Vibe-Trading 交易智能体功能与同类项目对比

策略研究里最耗时间的环节通常在想法到证据之间：拉行情、对齐复权口径、写回测循环、算指标、再对上下单接口。Vibe-Trading 把这段路交给智能体，用户用一句自然语言说明市场和规则，它负责取数、回测并保留可核对的执行记录。仓库地址是 https://github.com/HKUDS/Vibe-Trading，采用 MIT 许可证，主要语言为 Python（占 90.6%）。

Vibe-Trading 是 HKUDS 开源的 Python 交易智能体，输入一句自然语言策略描述，输出回测报告与持仓监控结果，覆盖美股、A 股、印度股票、加密永续合约与期权。

在这组交易类项目里，它属于覆盖链条最长的那一个。仓库里除 Python 主包外，还有 React 19 写的前端与 FastAPI 后端，命令行、Web UI、API 和 MCP 是同一套能力的不同入口；IM 部分带 Telegram 使用指南，文档说明 CLI 与 Web 端共用同一套 API 运行时。

这几个项目分别在解决什么

Vibe-Trading 要解决的是从想法到可验证结论的整条链路。它不止把回测跑完给出指标，还管行情监控、因子研究与下单一侧的事。仓库 topics 里同时挂了 ai-agent、algorithmic-trading、backtesting、quantitative-finance 与 mcp，覆盖范围比多数同类项目宽。

主要功能

• 自然语言回测。直接描述品种、周期与规则即可，Issue 里出现过这样的用法：Backtest BTC-USDT 5-minute MACD strategy, fast=12 slow=26 signal=9, last 30 days。跑完后指标落在回测 CSV 与运行卡里。
• 多市场数据接入。A 股走 Tushare、BaoStock 等数据源，印度股票覆盖 NSE/BSE，另有 MetaTrader 5、Robinhood、Dhan 等券商通道与加密永续合约引擎 CryptoEngine。数据源统一在 DataProvider 抽象之下，Tushare 需要自行配置 token。
• Alpha Zoo 因子库。v0.1.11 的发布说明里写的是 460 个 alpha，分布在不同因子族中。
• Options Lab。v0.1.14 加入的 Web UI 页面，包含四个面：到期损益图、现价×隐含波动率情景盈亏矩阵、组合 Greeks 卡片和美股期权链。
• 影子账户与 Market Watch。影子账户用于跟踪策略运行状态，Market Watch 列表的每一行会给出最近一次判定结果，回答「跑出了什么」而不只是「有没有在跑」。
• 可验证运行卡。运行卡里带哈希过的回测执行记录，以及指标到 CSV 的引用，JSON、Markdown 与运行详情三种视图都能看到。
• 对外接口。API Server 与 MCP 可以把交易能力暴露给其他智能体调用。
• 定时与消息通道。定时任务可以提前打开，README 里带 Telegram 使用指南。

kevmyung/swing-trading-agent 走的是另一条线：一个多智能体 swing 交易系统，把自动筛选、研究和执行串起来。规模小得多，23 个 Star。

cliu-debug/aquant-agent 面向 A 股，描述里写的是 10 个 AI 分析师协同决策、LangGraph 多智能体工作流，以及本地模型零成本运行。6 个 Star，适合想看多智能体决策结构的人读代码。

逐项对照

差距出现在哪

真正拉开距离的是覆盖面与可核对性。多数量化智能体项目聚焦单一市场或单一环节，Vibe-Trading 把 A 股、美股（含期权）、印度股票、加密永续、MetaTrader 5 放在同一套回测框架下，还用运行卡把执行记录哈希后固定下来，指标能追回到具体 CSV 文件。回测工具的结论能不能被复核，这一点在同类里并不常见。

它在另一些地方不如同类。仓库体积 72613 KB，单是 README 就有 336.4 KB，要读出重点本身要花时间；运行需要 Python 3.11 以上，LLM 默认走 OpenRouter，数据源与券商账户各要一份凭证或授权，个人用户第一次配通的门槛明显高于两个小项目。aquant-agent 用本地模型就能跑，两个小项目的代码量都小得多，改动和通读的成本低。

Issue 清单本身也说明这条链路的复杂度。0.1.15 上有一个待解决的问题：macOS（Apple Silicon）上 Robinhood 的 OAuth 授权成功、账户与持仓也能直接读到，但组合页面不认这个连接。已解决的几类同样典型：Kimi-k2.5 默认开启 thinking 模式，思考内容写在 reasoning_content 字段里，早期版本会因此报错；回测 BTC-USDT 时出现过 SSL 证书校验失败；A 股不同数据源返回的成交量单位不统一（手与股差了 100 倍），元数据也没带单位，后续版本补上了单位信息。

还有用户反馈跑起来经常中断，怀疑是数据源不稳定，该问题已解决。功能提案里，extraETF 只读导入仍待处理，mStock（Mirae Asset）券商接入的请求已经落地。

什么情况下选它

要在一次研究里跨多个市场验证同一套想法，选 Vibe-Trading 最省事，A 股、美股期权、印度股票和加密永续都在同一套回测框架里。

回测结论需要能追溯到具体执行记录和指标文件，选它。运行卡里的哈希记录与 metric-to-CSV 引用是这类工具里少见的做法。

想把交易能力接进别的智能体，走 API Server 或 MCP 就够了，不必自己再包一层。

只做 A 股、又想用本地模型零成本跑，aquant-agent 更对路。只想跑单一市场的简单均线策略、不愿意配 LLM 与数据源凭证，两个小项目的代码更容易读完，也不会有账户授权这一环。

交易类工具连着真实资金。这套系统适合自有资产的策略研究与执行，接入券商账户前要确认授权范围；用于他人账户、未获授权的目标或市场操纵行为，会带来法律责任与平台封禁风险。README 里还专门提示过冒名账号、代币合约与钓鱼渠道的问题，涉及钱包签名的一律不要操作。

焚评：这个项目的量化评分

本项目的选题来自 焚.com（一个按公开公式给 GitHub 项目打分的站）。焚评当前总分 10.0 分（满分 10）。下表是各维度的得分：

评分口径、权重与计算方式见焚.com 的评分方法页；数据随 GitHub 指标刷新，具体数值以焚.com 当前页面为准。本文正文为诀.com 独立撰写，评分数据由焚.com 授权引用。