玩具级产品，它适合演示未来，但不适合承载交易。

ok， 今天是我挑战用 ai 来做交易的第一天，想要看一下用 ai 来做交易跟我平时自己分析来做交易两者之间有什么差别。所以我这边准备了一个新的 account， 让我们晚上的时候看一看成绩如何。 let's go two hours later ok guys so 其实今天呢， ai 是 带我赚了五百多，一点 也不多，但是我觉得够了，因为其实我一天的摊位也是三百到五百万，我的要求不太高啊，所以今天带我赚到了，我就不打算继续做打野了，我就打算 继续这个挑战。

这个十秒的检查将横盘市场变成高概率突破交易。检查出来，打开你最喜欢的资产下拉到十五分钟的时间框架。我们需要两个指标，第一个指标自动检测市场何时处于范围内或侧向移动。只要按一下按钮， 你可以立即看到是多头还是空头主宰的那个区域。多头更强，找买点，如果空头更强，寻找卖出。这里的价格一直呈上升趋势，然后形成一个看涨压力更大的盘整区域。一旦价格受于区间上方，使用此其他指标进行确认， 看涨持续的可能性很高。预测是看涨的，所以买入将止损设置在区域的中点，并瞄准双风险回报交易。

一个开源智能体让你直接变身巴菲特，拥有一整支交易团队。这个项目就是最近冲上开元热榜的专业金融交易智能体 trading agents， 相当于把一个交易公司拥有的各种人才通过这一个智能体框架管理。我刚看到这个项目的时候才十 k 的 star， 现在已经六十四点七 k 了，程序员是真爱炒股啊！ 介绍之前先特别说明，这个项目专为研究目的而设计，如果用起来的话还是以参考为主。整个智能体分成四大团队，分析师团队包括基本面分析师、情绪分析师、新闻分析师，还有技术分析师。 大家可以看一下每个分析师做的事情，从公司基本面到市场情绪到各类事件，都会通过专业的指标由 ai 分 析出来，基本上把技术分析都包圆了。研究员团队是由看涨和看空研究员组成，给你批判性的辩论结果，给出参考价值，交易代理角色会结合前面的研究报告给出角色， 最后还会有个单独的角色评估出可能存在的风险因素，最终给出最终的角色。从目前的口碑上看下来，效果还是很不错的。 来看看项目的使用说明，首先把这个项目从 gitlab 上克隆下来，这里提供了 python 直接运行以及都可运行的方式， apikey 是 需要自己设置的，这里支持国内大部分的大魔性提供商。 从之前有一次 ai 交易大赛的结果来看，我个人会更加倾向于选择 deep seek， 可以 通过 c u i 的 形式直接启动，然后按照操作说明一步步填写就好了。项目也提供了 trading agent 的 包，可以直接在 python 项目中导入使用，更加方便地支撑到自己的项目中。以上就是本期视频的全部内容，我是于仔，我们下期再见。

一旦我开始使用这个免费指标，交易突破变得容易。十倍指标自动检测市场何时横向移动 或巩固，并在它周围挂了一个盒子。它还显示了该区域内的体积增量。这可以让你快速看到是多头还是空投在控制，如果多头在控制寻找买入，当空投控制时寻找卖出，在这个区域抛售压力更大。 价格突破盘整区域底部，一旦价格回落到区域低点，卖出将止损略高于水平，并瞄准双风险回报交易要。

这下精英经理的饭碗不保了。硅谷刷屏的 ai 黑科技已经在 github 上获得超过四万星标，成为金融 ai 领域的热门项目。这是一款多智能体量化交易系统，其决策过程堪称神奇。首先 ai 研究员刷到某个领域涨价新闻，立刻就会协调其他智能体开会。 此时 ai 分 析师马上全网搜索十年市盈率作为数据支撑，最后在辩论碰撞中给出交易策略。以往的 ai 理财模型大多是单打独斗，而这款确定 ages 开创性的搭建了分析师、研究员、交易员三级智能体架构，就像组建了一支专业团队，分析师深挖基本面， 研究员剖析市场情绪，交易员专注技术分析，大家各司其职，每次给出的建议还会附带完整逻辑链策略好不好，回述验证一下便知， 让人用得明明白白。经实测，最大回测能牢牢控制在百分之三以内。更绝的是他支持本地部署，不用担心交易隐私泄露，而且完全免费开源，感兴趣的朋友可以试试了，关注我，带你认识更多好用工具！

hello， guys， so 其实今天呢，我就没有拍挑战，用 ai 做交易激烈了。今天我只是打算拍个反胃片，就主要是想解释一下，其实星期四和星期五我就没有去跟着 ai 做单，因为那两天的市场讲真的是有点乱， 所以就不适合用 ai 去做单，而且有新闻了，然后美国和伊朗又降温，所以我是打算等到星期一的时候，如果那个市场 stable 一 点了，我会继续用这个 ai 去做单呢。如果没有的话，可能我会拍交易员的日常， 因为我不想要怎么讲，为了挑战而特别去梗那个单。如果是这样子的话，其实亏钱真的是不值得，不划算。 所以我就如果我买 get 真的 stable 下来哦，我会继续这个调整。如果我买 get 还不 stable 的 话，可能我就会拍我日常做单的 那个策略啊还是什么？ ok， so， guys 星期一让我们看看市场如何，拜拜。

好好好，这次连量化交易师也不放过！不会写代码也能做量化交易！ tiktok 这款 ai 交易员简直逆天，它覆盖了外汇、股市、期货和加密市场。一个完全不会代码的 普通人，只需要打出自己想要执行的策略。 oppo ai 会自动生成你的策略代码帮你回测，并且根据回测数据结果通过大模型进行微调参数，使策略更稳定。更离谱的是， 它的脚已雷达会自动爬取全球金融数据，实时推送当前热门的脚已机会从基本面、财务数据和技术分析，多维度告知你市场动态，并发送到你的手机上。它目前支持 windows、 linux 和 mac 系统。市场千变万化，我们只留确定的答案。

facebook 上有一个五万多 star 的 项目叫 trading agents， 它用大模型组了一个虚拟的投行团队来帮你做交易决策。先说清楚，这个项目大概率不能帮你稳定赚钱，但它的多 agent 的 协助架构设计的非常漂亮，里面有几个通用的设计模式，不只适用于交易，任何需要多角度决策的场景都能借鉴。 今天拆一下它的源码，看看这个虚拟投行到底是怎么运转的。整个系统用 lan graph 编排，分四个阶段。第一阶段，信息收集。四个分析师同时工作， market analyst 拉技术指标和 k 线数据。 news analyst 抓最新新闻， social media analyst 分 析社交媒体情绪。 fundamentals analyst 拉财报和基本面数据。四个分析师各自独立，互不干扰，各自产出一份报告。这一步没什么花哨的，就是用 l l m 加工具调用去拉数据做总结。 但从第二阶段开始，事情就有意思了。第二阶段，多空辩论。系统里有两个 researcher， 一个叫 bo researcher 专门看多，一个叫 bear researcher 专门看空。他们拿到四份分析报告之后开始辩论，不先发言，给出看多的理由。 bear 看到不的论点之后逐条反驳，给出看空的理由，然后不再针对 bear 的 反驳进行回应。这个辩论不是各说各话， 源码里你能看到每一轮发言的 prompt 里都包含了对方上一轮的完整论点，而且明确要求直接回应对方的观点，用数据反驳，不要只是罗列自己的理由。辩论轮数可以配置，默认是一轮来回。辩论结束后，一个叫 research manager 的 角色登场， 他拿到多空双方的完整辩论记录，综合两边的观点，输出一份投资计划。这里有一个细节，四个分析师和两个 researcher 用的是 quick thinking l l m， 速度优先，但 research manager 用的是 deep thinking l m， 质量优先。这个设计跟 cloud code 源码里的推理三明治是同一个思路。 信息收集和辩论阶段不需要最强的推理能力，速度更重要，但综合判断的时候，需要最强的模型来做最终决策，把算力花在刀刃上。第三阶段，交易执行 trader 拿到投资计划，把它转化成具体的交易提案，买还是卖，还是持有，仓位多大，理由是什么？这一步用了结构化输出，确保模型的回答能被程序解析。 第四阶段，风险辩论。这是整个架构里最有意思的部分。交易提案出来之后，不是直接执行，而是再过一轮辩论，但这次不是两方，是三方。 aggressive analyst 激进派，他的决策是力挺高风险高回报的策略，强调增长潜力和市场机会。 conservative analyst 保守派，他的角色是强调风险控制，指出交易提案里可能被忽视的下行风险。 neutral analyst 中立派，他在激进和保守之间找平衡。 三个角色轮流发言，每个人的 prompt 里都包含另外两个人的最新论点，要求直接回应和反驳。激进派说完，保守派反驳，然后中立派评价，两边再轮回。激进派 元码里的条件逻辑很清楚， aggressive 说完，轮到 conservative， conservative 说完，轮到 neutral， neutral 说完再轮回。 aggressive 达到配置的伦数之后，辩论停止。 最后 portfolio manager 登场。他拿到三方辩论的完整记录， research manager 的 投资计划， trader 的 交易提案，做出最终决策。 buy overweight， hold underweight？ 还是 sell？ portfolio manager 也用的是 deep thinking。 l l m。 到这里，一次完整的决策流程就走完了，但还没结束， 系统还有一个反思机制，交易执行之后，系统会去拉实际的收益数据，跟 spy 精准做对比。然后一个叫 reflector 的 模块，回顾整个决策过程，方向判断对了还是错了， 投资论点的哪个部分成立了，哪个部分失败了？下次遇到类似情况应该怎么改？反思的结果被压缩成两到四句话存进记忆。下次做决策的时候，这些历史教训会作为 past context 注入到 portfolio manager a prompt 里。 这就形成了一个闭环，决策执行、反思、改进再决策。现在回过头来看整个架构，它的核心设计模式其实就三个。第一个，辩论机制， 用对立角色的辩论来对抗 l l m 的 单一视角偏见。一个 l l m 单独做判断，很容易陷入确认偏误。他倾向于找支持自己结论的证据，忽略反面证据，让两个角色互相反驳。强制模型，从正反两面审视同一个问题。 第二个，分级模型，信息收集和辩论用快模型，综合判断用强模型。这个模式在任何多 agent 的 系统里都适用，不是每个环节都需要最强的模型，把算力集中在最需要深度推理的节点上。第三个，决策后反思不只是做决策， 还要在结果出来之后回头看决策过程，提炼教训，注入下一次决策。这三个模式组合在一起，就是 trading agents 的 全部 信息收集提供原材料，辩论机制提供多角度审视分级模型控制成本，反思机制实现持续改进。最后说一下局限。第一，辩论的质量完全取决于底层模型的能力。如果模型本身对金融市场的理解有限，辩论再多轮也只是在低质量的论点之间来回。 第二，默认的辩论轮数只有一轮来回，源码里的条件逻辑写得很清楚，多空辩论默认 count 到二就停， 风险辩论默认 count 到三就停，这意味着每个角色其实只发言了一次，辩论的深度很有限。第三，也是最根本的，金融市场的不确定性远超 l l m 的 推理能力。再精妙的多 agent 的 架构，面对黑天鹅事件也无能为力。 这个项目的价值在于它的架构设计思路，不在于它的交易收益。一句话总结， trading agents 用辩论机制、分级模型和决策后，反思组了一个虚拟投行团队。他最值得学的不是怎么用 agent 炒股，而是怎么用多角色辩论来对抗 l l m 的 单一视角偏见。这个模式在任何需要多角度决策的场景里都能用。