【免费下载链接】LangAlphaClaude Code for Financial Market项目地址https://gitcode.com/gh_mirrors/la/LangAlpha点击查看免费下载LangAlpha 是一个开源的 AI 交易 Agent 框架Claude Code for Financial Market它让 AI Agent 帮你完成完整的投资闭环读取财报与市场行情、建立投资论点、生成 DCF 模型与研报并在你设定的权限内连接真实券商账户下单交易。本文面向新手带你从零部署到上手使用看懂这个框架的全部核心能力。LangAlpha 是什么把交易变成一个循环大多数 AI 金融工具只回答一问一答的问题而 LangAlpha 认为投资研究是一个贝叶斯循环你写下投资论点和什么会证伪它之后每一份财报、每次价格波动都会更新你的信心度进而影响仓位。它的两大设计信念交易是循环不是一次工具调用。论点保存在工作区里研究、仓位计算、下单、监控各自把新证据喂回论点。自主性必须有边界。Agent 只在你授权的权限范围内行动每一笔订单都走同一条受治理的路径。项目采用 Apache 2.0 协议Python 3.13 编写内置 38 个研究技能支持多模型接入Claude、ChatGPT、OpenAI、Gemini、DeepSeek、Kimi 及本地模型等详见 README.md。新手快速上手三步启动你的 AI 交易 Agent自托管只需要 Docker三步即可跑起完整系统git clone https://gitcode.com/gh_mirrors/la/LangAlpha.git cd LangAlpha make config # 交互式向导选择模型、数据源、沙箱、网页搜索 make up # 一键启动 Postgres、Redis、后端与 Web 应用然后打开http://localhost:5173即可使用API 文档在 8000 端口的/docs。常用命令汇总见 Makefile。不配任何 API Key 也能用默认走 Yahoo Finance 的价格、基本面与分析师数据加上免费 SEC EDGAR 文件源和本地 Docker 沙箱。可选密钥能解锁更多能力如FMP_API_KEY解锁基本面与宏观数据、TAVILY_API_KEY解锁网页搜索详见 README.md。核心能力一多 Agent 研究团队并行干活问一个问题LangAlpha 会把它拆分给多个并行运行的子 Agentanalyst分别去读财报、拉行情、算期权数据、跑代码。内置 5 种子 Agentresearch、general-purpose、data-prep、equity-analyst、report-builder其实现位于 src/ptc_agent/agent/subagents/。技术上它采用PTCProgrammatic Tool Calling程序化工具调用Agent 不再逐条 JSON 调用工具而是写 Python 直接 import 由 MCP 服务生成的模块。十年日线 × 十几只股票约 3 万行数据只有代码能处理——原始数据留在沙箱里只有结果回到模型上下文。相关实现见 src/ptc_agent/core/tool_generator.py。核心能力二工作区让研究跨越数月沉淀投资论点要跟踪数周甚至数月。LangAlpha 为每个论点建一个工作区Workspace文件、对话、Agent 自己的笔记都持久保存下一次会话直接基于上次的成果继续。每个文件夹有agent.md目标、发现、索引、共享的data/目录和按任务划分的子目录。内置技能覆盖卖方研究全流程DCF 估值、可比公司分析、三张表模型、财报预览、首次覆盖报告、晨报、交易日观点等全部位于 plugins/langalpha_research/skills/Excel、PDF、PPT、HTML 报告等交付物技能在 plugins/langalpha_deliverables/skills/。核心能力三自动化盯盘与价格提醒让 Agent 守着你的持仓定时任务比如每周一检查模型假设、财报后一次性更新、以及价格触发器股价突破某个价位或当日涨跌幅达标时唤醒 Agent。运行结果统一进入信息流可推送到 Slack、Discord 等渠道。连接券商账户受治理的实盘交易LangAlpha 已支持 4 家券商接入Robinhood、Interactive Brokers、moomoo、Webull且全部走同一条受治理的订单路径按连接授权只允许该连接执行你勾选的能力只读 → 模拟盘 → 实盘逐单审批实盘与暂存订单默认等待你确认恰好执行一次审批生成一次性执行令牌参数被篡改、重放或二次调用都会被拦截凭证不进沙箱券商 OAuth Token 由宿主上的出口中继附加Agent 写的代码永远看不到。架构速览看懂它的技术底座Web/桌面端/聊天渠道 → 多 worker FastAPI 后端 → Agent 在沙箱化电脑中工作文件持久化到 Postgres 与对象存储→ 券商与远程 MCP 调用经出口中继附加凭证后发出。Postgres 是事实来源Redis 负责传输多 worker 可任意接管流、队列与恢复。完整说明见 AGENTS.md。目录导航找到你想深入的部分官方文档与示例图docs/后端与 Agent 核心src/内置 MCP 服务器与技能插件plugins/前端 Web 应用web/桌面客户端Electrondesktop/独立 CLIptc-agentlibs/ptc-cli/数据库迁移migrations/versions/写在最后⚠️风险提示LangAlpha 是软件不是财务顾问。它产生的一切内容不构成投资建议Agent 只在你授予的权限内行动账户中的每笔订单责任在你自己。建议先从只读权限和模拟盘开始逐步建立信任。从一问一答到研究与交易的完整循环LangAlpha 把给编程 Agent 做的那套工程化框架持久化代码库、工具、记忆、运行时搬到了金融市场。如果你既想自己写代码研究市场又不想放弃真实交易的能力这是一个值得 star 的开源项目。赞分享【免费下载链接】LangAlphaClaude Code for Financial Market项目地址https://gitcode.com/gh_mirrors/la/LangAlpha点击查看免费下载相关推荐ESC-50数据集元数据详解如何有效组织和利用环境声音数据ESC 50数据集元数据详解如何有效组织和利用环境声音数据 ESC 50数据集是一个包含2000个环境音频记录的标注集合适用于环境声音分类方法的基准测试。本VeighNa 4.0vnpy量化交易框架实战指南从 AI 多因子投研到事件驱动交易VeighNa 4.0vnpy量化交易框架实战指南从 AI 多因子投研到事件驱动交易 VeighNavnpy是一套基于 Python 的开源量化交易系金融科技后端机器学习RQAlpha实盘交易部署指南从模拟到真实交易的完整流程全面指南如何将RQAlpha量化策略从模拟交易平稳过渡到实盘环境 RQAlpha是一个可扩展、可替换的Python算法回测和交易框架支持多种证券品种。作为专金融科技创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考