AI-Trader：终结AI炒股玄学的硬核实验平台

大家好，我是周小码——一个被Spring Boot自动装配折磨到凌晨三点、靠咖啡续命的Java老兵，也是个偷偷用LangChain写量化策略的AI技术票友。今天不聊JVM调优，也不扯Gateway熔断配置，来点新鲜的：AI-Trader——一个让GPT、Claude、Qwen在NASDAQ、上证50、甚至比特币市场里真刀真枪干架的AI交易竞技场。

说实话，刚看到项目名时我下意识摸了摸钱包（怕被割），又点了点README里那个实时排行榜链接（https://ai4trade.ai），结果真看到几个AI模型在实时买卖AAPL、茅台、BTC，还带完整推理链展示……那一刻我手里的美式突然不香了——这哪是开源项目？这是华尔街版的《鱿鱼游戏》啊！

先说结论：这不是玩具，也不是Demo，而是一个架构严谨、工程扎实、边界清晰的AI Agent生产级实验平台。它没吹“稳赚不赔”，也没卖“全自动暴富”，而是老老实实告诉你：“我们搭了个擂台，五个AI选手入场，规则透明，数据可复现，胜负看真金白银。”这种克制，反而让我这个见惯了PPT架构图的老兵肃然起敬。

那它到底解决了什么问题？一句话：终结‘AI炒股’的玄学时代，把LLM trading拉回科学验证轨道。过去太多项目要么是本地回测+人工调参的缝合怪，要么是API调用+硬编码策略的脚本集合。AI-Trader干了三件狠事：

第一，用历史重放（Historical Replay）架构彻底封死‘偷看未来’的漏洞。所有AI只能访问当前时间戳及之前的数据——新闻、价格、财报，全按真实发布时间过滤。README里那段anti-look-ahead设计不是摆设，而是用get_daily_price_tushare.py + merge_jsonl_hourly.py + 时间戳校验三重保险实现的。这就像给每个AI配了个‘时间沙盒’，再聪明也别想穿越。

第二，用MCP（Model Context Protocol）工具链把‘决策’和‘执行’物理隔离。你不会在prompt里写if price > 200: buy('AAPL')，而是让AI说‘我要买苹果股票’，然后由tool_trade.py根据市场自动调用buy()或buy_crypto()，并遵守T+1（A股）、T+0（美股/币圈）、100股起买等真实规则。这招太妙了——既保留LLM的高层语义理解能力，又用工具层兜底合规性，相当于给大模型套上了金融行业的安全带。

第三，分市场、分粒度、分角色的模块化Agent设计。US股票用BaseAgent，A股用BaseAgentAStock_Hour（连10:30/11:30/14:00/15:00四个交易时段都给你写死了），币圈用BaseAgentCrypto。每个Agent目录下都有独立的data loader、prompt模板、风控逻辑。这不是‘一套代码打天下’的懒人方案，而是像造车一样——底盘、发动机、中控屏，全按赛道定制。我翻了源码结构，光是data/A_stock/下就有Tushare和Alpha Vantage双源采集、日线/小时线双格式合并、SSE50权重CSV预置……细节多到让人头皮发麻，但正是这些‘麻烦’，才撑得起‘公平竞技’四个字。

来看代码——这才是硬核时刻。

安装不是仪式，而是契约

## 1. 克隆
git clone https://github.com/HKUDS/AI-Trader.git
cd AI-Trader

## 2. 装依赖（注意不是全量，而是按需）
pip install -r requirements.txt

## 3. 配环境变量（关键！）
cp .env.example .env
## 编辑.env填入OPENAI_API_KEY、ALPHAADVANTAGE_API_KEY、JINA_API_KEY、TUSHARE_TOKEN

看到没？它不帮你申请API key，也不封装成黑盒。你要自己去Alpha Vantage注册拿key，去Tushare开token——它默认你是个懂行的开发者，而不是来点按钮的投资者。这种态度，我喜欢。

启动不是命令，而是流水线

## US市场一键三连（数据→服务→交易）
bash scripts/main_step1.sh  # 拉NASDAQ 100日线数据
bash scripts/main_step2.sh  # 启MCP服务（price/search/trade/math四端口）
bash scripts/main_step3.sh  # 启动Claude 3.7 Sonnet，让它自己决定买啥
## 或直接运行：
python main.py configs/default_config.json

main_step2.sh本质是启动四个HTTP服务：8000（math）、8001（search）、8002（trade）、8003（price）。每个端口对应一个tool_*.py模块，比如tool_get_price_local.py里有这样一段路由逻辑：

## tool_get_price_local.py 关键片段
def get_price(symbol: str, timestamp: str) -> dict:
    """symbol前缀决定数据源：SH/SZ → Tushare；BTC-USD → CCXT；^GSPC → Alpha Vantage"""
    if symbol.startswith(('SH', 'SZ')):
        return _fetch_from_tushare(symbol, timestamp)
    elif symbol.startswith(('BTC-', 'ETH-', 'SOL-')):
        return _fetch_from_ccxt(symbol, timestamp)
    else:
        return _fetch_from_alpha_vantage(symbol, timestamp)

这段代码没有抽象工厂，没有策略模式，只有精准的字符串前缀匹配——因为金融符号命名是有标准的，SH600519就是上交所，BTC-USD就是币安现货对。这种“不优雅但可靠”的设计，在高频交易场景里比任何设计模式都管用。

配置不是参数，而是赛制说明书

{
  "agent_type": "BaseAgentAStock_Hour",
  "date_range": {
    "init_date": "2025-10-09 10:30:00",
    "end_date": "2025-10-31 15:00:00"
  },
  "models": [{
    "name": "claude-3.7-sonnet",
    "basemodel": "anthropic/claude-3.7-sonnet",
    "signature": "claude-3.7-sonnet-astock-hour",
    "enabled": true
  }],
  "agent_config": {
    "initial_cash": 100000.0
  }
}

这里没有魔法常量，没有隐藏开关。init_date精确到分钟，agent_type直指具体类名，initial_cash明示单位是人民币。它把‘如何做实验’这件事，写成了程序员能一眼看懂的契约。

当然，坑也有。比如README里那句‘To maintain a well-managed repository, we no longer upload runtime data to the repo’——意思是别指望Git里看到交易记录，得去Hugging Face或https://ai4trade.ai查。还有，.env里要填4个API key，少一个就卡在start_mcp_services.py。另外，A股小时级交易只支持4个固定时点，想搞盘中T+0高频？得自己改base_agent_astock_hour.py里的get_trading_times()方法：

## base_agent_astock_hour.py 原始实现（不可扩展）
def get_trading_times(self):
    return [
        "10:30:00",
        "11:30:00", 
        "14:00:00",
        "15:00:00"
    ]

## 改为可配置版本（推荐PR）
def get_trading_times(self):
    times = os.getenv("ASTOCK_TRADING_TIMES", "10:30:00,11:30:00,14:00:00,15:00:00")
    return [t.strip() for t in times.split(",")]

值不值得深入？我的答案是：如果你做AI工程、Agent开发、或者量化基础设施，必须啃。它把LLM、Tool Calling、Replay System、Multi-Market适配这些概念，全塞进一个可运行、可调试、可贡献的Python项目里。比读10篇arXiv论文管用。

最后说句掏心窝的：这项目让我想起当年第一次看到Spring Boot的@SpringBootApplication——不是因为它多炫技，而是它用极简的入口，包裹住了背后一整套工业级的严谨。AI-Trader也是这样。它没喊‘颠覆金融’，却悄悄建起了AI交易的实验室标准；它没承诺‘年化100%’，却给了所有人一把尺子，去丈量AI在真实市场里的成色。

所以，别急着抄代码跑策略。先打开https://ai4trade.ai，看看Claude今天是不是又把茅台给卖飞了——那才是最真实的README。

（P.S. 我已经fork了，正在给BaseAgentCrypto加个SOLANA池子……欢迎PR交流，但别问我为啥选Solana，问就是‘因为它的RPC响应快过我老板的消息’。）