TradingCodex
把 Codex 变成一支可演化的多智能体投研团队：按问题动态组建分析师阵容，产出可复用、可审计的投资研究记忆。
- Star 数
- ★ 380
- 最近更新
- 3 个月前
- License
- Apache-2.0
- 主语言
- Python
- FA 评分
- 54/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 平台专用Codex
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 个人投资者想以'中期优质复利股'框架系统研究一只股票（如 MSFT），并要求纳入反面证据
- 不适合
- 不使用 Codex CLI 的团队——必须已安装并登录 codex CLI 才能运行
- 希望开箱即用直接下单交易的用户——实盘需另装 provider 并通过审批与审计
- 不愿自行管理本地工作区、hook 信任与 tcx 服务进程的用户
- 源码审查
- 54/100 · 缺口较多
这个 Agent 能做什么，适合哪些场景？
TradingCodex 是一个在 Codex CLI 内运行的多智能体投资研究系统，由 Head Manager 根据问题动态调度九个专家智能体（基本面、技术面、新闻、宏观、品种、估值、组合、风控、判断复核）。它定位为研究优先、本地优先、模拟盘优先：研究结论永远不会自动变成券商下单动作。运行产生的工作成果沉淀为可检查、可版本管理的静态层，包括 Research Memory、Knowledge Wiki、Investment Brain、Decision Memory 和 Strategy，存储在 trading/ 与 wikis/ 等本地目录中。项目以 PyPI 包（tradingcodex）分发，通过 uvx 与 tcx 命令附加到用户工作区，内置只读查看器（默认 http://127.0.0.1:48267/）。代码为 Python 3.11-3.14 与 Django 5.2，采用 Apache-2.0 开放核心许可。适合希望用自然语言驱动结构化投研、且接受 Codex 作为宿主环境的用户。
用户在工作区用自然语言提出问题，tcx 附加的 Codex 钩子启动 Head Manager，按需并行调度最小可用的专家智能体组合，独立收集证据并产出 artifacts；流程沿“提问 → Head Manager → 专家波次 → 证据与工件 → 追问/增员/复核/综合/停止”的循环推进，而不是预设 DAG。六项技能通过提示词触发：$tcx-plan（框定目标与停止条件）、$tcx-workflow（运行动态研究）、$tcx-memory（回放过往判断）、$tcx-wiki（沉淀行业与公司背景）、$tcx-brain（定义 inquiry 框架与可证伪条件）、$tcx-strategy（定义入场、仓位与失效规则）。结果写入 research/、reports/、forecasts/、decisions/ 目录，只读查看器展示 Episodes、Library、Wiki 和 System posture；研究要变成券商动作需经过独立的连接、票据起草、检查、审批与审计关卡。
- 个人投资者想以'中期优质复利股'框架系统研究一只股票（如 MSFT），并要求纳入反面证据
- 研究员需要回放此前对某标的的判断，检验当时的论点在事后是否仍然成立
- 分析团队希望把半导体价值链等稳定背景知识沉淀到 Wiki，与实时证据分开管理
- 谨慎型用户想定义自己的入场、仓位与失效规则，作为可审查的 Strategy 约束后续研究
- 开发者想在本地以模拟盘方式搭建投研流水线，而不直接对接真实券商
如何安装或部署这个 Agent？
前置条件：Git、uvx、已安装并认证的 codex CLI。准备一个空工作区目录（不要把源码仓库克隆进该目录）。macOS/Linux：cd /path/to/an/empty-workspace && uvx --refresh --from tradingcodex tcx attach . && ./tcx doctor && ./tcx service ensure。Windows PowerShell：cd C:\path\to\an\empty-workspace，然后 uvx --refresh --from tradingcodex tcx attach .，再运行 .\tcx.cmd doctor 和 .\tcx.cmd service ensure。安装后完全重启 Codex，重新打开并信任工作区，逐个信任 TradingCodex 钩子。
如何使用这个 Agent？
重启 Codex 后在新任务中直接粘贴技能提示词，例如：'Analyze MSFT as a medium-term quality compounder. Include contrary evidence. No order.'（$tcx-workflow）或 'Create a cautious quality-compounder inquiry framework.'（$tcx-brain）。用 ./tcx service status 获取只读查看器地址（默认 http://127.0.0.1:48267/），在浏览器中检查 Episodes、Library 与 Wiki；继续、收窄或停止研究都在 Codex 内完成。完整研究流程建议使用 gpt-5.6-sol 模型并调高 reasoning 档位（high 或 xhigh）。
这个 Agent 有哪些优点和局限？
- 动态编队：Head Manager 按下一个有用的问题选择智能体，窄问题直答、高后果建议才扩展到组合、风控与判断复核
- 研究产物全部落在可检查、可版本管理的本地文件（research/、reports/、forecasts/、decisions/），不在聊天中隐匿证据
- 硬性执行护栏：研究、Wiki、Brain、Strategy 均不授予券商执行权限，实盘需要独立的安装、策略审批、显式确认与审计关卡
- 知识分层明确：Wiki 不当证据用，Brain 不选智能体，改进记录不会静默改写提示词或执行门禁
- 深度绑定 Codex CLI 生态，需要已认证的 codex CLI，不能脱离 Codex 运行
- 全流程研究推荐 gpt-5.6-sol 配 high/xhigh reasoning，推理成本可能较高
- 本地优先意味着用户需自行管理工作区、钩子信任与服务进程（tcx service）
- 实盘交易未开箱支持：需单独安装 provider、通过策略审批、显式确认、同步与审计门禁，文档未给出具体券商清单
这个 Agent 与同类方案有什么区别？
README 未点名具体竞品，但定位上它与把固定研究流程跑成流水线的单智能体行情分析工具不同：TradingCodex 的团队组成随问题变化，并以本地记忆层（Wiki、Brain、Decision Memory）跨会话复用研究上下文。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| TradingCodex 当前 | 54 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 380 | 3 个月前 | Python | Codex |
| EvoScientist：自我进化的 AI 科学家 | 51 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 4.9k | 今天 | Python | OpenAI API · Claude API |
| Yuxi（语析）——可私有部署的多租户知识智能体平台 | 41 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 7.6k | 1 天前 | Python | OpenAI API |
| AI Berkshire 投研框架 | 48 · 缺口较多 | Agent 插件 / 技能免费 + 模型费 | ★ 17k | 2 天前 | HTML | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
README 明确声明研究不等于经纪执行、paper-first、凭证不入提示词等护栏，且测试代码要求项目 hook 必须获得持久信任并拒绝 --dangerously-bypass-hook-trust，CI 使用最小权限（contents: read、persist-credentials: false），这些是可信信号；扣分点：审批网关、权限模型、凭证处理的具体实现代码与 docs/safety-policy-and-execution.md 均不在证据内，安全声明大多只有断言；回滚仅由未展示的 installation.md 提及；作者为匿名的 'TradingCodex Authors'，NOTICE 未展示，出处归因单薄。
README、pyproject（tcx 入口、Django 5.2、动态版本）、CI 与测试相互一致；依赖有版本上下界并提及 lock 文件与 uvx 刷新；测试失败信息具体明确（如 feature 缺失、hook 未信任时给出操作指引）；扣分点：可见代码仅覆盖安装契约测试，运行时失败处理无法从证据确认。
目标受众（投资研究人员）与场景（研究、回顾、决策复盘）清晰，明确排除执行代理并界定各技能边界；支持 macOS/Linux/Windows 并规定 Codex 最低与参考版本；扣分点：技能的精确触发规则只在外部文档站，证据内不可核验。
信息架构优秀：分层工作区（research/reports/wikis/brains）与文档索引清晰；许可证为完整 Apache-2.0 并含 NOTICE 与商标文件引用；安装步骤覆盖三种平台并说明重启与信任 hook；扣分点：无 CHANGELOG（仅动态版本号）、已知限制未成文、维护者身份匿名、示例 FAQ 依赖外站链接。
产出为可读、可版本化的文件与记忆层，静态工件可复用，区分于一次性聊天输出；动态组队加持久记忆相对裸 Codex 有边际价值；扣分点：推荐 gpt-5.6-sol high/xhigh 推理意味着显著多代理 token 成本，成本收益未经量化。
README 声明与 pyproject、CI、测试交叉一致（如 tcx 命令、hook 事件集、特性开关检查），事实与推断分离较好；扣分点：核心安全与执行声明指向证据集外的文档文件，静态评审无法追验，故整体为断言级可追溯。
- 静态评审置信度低：权限、审批与凭证处理的关键实现与安全文档不在证据内，安全声明仅为 README 断言，使用前应自行审阅 docs/safety-policy-and-execution.md 与 hooks 代码。
- 安装要求信任全部项目 hook，这赋予工作区代码较大的 Codex 控制权；请先阅读生成的 .codex/hooks. 再信任。
- 发布者未经验证且作者匿名，依赖更新与漏洞响应路径不明。
- 推荐 high/xhigh 推理的多代理研究会产生可观的模型调用成本，注意预算控制。
- 本产品面向投资研究，不构成投资建议，也不含经纪执行授权；实盘接入需自行完成额外审批与审计。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v2.1.3 TradingCodex 2.1.3
发布说明摘录
2.1.3 - 2026-07-25 - Reduce always-loaded Head Manager and shared source-routing guidance, move optional context and domain rules to their owning workflow resources, remove producer-only dataset tools from the Head Manager, and stop additional research when its expected decision value no longer justifies its cost. - Refresh README onboarding around the dynamic research team, reusable knowledge, and skill entrypoints, and recommend gpt-5.6-sol with high or xhigh reasoning for full Head Manager research workflows. …在 GitHub 查看 ↗ -
v2.1.2 TradingCodex 2.1.2
发布说明摘录
2.1.2 - 2026-07-24 - Treat ASCII skill-name case and normalized whitespace layout as presentation details, so Codex app skill-chip capitalization, Brain/Strategy selectors on separate lines, and line-wrapped order arguments bind to their canonical lowercase skills without weakening order flags, single-effect grants, approvals, policy, idempotency, or audit enforcement. - Let evidence-producing subagents autonomously fill newly discovered material gaps and conflicts within their assigned question, specialty, user scope, and …在 GitHub 查看 ↗ -
v2.1.1 TradingCodex 2.1.1
发布说明摘录
2.1.1 - 2026-07-24 - Reframe independent judgment review as task-relative adversarial adjudication: test evidence, interpretation, and conclusions under the selected user mandate, Investor Context, Brain, and Strategy without silently replacing that governing frame or forcing Bull-versus-Bear onto incompatible tasks.在 GitHub 查看 ↗