很多人以为“AI 交易”就是问一句“茅台还能买吗”，然后得到一句“估值偏高，注意风险”。但香港大学数据智能实验室（HKUDS）开源的 Vibe-Trading 走的是另一条路。
它的 README 里有一句关键的话：
Ask a trading question → Get market research with tools, data, documents, and reusable session context.
翻译过来：你提出一个交易问题，它结合工具、数据、文档和可复用的 session 上下文，给你一份市场研究。
不是算命，不是荐股，是把“脑子里一个念头”推进到“能复查的证据链”。
它到底是什么：个人交易研究 Agent，不是托管理财
Vibe-Trading（GitHub: HKUDS/Vibe-Trading，PyPI: vibe-trading-ai）定位很克制：
- 面向研究、模拟、回测
- 不托管资金
- 实盘执行默认关闭，需用户自己授权券商、自己设限额
- 有文件级 kill switch，能一键停
它更像一个开源金融研究工作台：你用自然语言说话，它去调数据、写策略代码、跑回测、读文档、做多智能体辩论、留 run card、把结论写进可复用的 session 里。
安装只有一行：
pip install vibe-trading-ai
“提出交易问题”在它眼里长什么样
传统量化里，一个想法要落地得过五关：找数据 → 写信号 → 接回测引擎 → 算指标 → 出报告。
Vibe-Trading 把这套东西包成自然语言入口。比如你说：
回测 BTC-USDT 的 20/50 日均线交叉策略，统计 2024 年收益率和最大回撤，导出报告。
系统内部走的是这条链：
Plan：选相关 skill、工具、数据源、是否拉多智能体
Ground：拉加密行情（OKX/CCXT/yfinance 等 fallback）、新闻、网页、本地文档
Execute：生成策略代码，跑对应回测引擎
Validate：算收益、回撤、基准对比，附 Monte Carlo / Walk-Forward / run card
Deliver：出 Markdown/HTML 报告，留 tool trace，下次 session 能接着用
你得到的不是“还行，收益不错”，而是一份带数据路径、带代码、带验证产物、带警告信息的研究卡片。
为什么说“可复用 session 上下文”才是灵魂
很多 AI 工具败在：每次都从零聊，上一轮跑过的回测、读过的研报、调过的参数，下一轮全忘。
Vibe-Trading 的 session 上下文解决三件事：
跨轮记忆：上轮筛过沪深 300 因子，这轮直接接着比 2025 年衰减情况
文档/交割单持久化：PDF 研报、CSV 交割单、聊天里贴的宏观笔记，可进可检索上下文
Skill 自沉淀：跑通的研究流程能存成可编辑 skill，下次一句话调用，不重复造轮子
这对个人交易者太关键了——你不是天天换问题，你是同一个策略反复改、同一只票反复看、同一笔亏损反复复盘。Session 不丢，研究才有复利。
它顺手把“工具+数据+文档”焊在一起
工具侧
- 68 个 MCP-backed 工具（行情、因子、期权、财报、舆情、经纪商日志解析等）
- 可接 Claude Desktop / Cursor / 飞书 / 企微 / Discord 等 16 种通道
数据侧
- A 股 / 港股 / 美股 / 加密 / 期货 / 外汇
- 多源自动 fallback：A 股 AKShare、Tushare、东方财富；美股 yfinance、Stooq；加密 OKX、CCXT
- 避免“某个 API 挂了，研究就断”
文档侧
- 读 PDF / DOCX / XLSX / PPTX / 图片（带 OCR 和图表语义分析）
- 读 SEC 13F、ETF 成分、arXiv 因子论文摘要
- 把你粘贴的微信群纪要、Notion 笔记当成半结构化上下文喂给 Agent
验证侧
不是“LLM 说有效就有效”：
- 基准比较、IC/IR、Bootstrap、Monte Carlo
- Walk-Forward 滚动窗口
- run_card.json + run_card.md 留痕，方便复跑和对线
两个最值得个人交易者试的功能
Shadow Account：从“你实际怎么交易”出发
上传同花顺 / 东财 / 富途 / CSV 交割单，Agent 会：
- 解析行为（持仓天数、胜率、盈亏比、回撤）
- 诊断偏见（处置效应、过度交易、追涨、锚定）
- 提取“影子策略”
- 用规则回测，和你真实资金曲线对比
- 告诉你：如果你严格执行自己的规则，本来少亏多少 / 多赚多少
这比任何“战法教学”都狠——它复盘的是你，不是课本。
Swarm 多智能体投研
内置投资委员会、量化台、加密台、宏观台、风控台等 preset。多头先讲逻辑、空头反驳、风险官挑漏洞、PM 综合。重点是：辩论前先拉真实数据，不是空对空喊口号。
一句交易问题，换一份市场研究：最小示例
vibe-trading run -p "Backtest a BTC-USDT 20/50 MA crossover for 2024, summarize return and drawdown, then export the report"
返回物大致是：
- 策略代码
- 2024 年净值曲线
- 收益率 / 最大回撤 / 胜率
- 与 Buy&Hold 基准对比
- Monte Carlo 置信带
- run_card.md
- 可归档
- 下次会话可引用本次 session 继续改参数
你只干了“提问”这一件事。
边界要说清楚
Vibe-Trading 不是：
- 保本神器
- 替代主观判断的“全自动印钞机”
- 已通过实盘检验的成熟交易系统
它反复标自己是 experimental / use at your own risk。
回测≠实盘，LLM 有幻觉，Swarm 质量看模型能力，A 股 T+1/涨跌停处理仍需人工审。
合理用法是：把它当投研副驾——你定问题、定风险预算、定结论采信度；它负责把工具链跑顺、把上下文记住、把报告留下。
回到开头那句话
Vibe-Trading：提出交易问题，结合工具、数据、文档和可复用 session 上下文，做市场研究。
这套范式最值钱的地方，不是“AI 多能聊”，而是把交易研究从离散的灵感变成连续的工程：
- 灵感可提问
- 提问可调工具
- 工具可出数据
- 数据可进文档
- 文档可沉到 session
- session 可复用下一轮
当“交易直觉”开始长在工具链和上下文上，个人交易者才真正有资格和机构拼研究密度，而不只是拼信息差。
开源地址：
https://github.com/HKUDS/Vibe-Trading