这个 AI 对冲基金项目是什么
文档摘要
这个 AI 对冲基金项目是什么 难度：入门 「AI 对冲基金」是一个用人工智能探索交易决策过程的教育型概念验证。它把多位著名投资人的思考风格，以及估值、情绪、技术面等专题分析，做成可切换的智能体（Agent），一起对同一批股票发表看法，最后汇总成建议——但不会真正下单。若只用一句工程概括：这是一套以共享状态为白板、以图工作流为会议室规则、以结构化信号为发言格式的多智能体研究引擎。 本文你将学到 用生活化类比与工程视角同时理解「多智能体对冲基金」 项目想解决什么问题、刻意不解决什么问题 主要能力模块如何分工，以及一次请求在系统中的生命周期 用「虚拟投委会」来理解 想象一间会议室里坐着十几位风格迥异的分析师：有人要安全边际，有人追颠覆创新，有人盯宏观不对称，有人只算估值或技术指标；
这个 AI 对冲基金项目是什么
难度：入门
「AI 对冲基金」是一个用人工智能探索交易决策过程的教育型概念验证。它把多位著名投资人的思考风格，以及估值、情绪、技术面等专题分析，做成可切换的智能体（Agent），一起对同一批股票发表看法，最后汇总成建议——但不会真正下单。若只用一句工程概括：这是一套以共享状态为白板、以图工作流为会议室规则、以结构化信号为发言格式的多智能体研究引擎。
本文你将学到
- 用生活化类比与工程视角同时理解「多智能体对冲基金」
- 项目想解决什么问题、刻意不解决什么问题
- 主要能力模块如何分工，以及一次请求在系统中的生命周期
用「虚拟投委会」来理解
想象一间会议室里坐着十几位风格迥异的分析师：有人要安全边际，有人追颠覆创新，有人盯宏观不对称，有人只算估值或技术指标；另有风控官限制仓位，组合经理综合发言后给出建议。程序化之后，每位分析师变成一个可调用函数（Agent），多数遵循同一剧本：
- 从共享状态读取股票列表、日期、组合信息
- 调用数据工具获取该风格需要的字段
- 用规则或指标算出中间分与明细
- 把中间结果交给大模型，要求返回固定 schema（通常含方向、置信度、理由）
- 写回
analyst_signals，并把消息放入链路
项目目标是什么
核心目标：探索如何用 AI 辅助形成交易决策，并让学习过程可复现、可讲解。
更适合用来：
- 理解「多智能体协作」在金融研究场景的工程形态
- 对比价值、成长、逆向、宏观等视角对同一标的的信号差异
- 观察冲突信号如何被风控限额与组合提示词约束
- 在历史区间回测，用纸面路径理解流程，而不是承诺赚钱
刻意不做的事
- 连接券商或交易所真实成交
- 提供个性化投资建议或收益承诺
- 保证回测曲线在未来可重复
- 替代你对行业、报表与风险的独立判断
因此更准确的称呼是「教育向多智能体研究工具」，不是「可托管资金的对冲基金产品」。英文介绍也写明：系统并不会真正下单。
能力模块鸟瞰（对应理解用）
| 能力 | 作用 | 你在学习时怎么观察 |
|---|---|---|
| 命令行分析 | 触发工作流并打印决策 | 适合第一次跑通 |
| Web 可视化 | 用节点画布编排 Agent | 适合理解连线与并行 |
| 回测 | 按日重复调用决策图 | 适合理解时间维度 |
| 多模型 | 云端或本地 LLM | 影响理由文风与稳定性 |
| 数据工具层 | 价格、指标、科目、新闻等 | 决定分析师「看得到什么」 |
| 进度与推理展示 | 状态条与推理输出 | 方便课堂演示 |
一次请求的生命周期（原理）
当你输入例如若干股票代码并选定分析师后，运行时大致经历：
- 组装初始状态：现金、仓位、日期、ticker 列表、空的信号表
- 编译工作流：只包含你选中的分析师 + 永远在线的风控与组合
- 执行图：起点扇出到分析师；分析师写白板；风控算限额；组合产出最终决策字典
- 展示层：命令行彩色打印或 Web 对话框展示各节点输出
组合管理输出结构通常类似：每只股票一个决策对象，包含 action、quantity、confidence、reasoning。这些字段会被序列化成 JSON 消息，便于界面或终端渲染。
和「单一大模型荐股」有何不同
单一提示词荐股：一次生成，难审计，难对比风格。本系统则把「风格」拆成可开关节点，并把关键中间计算（如格雷厄姆三类打分、技术指标族）留在确定性代码中，再让 LLM 做规范表达与最终融合。教学上，你可以关掉某类节点做消融实验：这正是多智能体设计的价值。
小结
这是一套「把著名投资风格与专题分析装进程序、让它们按会议室规则发言」的学习项目。它帮你看清 AI 如何组织研究流程，而不是替你在市场里下注。
下一篇请阅读同目录下的《免责声明与使用边界》。