QuantDinger AI 量化交易系统
将 AI 市场研究转化为 Python 策略、回测、模拟盘、实盘执行与持续监控。
最小权限、用户确认、数据流透明度、敏感数据处理和外部影响均有较强静态证据：端口默认仅绑定回环地址，生产容器非 root、只读根文件系统并移除 Linux capabilities；Agent 令牌有作用域、限流、哈希和审计，Agent 默认只能模拟交易，实盘需要令牌权限、paper_only=false、服务器开关以及运营者配置的限制和白名单。README 明确说明系统可能提交真实订单，并给出从客户端、API、数据库、Redis、工作进程到经纪商的处理路径。凭据和 MFA 密钥使用稳定密钥加密，环境文件权限为 600，并明确警告不要公开基础设施或使用示例密码。依赖安全仅给 2 分，因为 CI 虽声称并部分展示依赖锁检查、固定版本范围、镜像 SBOM 和 provenance，但材料没有提供漏洞扫描配置、扫描结果或依赖清单内容。回滚给 2 分，因为有 PostgreSQL 与 durable Redis 备份要求、持久命令及协调机制，但没有展示实盘订单撤销、策略部署回滚或灾难恢复步骤。来源归属给 2 分：README 指向 Open Byte Inc.、支持邮箱和公开渠道，许可证附录也提及 quantdinger.com；但发布者身份未经注册表验证，所给材料也未展示明确版权主体声明或贡献者治理。
README 的架构、流程、版本约定和 CI 配置彼此一致；CI 静态展示了语法、lint、迁移、分片测试、release gate、Compose 校验、版本漂移和编码检查，因此自洽性给满分。依赖可用性给 2 分：提供 Python 3.12、PostgreSQL 18、Redis 8、锁文件安装、预构建镜像和多架构发布流程，但核心功能仍依赖多个外部 AI、交易所和经纪商服务，且材料未展示离线降级或依赖可用性矩阵。失败消息给 2 分：安装和生产校验命令、健康端点、可观测性、告警以及 CI 的空分片显式错误均有体现，但没有提供面向用户的运行时错误样例、错误分类或恢复指引的具体内容。
受众和场景清晰覆盖独立交易者、Python 策略作者与小团队，以及研究、回测、模拟、实盘和监控。能力边界明确区分 HTTP、长期交易循环、有限 Celery 任务、调度器和外部服务责任，并声明不提供投资建议。触发精度较强：Agent 实盘交易采用四重门控，任务类型也按持久命令、有限作业和长期运行时明确路由。环境适配给满分，因为材料覆盖预构建镜像与源码安装、Linux/macOS/Windows、Docker Compose、本地与生产覆盖层、可选监控、资源受限部署、rootless/NFS 提示和多架构镜像。
信息架构、仓库布局、执行路径和改动归属表非常具体。安装说明同时覆盖快捷安装、源码安装、必要密钥、管理员迁移行为、生产校验和故障排查入口。命名与版本稳定性由 VERSION、语义化标签、API V2、/api/agent/v1、版本一致性检查及兼容性流程支持。示例与 FAQ 给 2 分：有大量命令、入口和专题指南，但所给内容未包含完整 FAQ 或端到端 Agent 调用示例。已知限制给满分，因为明确指出实盘风险、司法辖区责任、外部服务范围、仅 main 获安全支持、前端源码位于其他仓库以及监控可选。完整 Apache-2.0 文本与元数据一致。版本与更新路径通过标签、自动生成发布说明和版本检查得到充分说明。维护责任给 2 分：有产品归属、支持邮箱、安全响应目标和仅 main 支持政策，但发布者身份未知，且没有维护者名单、治理规则或长期支持承诺。
输出可用性较高：平台产物覆盖可检查的策略代码、回测、实验、报告、订单执行状态、审计日志、指标、仪表板和告警，并通过 Web、移动端、API、Agent Gateway 与 MCP 暴露。边际价值给满分，因为它把 AI 研究、策略开发、回测、模拟/实盘执行与监控整合到一个自托管工作流，同时保留人工控制和共享服务层。成本收益给 2 分：基础栈可缩减且监控可选，预构建镜像减少安装成本；但 PostgreSQL、两个 Redis、多个工作进程以及可选 Prometheus/Grafana/Alertmanager 带来明显运维成本，材料没有资源基准、费用估算或性能收益数据。
主要主张可追溯到具体目录、配置、文档、OpenAPI、测试和 CI 步骤，架构表还把每类行为映射到代码位置，因此主张可追溯性给满分。跨来源印证给 2 分：README 的部分安全、版本和测试说法得到 SECURITY.md 与工作流配置支持，但未提供核心交易、权限和加密实现文件，也没有独立来源或运行结果。事实与推断分离较好：材料明确区分默认行为、生产建议、外部责任和免责声明；本评估也未把 CI 定义当作成功执行证明。
- 该系统能够提交真实订单；应先使用模拟交易，并以受限 API 密钥、服务器端实盘开关、额度和白名单进行隔离。
- 手工 Docker 部署可能保留 quantdinger/123456 兼容凭据；任何联网部署都必须在首次启动前或首次登录后立即更改。
- 本次仅审阅所给静态文件，未执行测试，也未检查交易、授权、加密或订单协调实现；CI 配置不等同于 CI 已成功运行。
- 仅 main 分支被声明为安全更新支持对象；固定在本次旧修订的部署可能无法获得后续修复。
- 生产环境需要自行承担备份、TLS、网络隔离、第三方服务可用性、法规合规及实盘订单恢复风险。
这个 Agent 能做什么，适合哪些场景？
QuantDinger 是面向独立交易者、Python 策略开发者和小型团队的开源、自托管 AI Trading OS。它覆盖 AI 市场研究、指标与 Strategy API V2 开发、服务端回测、模拟或实盘执行以及监控，并支持加密货币、股票和外汇相关工作流。系统以 Flask + Gunicorn API 为入口，将长期运行的策略交给 trading-worker，将调度交给 scheduler-worker，并通过 Redis 与 Celery 处理有限、可重试的异步任务；状态和审计数据由 PostgreSQL 保存。操作入口包括桌面 Web、移动 H5、Human API、Agent Gateway，以及供 Codex、Claude Code、Cursor 等客户端使用的独立 MCP server。它不是托管式黑盒信号服务：市场数据、策略代码、经纪商凭据、风险设置和部署均由操作者控制，适合愿意自行承担基础设施、安全和合规责任的团队。
完整流程为“AI research → Strategy code → Backtest → Paper/Live execution → Monitoring”。系统可通过多家 AI 提供商和自定义端点开展市场研究，读取市场、宏观、新闻及情绪数据，并让用户编写 Python 指标和 Strategy API V2 策略。同步请求从 app/routes 进入 app/services，再访问 PostgreSQL、Redis cache、数据源或交易适配器；持久化策略命令先写入 PostgreSQL，再由 trading-worker 获取租约并处理策略运行时、订单、经纪商会话与对账。有限任务经 Redis jobs 投递给 app/tasks 和 celery-worker，scheduler-worker 执行投资组合、部署、付款与信号计划。交易侧提供 Binance、OKX、Bitget、Bybit、Gate、HTX、IBKR 和 Alpaca 工作流，可生成回测、实验、报告、订单及运行状态；Prometheus、Grafana 和 Alertmanager 可选地收集指标、展示看板并发送告警。MCP 客户端通过 mcp_server 调用 /api/agent/v1 中获准的工具，无需取得经纪商凭据或管理员 JWT。
- 独立交易者希望在自己的服务器上把交易想法写成 Python 策略，并依次完成回测、模拟盘验证和受控实盘部署。
- 小型量化团队需要用 PostgreSQL 保存持久状态与审计记录，并将 HTTP、长期策略运行、调度任务和有限异步作业分离。
- 加密货币交易者需要在 Binance、OKX、Bitget、Bybit、Gate 或 HTX 等交易所适配器上测试和执行统一策略。
- 股票或传统市场策略开发者需要使用 Alpaca 或 IBKR 工作流，同时保留自托管的策略、凭据和风险控制。
- Codex、Claude Code 或 Cursor 用户希望通过 MCP 调用经过授权的研究和交易工具，而不向客户端暴露管理员 JWT 或经纪商密钥。
- 需要生产运维能力的团队希望通过可选的 Prometheus、Grafana 和 Alertmanager 监视 API、工作进程、PostgreSQL 与 Redis。
这个 Agent 有哪些优点和局限？
- 研究、Python 策略、回测、模拟盘、实盘和监控形成一套闭环，减少在多个独立工具之间搬运策略与结果的工作。
- 运行边界明确：HTTP API、trading-worker、scheduler-worker、celery-worker、celery-beat 和 migration 各自承担不同职责，并分别处理长期任务与有限重试任务。
- 覆盖多家加密交易所以及 IBKR、Alpaca，同时支持 OpenRouter、OpenAI-compatible、Google、DeepSeek、Grok、MiniMax 和自定义 AI 端点。
- Agent token 经过哈希、作用域限制、速率限制和审计；代理交易默认仅限模拟盘，实盘需要令牌与服务器双重授权。
- 提供预构建镜像、一键安装、源码 Compose、生产加固覆盖层和可选可观测性覆盖层，部署路径较完整。
- 自托管意味着操作者必须管理 PostgreSQL、两个用途分离的 Redis、密钥、备份、迁移、TLS、工作进程健康和监控，运维成本明显高于托管服务。
- 实盘可提交真实订单并造成资金损失；回测、模拟结果和 AI 输出不保证未来表现，使用者还需自行承担许可、税务、交易所条款和地区合规责任。
- 生产配置涉及多组独立密钥和密码；错误的文件所有权、只读挂载或示例凭据会导致设置无法保存或形成安全风险。
- 桌面与移动客户端源码位于单独仓库，并采用各自的 source-available 许可；Apache-2.0 仅覆盖后端代码，也不授予商标权。
- 多交易所、经纪商、AI 提供商和数据源均依赖外部网络及第三方服务，其可用性、权限、费用和失败模式不由本仓库控制。
如何安装或部署这个 Agent？
最快方式要求安装 Docker 和 Compose v2；不需要本地 Node.js 或 Python 环境。Linux/macOS 运行：
curl -fsSL https://raw.githubusercontent.com/OpenByteInc/QuantDinger/main/install.sh | bashWindows PowerShell 运行：
irm https://raw.githubusercontent.com/OpenByteInc/QuantDinger/main/install.ps1 | iex安装器会询问初始管理员账号、生成必要密钥、下载 GHCR Compose 栈并启动服务。启动后访问 Web http://127.0.0.1:8888、移动 H5 http://127.0.0.1:8889，或检查 http://127.0.0.1:5000/api/health。
若从源码部署：
git clone https://github.com/OpenByteInc/QuantDinger.git
cd QuantDinger
cp backend_api_python/env.example backend_api_python/.env
cp .env.example .env在 backend_api_python/.env 中设置 SECRET_KEY、CREDENTIAL_ENCRYPTION_KEY、ADMIN_USER、ADMIN_PASSWORD；在根目录 .env 中设置 POSTGRES_PASSWORD、REDIS_PASSWORD、CELERY_REDIS_PASSWORD、GRAFANA_ADMIN_PASSWORD。可用 python -c "import secrets; print(secrets.token_hex(32))" 分别生成密钥，然后运行 docker compose up -d --build 和 docker compose ps。手工 Docker 部署若保留默认管理员 quantdinger / 123456，不应暴露到互联网；单命令安装器不会接受 123456 作为所选密码。
如何使用这个 Agent？
先登录 http://127.0.0.1:8888，配置 AI 提供商、市场数据源、经纪商或交易所凭据，然后按照指标开发指南和 Strategy API V2 工作流编写策略。优先运行服务端回测并检查实验结果，再启用模拟盘；README 明确建议从 paper trading 开始，并使用权限受限的 API 密钥。只有在确认策略、订单限制、允许列表和司法辖区要求后才考虑实盘。Agent 或 MCP 路径使用 /api/agent/v1：实盘调用必须同时满足令牌拥有交易 scope、令牌 paper_only=false、服务器 AGENT_LIVE_TRADING_ENABLED=true，以及操作者已配置限制和允许列表。生产部署前运行 python backend_api_python/scripts/check_production_config.py --env-file .env --env-file backend_api_python/.env；随后可用 docker compose -f docker-compose.yml -f docker-compose.production.yml -f docker-compose.observability.yml up -d --build 启动加固运行时及可选监控。
这个 Agent 与同类方案有什么区别？
与黑盒信号服务相比，QuantDinger 不把策略逻辑和执行托管在不可见系统中：策略代码、风险设置、凭据及部署均由操作者控制。与单一 AI 提供商绑定的方案相比，它列出了 OpenRouter、OpenAI-compatible、Google、DeepSeek、Grok、MiniMax 和自定义端点；但使用者仍需自行配置相应服务。基础 Compose 不包含监控栈，而 observability overlay 可按需加入 Prometheus、Grafana 和 Alertmanager。