第 4 章 · 02 多智能体研究团队(swarm)

文档摘要

第 4 章 · 02 多智能体研究团队(swarm) 本节摘要:前面几节的回测、因子、Shadow Account 都是「单兵作战」——一个 agent 串行完成所有事。Swarm(多智能体团队)是 Vibe-Trading 的团队协作模式:它把一个研究问题拆成一个小型 DAG(有向无环图),每个节点是一个专家 worker(分析师/策略师/风控/宏观等),它们各司其职、流式推进,最后汇总出一份委员会式的研究报告。本节讲清 swarm 的 30 个预设团队(投资委员会、量化策略台、加密交易台、宏观利率外汇台、风控委员会等)、它为什么需要 LLM provider、以及如何用两条命令列出预设并运行一个团队。读完本节,你能用自然语言调度一个「专家委员会」替你做研究评审。

第 4 章 · 02 多智能体研究团队(swarm)

本节摘要:前面几节的回测、因子、Shadow Account 都是「单兵作战」——一个 agent 串行完成所有事。Swarm(多智能体团队)是 Vibe-Trading 的团队协作模式:它把一个研究问题拆成一个小型 DAG(有向无环图),每个节点是一个专家 worker(分析师/策略师/风控/宏观等),它们各司其职、流式推进,最后汇总出一份委员会式的研究报告。本节讲清 swarm 的 30 个预设团队(投资委员会、量化策略台、加密交易台、宏观利率外汇台、风控委员会等)、它为什么需要 LLM provider、以及如何用两条命令列出预设并运行一个团队。读完本节,你能用自然语言调度一个「专家委员会」替你做研究评审。

内容来源:原项目英文文档 core-concepts/swarm-teams,结合 wiki/ 的 swarm 预设信息扩展。

学习目标

阅读完本节,你应当能够:

用一句话说清 swarm 的定位(把研究问题拆成专家 worker 的小 DAG,委员会式评审)。
列举几类典型的预设团队(投资委员会、量化策略台、加密交易台、宏观利率外汇台、风控委员会)。
解释 swarm 为什么必须配 LLM provider(它会生成内部 worker agent)。
用 --swarm-presets 列出全部预设,用 --swarm-run 运行一个团队。

一、Swarm 是什么:委员会式研究

单个 agent 做研究有个天然短板:它既要懂宏观、又要懂量化、还要懂风控,视角单一。Swarm 的思路是——不要让一个通才包办,而是召集一组专家,各自从专业角度分析,再汇总。

这模拟了真实投资机构的决策方式:投委会里,宏观分析师看大势、量化策略师看因子和信号、风控经理看回撤和集中度、行业研究员看赛道,最后主席综合各方意见出结论。

💡 swarm 与单 agent 的区别:单 agent 是「一个人从头做到尾」,swarm 是「一组专家并行/串行各做一段,再汇总」。前者快但视角窄,后者慢但更全面、更像真实评审。适合用在「需要多角度验证」的关键决策上,不适合用在「快速跑一个均线回测」这种简单任务。

二、30 个预设团队

Vibe-Trading 内置了 30 个预设(preset),覆盖常见的委员会式研究场景。几个典型代表:

预设团队	关注什么	适合什么问题
投资委员会(investment_committee)	综合宏观、策略、风控出结论	「某资产后市如何」「该不该配置某赛道」
量化策略台(quant strategy desk)	因子、信号、回测验证	「这个策略逻辑站不站得住」
加密交易台(crypto trading desk)	链上数据、资金费率、情绪	「BTC/ETH 短中期怎么看」
宏观利率外汇台(macro rates and FX desk)	利率、汇率、跨市场联动	「美元周期对新兴市场影响」
风控委员会(risk committee)	回撤、集中度、相关性、尾部风险	「我的组合风险敞口健康吗」

💡 怎么选预设:问题偏综合判断选投委会;偏技术/因子选量化策略台;偏风险审查选风控委员会。不确定就先 --swarm-presets 看全表。

三、为什么 swarm 必须配 LLM provider

这是 swarm 和普通 MCP 工具的关键区别。

普通 MCP 工具:大多数在安装后不需要 LLM key 就能工作——它们是确定性的数据/计算工具(拉行情、跑回测)。
swarm 的 run_swarm:必须配 LLM provider,因为它会生成内部 worker agent——每个专家 worker 本身就是一个会思考、会调用工具的 LLM agent。没有 LLM,就没有「专家」可言。


# 配置 provider(若尚未配,见第 4 章 06 节)
vibe-trading config set provider    anthropic
vibe-trading config set model       claude-opus-4-6
vibe-trading config set providers.anthropic.api_key sk-ant-xxxxxxxxxx

⚠️ 模型选择影响 swarm 质量:swarm 会生成多个 worker 并行调用 LLM, token 消耗显著高于单 agent。长研究、多专家场景优先选工具调用能力强的模型;避免用小蒸馏模型,否则专家「思考」质量不够,委员会结论会沦为套话。

四、两条命令:列出预设与运行团队

列出全部预设


vibe-trading --swarm-presets

它会打印 30 个预设的清单与简介,帮你找到适合当前问题的那个。

运行一个团队


vibe-trading --swarm-run investment_committee '{"topic":"BTC outlook"}'

这条命令会:以 investment_committee(投委会)预设编排一个专家团队,研究主题是「BTC 后市」。运行过程中流式输出每个 worker 的进度,最后持久化一份汇总报告。

💡 topic 用自然语言描述:{"topic":"..."} 里写清楚你要研究的问题即可,不需要结构化参数。问题越具体,专家分析越聚焦(「BTC 未来一年在降息周期下的供需与价格中枢」比「BTC 怎么样」好得多)。

五、swarm 的产物与复查

swarm 运行结束会产出:

流式进度:每个 worker 的中间分析过程可见(可复查它是怎么得出结论的)。
汇总报告:委员会式的最终结论,综合各专家意见。
持久化:报告会留存,便于事后复盘(与第 2 章强调的「研究要可复查、可沉淀」一致)。

💡 swarm 报告怎么用:把它当作「多视角的参考意见」,而不是「交易指令」。委员会结论也要经过你自己的判断、与其它证据交叉验证后才行动。尤其涉及实盘时,必须先过 read-only/paper 验证(见第 3 章)。

本节要点回顾

定位:swarm 把研究问题拆成专家 worker 的小 DAG,委员会式评审,模拟真实投委会决策。
与单 agent 的取舍:单 agent 快但视角窄;swarm 慢但全面,适合多角度验证的关键决策。
30 个预设:投委会、量化策略台、加密交易台、宏观利率外汇台、风控委员会等,--swarm-presets 看全表。
必须配 LLM provider:run_swarm 会生成内部 worker agent,普通 MCP 工具则大多无需 key。
模型选择:swarm token 消耗高,优先选工具调用强的模型,避免小蒸馏模型。
两条命令:--swarm-presets 列预设;--swarm-run <预设> '{"topic":"..."}' 运行,topic 用自然语言。
产物可复查:流式进度 + 汇总报告 + 持久化;报告当参考意见,非交易指令。

⚠️ 本节及整个教程不构成投资建议。swarm 结论需经自己判断与交叉验证,实盘必先 read-only/paper。

下一节,我们看金融技能库(finance skills)——把领域知识模块化、按需加载,让 agent 不必把所有行为硬编码进核心循环。