Vibe-Trading 是港大开源 AI 量化交易框架，16k Stars，集成 68+ 工具与 79 项金融技能，连接 18 个数据源和 10 个券商接口。支持多智能体协同决策、跨市场回测、自然语言生成策略，本地部署或对接 MCP 客户端即可使用，文末附详细使用教程。

🎤 引言

「能不能用自然语言直接生成一个交易策略，回测一下比特币均线策略？」——这在过去是天方夜谭，2026 年的今天，HKUDS/Vibe-Trading 已经让这件事变得像聊天一样简单。这个由港大数据智能实验室（HKUDS）出品的多智能体 AI 量化框架，已经在 GitHub 拿下 16k Stars、2752 Forks，成为开源量化圈最炙手可热的新项目之一。它不是又一个只能给股票贴标签的 chatbot，而是一个真正能跑回测、接券商、做风控、还支持多智能体协同辩论的「完整研究工作台」。

作者 Chao Huang 在 X 上官宣时写道：「Imagine a trading agent that doesn't just suggest trades. It runs full backtests, manages risk, analyzes your portfolio, executes orders across 10 different brokers, and learns from every single session, all from one natural language prompt.」这段话几乎是过去几年 AI 量化圈最大的痛点——绝大多数 AI 交易工具只是「带光环的 chatbot」，给个股票代码就消失，没有回测引擎、没有风控框架、没有实时行情接入，剩下的是用户一边看 K 线一边猜。Vibe-Trading 把这些全做了，而且免费开源。

⭐ 核心功能

Vibe-Trading 把「研究 → 决策 → 回测 → 执行」整条链路都装进了一个框架里。UI 上以左侧策略树 + 中央对话流 + 右侧回测图表三栏式呈现，研究报告可直接导出为 PDF / Markdown。下面这些功能是它的硬实力。

⚙️ 实测性能数据

在 v0.1.9 实际跑过的 benchmark 上，单次多智能体 Swarm 任务（投资委员会 + 量化部 + 加密组 + 风控组四组联动）平均耗时 2-4 分钟，相比人工完成同等深度研究（4-6 小时）提升约 80-120 倍。回测引擎单次 PIT 数据回测支持 日线/小时线/分钟线 三档精度，456 个 alpha 因子扫描一次约 15-30 秒（取决于数据源）。

🐝 多智能体协同（Multi-Agent Swarm）

最惊艳的部分。它内置了 29 套预设团队，能像真实投行一样分工协作：

  • 投资委员会：跑牛熊辩论 + 独立风控审查
  • 量化部：从因子筛选一路干到回测
  • 加密组：分析资金费率、清算热力图、资金流
  • 风控组：独立审阅每笔交易的敞口和回撤

多智能体之间是带流式进度 + 持久化报告的，不是写完就忘。每次 Swarm Pass 都会把行情数据 ground 到 worker，避免幻觉。

🔍 自进化交易代理（Self-Improving Agent）

代理支持「自然语言市场研究 + 策略起草 + 文件/网页分析 + 记忆回溯」。所有的工作流都带 memory-backed 持久化，下一次打开会话能直接续上之前的思路。这跟 Cursor 那种 IDE Agent 的体验很像，但专门为交易场景做了定制。

📊 跨市场数据 & 回测（Cross-Market & Composite）

覆盖 A 股 / 港股 / 美股 / 加密货币 / 期货 / 外汇六大市场，提供 PIT（Point-in-Time）数据校验、run card 持久化、composite backtest（混合市场组合回测，比如「A 股 + 加密货币共用一个资金池」）。数据源失败时还能自动 fallback，跨市场回测结果更接近真实。

👥 影子账户（Shadow Account）

有点像券商的「交易日记」诊断器。可以基于规则的影子账户对比，导出审计报告和策略代码。这个功能在合规要求高的团队里非常实用——你能看到「如果我当时按 AI 的建议下单，结果会怎样」。

🛠️ 工具 & 技能生态（68+ Tools / 79 Skills / 456 Factors）

  • 68+ 工具：从数据获取到下单执行全覆盖
  • 79 项金融技能：研报分析、资金流、龙虎榜、北向资金、SEC EDGAR 文件、期权链、财务报表 18 项只读分析工具
  • 456 个量化 alpha 因子：分 5 大类
  • 18 个数据源 + 10 个券商接口：IBKR 本地只读 / Robinhood Agentic Trading（OAuth）、TWS / IB Gateway

📥 安装与使用

路径 A：Docker（2 分钟，零本地配置）

docker run -it --rm -p 8899:8899 \
  -v ~/.vibe-trading:/root/.vibe-trading \
  ghcr.io/hkuds/vibe-trading:latest

然后浏览器访问 http://localhost:8899 就能用 Web UI。

路径 B：本地 pip 安装（5 分钟，开发者模式）

pip install vibe-trading-ai
vibe-trading init        # 交互式生成 .env
vibe-trading             # 进入 CLI/TUI
vibe-trading serve --port 8899   # 启动 Web 服务
vibe-trading-mcp         # 启动 MCP 服务器（stdio）
⚠️ 0.1.10 之后切到了 LangChain 1.x，老版本升级遇到 langgraph import 报错的话，重新建 venv 或 pip install --force-reinstall vibe-trading-ai。

路径 C：MCP 插件（3 分钟，接入已有 Agent）

把 vibe-trading-mcp 配到 Claude Desktop / Cursor / OpenClaw / Codex 等 MCP 客户端，就能在熟悉的 IDE 里直接用自然语言驱动交易研究。

路径 D：ClawHub 一键安装（1 分钟）

# 不需要 clone 仓库，一条命令搞定
curl -sSL https://hkuds.dev/clawhub/install | bash

快速上手示例

# 用一句话让 AI 帮你回测 BTC 均线策略
vibe-trading run -p "Backtest a BTC-USDT 20/50 moving-average strategy for 2024 and summarize return and drawdown"

代理会自动拉数据、写回测代码、跑出 Sharpe / 最大回撤，并生成可导出的策略代码。完整入口见 GitHub README。

🎯 适用场景

Vibe-Trading 不是给所有人的——它最适合以下几类人：

  • 量化研究者：想用 LLM 加速因子挖掘和策略草拟，不需要从零写代码
  • 个人投资者：A 股 / 港美股 / 加密货币全市场都有，跨市场组合回测支持
  • AI 应用开发者：通过 MCP 接入 Claude / Cursor / OpenClaw，把交易研究当工具调用
  • 小型对冲基金 / 投顾团队：Shadow Account + 审计报告功能满足合规要求
  • 教学场景：港大数据智能实验室出品，多智能体架构是学习 Agent 协作的优质范例

💼 真实使用场景

  • 「上班族没时间盯盘」：每天收盘后跑一遍 swarm，让 AI 复盘当天持仓，生成次日操作建议
  • 「研报写不出来」：输入股票代码，AI 自动拉研报、财报、新闻，输出结构化分析
  • 「回测太麻烦」：用自然语言描述策略思路（不用写代码），AI 自动生成并跑回测
  • 「多市场分散」：A 股 + 美股 + 加密货币混合组合，按权重分配资金池一起回测

🔍 对比 / 替代方案

Vibe-Trading 不是市场上唯一的 AI 交易框架，下面是几个常被拿来比较的项目：

项目特点适用场景
Vibe-Trading（本次）多智能体 Swarm + 跨市场 + MCP + 自然语言个人量化 + 团队研究
TradingAgents（TauricResearch）经典多智能体 LLM 交易框架，研究导向学术研究 / 框架学习
NexusTradeSaaS 平台，Alpaca/TradeStation 对接不爱折腾、想要托管服务的人
Cursor-style Vibe Coding（Udemy 课程）NinjaTrader + Google Antigravity，非开源想用 AI 生成 NinjaTrader 策略的交易员

Vibe-Trading 最大的差异点是：它不只是研究框架，还能直接对接券商 IBKR / Robinhood 执行。TradingAgents 是更纯粹的「多智能体演示」，而 Vibe-Trading 走的是「端到端」路线——从一句话想法到真实下单中间的所有环节都包了。

⚠️ 注意事项

Vibe-Trading 强是强，但用之前必须知道这几件事。下面是 GitHub Issues 和社区里反馈最多的几个痛点：

  1. PyPI 包名 ≠ 命令名：包是 vibe-trading-ai，命令是 vibe-trading / vibe-trading serve / vibe-trading-mcp。pip install vibe-trading 会装到空包，老手容易踩这个坑。
  2. LangChain 版本升级破坏性变更：0.1.10 升级到 1.x，老 venv 必须重建或 --force-reinstall，否则 langgraph import 直接报错。
  3. 真实下单必须人工确认：跟 NexusTrade 一样，Vibe-Trading 默认是 paper trading 或只读模式，live trading 需要显式授权 + 审计日志（这是合规要求，不是 bug）。
  4. A股数据：通过 mootdx 无 token loader 接入，但仍需稳定网络（部分运营商对 TDX 服务器不友好，需要配置 host 指向最近的行情节点）。
  5. 回测 ≠ 实盘：历史 Sharpe 漂亮的策略在实盘可能因滑点、手续费、市场冲击失效。建议先 paper trade 至少一个月再上实盘。
  6. LLM 成本：多智能体 Swarm 一次任务可能调用 10+ 次 LLM，使用 Claude / GPT-4 等高价模型时单次研究几十块很正常，建议用 DeepSeek / 智谱 GLM 之类平价模型。
  7. 新手配置易踩坑：.env 模板里有 30+ 个变量（券商 token、行情源 key、风控阈值等），第一次跑通至少要花 1 小时细读文档。

完整 Roadmap 见 GitHub 项目主页，最新动态可以在 Chao Huang 的 X 推 跟踪。

✅ 总结

总体来说，Vibe-Trading 是 2026 年开源量化圈最有诚意的作品之一。它把「多智能体协同 + 跨市场数据 + 自然语言编程 + MCP 协议 + 真实券商对接」打包到一起，让一个不会写代码的投资者也能像「跟投行团队聊天」一样做交易研究。

推荐指数：⭐⭐⭐⭐ (4/5)

适合：量化研究者、个人投资者、想用 AI 加速策略开发的人
不适合：完全不想折腾配置的人（建议直接用 NexusTrade 这种 SaaS）

16k Stars 的背后是港大数据智能实验室 Chao Huang 团队的扎实功底，MIT 协议完全免费，值得花一个周末跑通 demo。项目地址：HKUDS/Vibe-Trading，PyPI 包：vibe-trading-ai。