Vibe 交易助手
把市场数据、研究与回测串成可操作的个人交易助手。
按维度查看评分与理由
证据显示：SECURITY.md 明确说明生成的回测代码在本地执行，且子进程环境被限制，不转发 LLM 提供者密钥、API 服务器令牌、shell 工具选择、经纪商交易密钥等，体现了最小权限原则。用户确认方面，README 提到实时风险增加操作需要授权门控和审计，但未提供具体细节。数据流透明度方面，README 提到每次运行写入哈希清单，审计账本哈希链，但未详细说明数据流向。敏感数据处理方面，SECURITY.md 提到不转发敏感密钥，但未详细说明存储和加密。依赖安全方面，pyproject.toml 显示依赖有版本上限，CI 中有哈希锁检查，但未提供漏洞扫描证据。外部影响方面，README 提到实时交易操作需要授权，但未详细说明。回滚方面，README 提到会话和运行状态，但未明确回滚机制。来源归属方面，README 和 SECURITY.md 明确标识了官方渠道和冒充警告，但未提供完整的贡献者列表。
证据显示：README 新闻部分详细记录了多个正确性修复，如价格验证、区间处理、数据源修复等，表明项目注重一致性。依赖可用性方面，pyproject.toml 列出了大量依赖，并有可选 extras，CI 中验证了依赖安装，但未提供所有依赖的可用性保证。失败消息方面，README 提到一些错误处理，如 'fail-closed tool arguments'，但未提供详细的错误消息示例。
证据显示：README 描述了多种使用场景，如回测、研究、实时交易等，并提供了多语言文档，表明受众广泛。能力边界方面，README 提到只读工具和实时操作的门控，但未详细列出所有能力边界。触发精度方面，README 提到价格验证和区间处理，但未详细说明触发条件。环境适配方面，README 提到支持多种操作系统和 Python 版本，但未详细说明所有环境要求。
证据显示：README 结构清晰，包含新闻、功能、快速开始、示例、API/MCP、路线图等部分，信息架构良好。安装说明方面，README 提供了 pip 安装命令，但未提供详细的安装步骤。命名稳定性方面，项目名称和包名一致，但未提供命名约定。示例和 FAQ 方面，README 提供了示例，但未提供 FAQ。已知限制方面，README 提到一些限制，如 Python 版本上限，但未全面列出。许可证方面，LICENSE 文件为 MIT，符合标准。版本和变更日志方面，README 新闻部分记录了变更，但未提供正式的变更日志。维护责任方面，README 提到贡献指南，但未明确维护者。
证据显示：README 描述了多种输出，如回测报告、风险分析等，但未提供具体输出格式。边际价值方面，README 提到多种功能，如多市场支持、量化库等，但未与其他工具比较。成本效益方面，README 提到免费数据源，但未提供性能基准。
证据显示：README 新闻部分引用了多个 PR 和 issue，提供了可追溯性。交叉来源验证方面，README 提到多个数据源，但未提供独立验证。事实与推断分离方面，README 提到 'marks what a source does not state instead of inferring it'，表明项目注重区分。
- 静态审查无法验证实际运行行为，所有分数基于文件内容推断。
- 实时交易功能涉及高风险，需谨慎使用，确保理解授权和审计机制。
- 依赖众多，建议定期检查漏洞和更新。
- 未提供详细的回滚机制，建议在关键操作前备份。
这个 Agent 能做什么，适合哪些场景？
Vibe-Trading 是一个面向量化研究与交易工作流的个人交易 Agent，提供 CLI、FastAPI 后端、React Web UI 和 MCP 服务。它通过市场数据加载器、研究工具、因子与组合回测能力，把研究假设推进到信号引擎和回测结果。系统可产出运行记录、严格 JSON 验证结果、回测归因，以及组合回测的 risk_xray.json 和 risk_xray.md 风险报告。它支持本地 CSV、Parquet、DuckDB 数据桥，也连接多类市场数据源和券商接口；实盘相关路径设有授权、委托与风控边界。部署与持久化状态可使用 Docker，用户数据、会话、技能、影子账户和券商配置可保存在命名卷中。
系统的 local loader 可读取 CSV、Parquet 或 DuckDB 中的 OHLCV 数据，并通过加载器注册表获取和规范化市场数据。run_research_autopilot 与 generate_backtest_config 将“假设 → 研究目标 → 回测”串联；scaffold_signal_engine 生成符合约定的信号引擎，link_autopilot_backtest 再把回测指标回传给假设流程。alpha bench --strict 提供同一股票池的随机对照和样本外门槛，组合回测会输出 risk_xray.json 与 risk_xray.md。MCP 服务暴露市场数据、因子分析和研究相关工具；CLI 还包含 vibe-trading provider doctor、vibe-trading resume 和 connector 命令。系统可通过数据源回退链补全缺失标的，并对价格、收益、OHLC、区间和严格 JSON 进行多处校验。
- 量化研究员需要把一条投资假设转成信号引擎、回测和可追溯指标时，可使用 Research Autopilot 流程。
- 持有本地 CSV、Parquet 或 DuckDB 行情数据的个人投资者，需要在不上传原始数据的前提下接入回测时，可使用 local loader。
- 需要比较因子或组合策略、检查样本外约束和风险暴露的研究团队，可运行 alpha bench --strict 并查看风险 x-ray 产物。
- 希望从聊天界面、CLI 或 MCP 接入同一交易研究运行时的开发者，可选择 React Web UI、命令行或 MCP 服务。
- 需要研究美国、香港、A 股、印度、韩国市场或 USD-M 永续合约的策略开发者，可利用项目已列出的市场引擎与数据路由。
- 想接入券商账户但需要明确实盘控制边界的用户，可使用连接器；部分连接器仅支持只读，实盘委托受授权、委托确认和风控机制限制。
这个 Agent 有哪些优点和局限？
- 研究 Autopilot 明确连接假设、信号引擎、回测和指标反馈，而不仅是生成交易建议文本。
- 回测与数据层有针对性的正确性机制，包括严格 JSON、OHLC 完整性检查、样本外门槛、因果再平衡和风险 x-ray 产物。
- 同一运行时同时提供 CLI、Web UI、FastAPI 与 MCP，并支持本地数据桥和多数据源回退。
- 实盘相关功能设计了授权、委托确认、暴露上限、停止开关和审计边界；Trading 212 等连接器还明确保持只读限制。
- 要运行依赖模型的研究流程必须配置 LLM provider 凭据，而现有材料未给出完整的凭据配置步骤。
- 数据源、券商连接器和可选付费数据能力存在账户、密钥、地区与依赖差异；并非所有连接器都允许下单。
- 项目近期持续修复数据加载、收益计算、provider 适配和回测正确性问题，采用前应针对自己的市场与策略做验证。
- Docker、Web UI、消息通道、MCP、券商和多市场引擎组成的部署面较广，运维与权限配置复杂度高于单一回测库。
如何安装或部署这个 Agent？
运行环境要求 Python 3.11+。可安装：pip install -U vibe-trading-ai。安装后可先运行 vibe-trading provider doctor，查看脱敏后的 provider、模型、软件包和代理诊断信息。要执行依赖模型的研究任务，还需要配置所选 LLM provider 的凭据；已提供的材料没有给出可安全照抄的具体配置字段或完整启动参数。
如何使用这个 Agent？
可先执行 vibe-trading provider doctor 验证 provider 环境。项目明确提供非交互式 vibe-trading run、vibe-trading resume <session-id>、alpha bench --strict 和 connector CLI；在完成 provider 凭据配置后，可用这些入口运行研究、恢复会话、评估 alpha 或管理连接器。若使用本地数据，将 OHLCV 数据放入 CSV、Parquet 或 DuckDB，并通过 local loader 接入。材料未提供 vibe-trading run 的完整参数示例，因此不应臆造首个研究任务的命令行参数。