📈

A股智能量化投资系统

Advanced5 layers · 14 tools

负责从网络或API获取A股市场数据（行情、财报、新闻等），并进行清洗、结构化存储。

强大的网页数据API，可将财经网站、公告页面转化为LLM可读的结构化数据，用于获取非标准化的市场信息。

开源的LLM友好型网络爬虫，适合定制化地抓取特定数据源。

开源向量数据库，用于存储和高效检索非结构化的文本数据（如新闻、研报），为AI分析提供上下文。

系统的核心大脑，使用AI代理进行因子挖掘、信号生成、策略研究和模拟交易。

专为角色扮演和协作式AI代理设计的框架，可创建‘研究员’、‘分析师’、‘风控官’等多个代理协同工作，非常适合复杂的量化研究流程。

专门为金融交易设计的多代理LLM框架，内置了与交易相关的专业工具和思维模式。

用于构建有状态、可容错的代理工作流图，适合定义严谨、多步骤的交易决策流水线。

对AI生成的策略进行历史数据回测，评估绩效，并可连接模拟或实盘交易接口。

开源的工作流编排框架，能可靠地调度和执行复杂的回测任务、定时数据更新等长时间运行的操作，确保任务持久化和可恢复。

另一个优秀的工作流编排工具，适合构建和管理数据与任务管道。

监控系统运行状态，评估AI代理决策和策略表现，进行归因分析和风险度量。

开源的LLM工程平台，提供完整的可观测性、追踪（Trace）、评估和提示词管理功能，非常适合分析和优化AI代理在投资决策中的每一步推理。

专注于AI模型的可观测性与评估，可以快速定位数据或模型问题。

用于测试和评估提示词、代理及RAG系统，确保策略生成逻辑的稳定性和可靠性。

提供统一的AI模型调用、项目管理和最终应用部署的能力。

Python SDK和代理服务器（AI网关），可以以OpenAI格式调用100多个LLM API，方便在多个模型（如GPT、Claude、国产模型）间切换和降本，统一策略层的模型接口。

生产就绪的智能体工作流开发平台，提供可视化编排界面，适合快速构建和部署最终的用户应用（如策略管理仪表盘）。

本地运行开源大模型（如Qwen, DeepSeek）的最简单方式，适合对数据隐私要求极高、需要完全离线的策略研究场景。

Compare Tools in This Stack