📚 Wiki 知识库

🏷️ AI交易

10 篇

AI 个性化交易系统:这是个人投资者最好的时代

本文探讨了如何利用 AI 构建个性化投资系统。通过 IBKR 的 MCP 服务器,投资者可以将券商数据变为可编程资源,让 AI 接管投资流程中的重复劳动,如数据收集和计算,同时保留核心判断权。文章强调了工具是流程的映射,建议投资者根据自身需求定制面板,并提供了应对 AI 幻觉的风险控制方法。

投资理财 ✍ Sirius🕐 2026-07-15

AI Trading Agent 新手入门指南

文章针对过去 6 个月 AI 交易工具爆发式增长带来的选择困难,提出了一个三层结构分类法:交易所原生 Skill、通用 Agent 平台(如 Moss)和自制 Skill。文章重点分析了各层的优势与短板,并指出通用 Agent 平台是新手最合理的入口。作者还详细介绍了如何在 Moss 上设置参数、关注核心指标(胜率、PF、回撤),并推荐了几个值得长期关注的开源项目,总结了新手应避免的常见错误。

技术Agent ✍ MOSS 中文🕐 2026-05-06

我用 DeepSeek 跑了 TradingAgents,得出几个不一样的结论

本文作者实测了开源项目 TradingAgents,利用 DeepSeek 等模型分析了 BTC、NVDA 等标的。文章指出,DeepSeek 的低成本是该工具近期爆火的主因。作者详细拆解了多 Agent 辩论机制的核心价值在于消除认知偏差,同时也揭示了其无法进行高频交易、风控非实时及 Crypto 适配有限等关键局限,并建议将其定位为研究层工具,与执行层工具搭配使用。

技术Agent ✍ Caelyn🕐 2026-05-04

我是如何从18天赚65刀的模拟盘中,一步一步提取出Agent交易策略?(附开源skills)

本文详细记录了作者利用AI(GPT、Claude、Codex)从模拟盘交易数据中反向提取量化交易策略的全过程。作者首先在模拟盘中实现了年化364%的收益,随后通过多模型交叉验证分析历史成交记录,剥离出核心的“震荡网格”盈利逻辑。在此基础上,作者构建了一套包含趋势监控、参数生成和风险控制的自动驾驶交易系统,并最终在OKX实盘上线。文章展示了AI在金融策略研发中的强大能力,并附带了完整的开源代码与数据。

技术Agent ✍ 我真的没有拼多多🕐 2026-05-01

用 Hermes 跑 Moss Trading Agent:一套完整的 AI 交易工作流

本文介绍了如何将 Hermes Agent 框架与 Moss 交易引擎结合,通过安装 Moss Trade Bot Factory Skill,实现从自然语言策略描述到自动化参数优化、回测及实盘部署的完整工作流。相比网页版,该组合利用 Hermes 的自主迭代、跨会话记忆和模型自由度,实现了更深度的策略搜索和更灵活的本地化控制。

技术Agent ✍ MOSS 中文🕐 2026-04-21

拆解年入百万的AI落地项目:交易

文章揭秘了AI交易系统的商业真相与技术架构。作者将AI交易分为五个层级,从传统量化到LLM与强化学习混合体。他详细介绍了自研系统的七层数据分析管道和四层Prompt工程结构,强调风险评估优先于决策。文章还复盘了2025年“1011之夜”的币圈大暴跌,指出交易是丑陋的,但能教会人敬畏概率与风险。

技术Agent ✍ AI最严厉的父亲🕐 2026-04-19

无需盯盘!手把手教你打造属于你的 Polymarket 全自动交易机器人

本文介绍了如何利用三个 AI 代理(Claude、Codex、OpenClaw)构建一个全自动的 Polymarket 交易机器人。系统职责明确:Claude 负责分析,Codex 负责自我修复代码,OpenClaw 负责执行与编排。文章强调了该系统相比定时任务脚本的优势,如持久记忆、自我改进及 Telegram 远程控制,并指出通过优化系统提示词和调整阈值而非代码本身,是获得交易优势的关键。

技术Agent ✍ 棚哥说加密🕐 2026-04-17

如何将 Claude 连接到 TradingView (完整指南)

本文详细介绍了一种通过 TradingView MCP 将 Claude AI 直接连接到 TradingView 的方法。这使得 Claude 能够读取实时价格数据、执行技术分析、绘制图表指标、管理警报列表,甚至充当自动交易助手。文章不仅解释了背后的技术原理(利用 Node.js 和 MCP 服务器),还提供了在 5 分钟内完成配置的详细步骤,以及抓取实时数据、生成市场研究报告、UI 自动化等多个实际应用场景。

投资加密货币 ✍ Miles Deutscher🕐 2026-04-17

D0 架构:构建知道何时不交易的 AI 代理

文章探讨了在金融市场中构建 AI 交易代理的挑战,指出单纯提升模型智能度不足以保证安全,关键在于架构设计。作者提出了“受限自主性”的概念,并详细介绍了 D0 架构的四个核心层次:验证状态、类型化边界、约束层和闭环进化,旨在确保代理在处理真实资本时的安全性与有效性。

技术Agent ✍ Donut🕐 2026-04-16

为了让AI学会交易,我搭了一个量化交易系统

作者构建了一个完整的AI模拟交易系统,旨在通过“沙盒环境”让AI从理论走向实战。文章详细介绍了利用OKX CLI和Next.js搭建实时Dashboard的技术实现,并提出了核心的“反思沉淀系统”,将交易经验转化为可复用的策略库。通过模拟盘训练和严格的风控机制,实现AI交易能力的持续进化。

技术Agent ✍ 我真的没有拼多多🕐 2026-04-01