AlphaAgent：多智能体自主投资组合管理与可审计决策平台

SergeyGer/AlphaAgent · Autonomous multi-agent investment platform: Django 5 + DRF, Celery/Redis, PostgreSQL, and a CrewAI bull-vs-bear debate behind a deterministic execution guard. React dashboard over WebSocket, Telegram approvals, an MCP tool server.

GitHub原文发布未知首次收录 2026-10-07上架 2026-10-07 09:00

☆ 收藏查看项目 ↗

ELI5：它是什么，解决什么问题

AlphaAgent 是一个自主的多智能体投资平台。它基于 Django 5 与 DRF 构建，使用 Celery/Redis 进行异步任务调度、PostgreSQL 存储数据，并通过 CrewAI 驱动看涨与看跌智能体进行对抗性辩论，辩论结果需经过确定性的执行守卫审查才能执行。平台提供基于 WebSocket 的 React 仪表盘、Telegram 审批机器人以及基于 MCP 的工具服务，用于实时监控组合表现、审批交易提案并查看完整的决策论据。

# multi-agent # fintech # audit-logging # trading-automation # dashboard

核心能力与快速开始

★ 0 · Python

能做什么: 通过 CrewAI 驱动的三个智能体（看涨分析师、看跌风险官、首席投资官）进行对抗性辩论来生成投资提案；一个确定性的执行守卫（纯函数、经过单元测试）负责根据仓位大小、可用现金、集中度和每日止损限制批准或拒绝提案；自主任务队列为每个投资组合和工具对执行独立作业；所有决策（包括未执行的决策）连同双方论点和代币成本持久化到审计追踪中；通过 WebSocket 向 React/TypeScript 仪表盘实时推送股票曲线、资产配置、推理流和交易历史；通过仪表盘或 Telegram 机器人进行人工审批，并以实时价格重新运行风险检查；通过模型上下文协议服务器发布市场和新闻数据；允许或拒绝操作的内联键盘控制。
适用场景: 监控由 AI 智能体提出、受风险管理规则约束的自主投资组合模拟或实盘交易；作为构建需要可审计决策的多智能体金融系统的参考实现；研究对抗性辩论模式与单一链式提示的区别；将内部市场数据或能力作为 MCP 工具暴露给外部 AI 客户端；通过仪表盘或移动端 Telegram 界面进行人工在环的 AI 交易审批。
项目形态: 开发框架
部署方式: 使用 Docker Compose 进行容器化多服务部署，需要设置环境变量（DJANGO_SECRET_KEY、POSTGRES_PASSWORD）。未说明云托管或生产环境的部署细节。
主要依赖: 依赖 Docker；需要 PostgreSQL 16、Redis 7、Celery 5、Python（Django 5.2 LTS）、Node（React 18）等。运行时不强制需要外部 AI API 密钥，系统提供确定性引擎作为后备。未说明具体的硬件规格或网络要求。
使用限制: 项目路线图包含尚未实现的累计每日部署限制、历史回测、按用户策略配置和托管演示实例；README 未详细说明真实资金交易相关的监管、法律或实际交易风险；未提及运行成本、LLM API 的定价或使用限制。
许可证: MIT
最近推送: 2026-10-06 15:59

官方入门项目文档核对 README 依据 ↗

资料检查：2026-10-07 07:00 · 卡片整理：2026-10-07 09:00
卡片由 AI 根据仓库资料整理，未进行安装或运行验证 · 本次更新未完成，保留上次成功内容

职业应用

程序员

作为可参考的多智能体系统实现，用于学习或复用其架构：CrewAI 驱动的看涨/看跌智能体对抗辩论、确定性执行守卫、Celery/Redis 异步任务调度、WebSocket 实时仪表盘、MCP 工具服务，以及包含 324 个自动化测试和 CI 的质量门禁。

查看内容依据

A three-agent adversarial debate on CrewAI, with a payload contract validated by a schema library and a guardrail that forces a retry on malformed output

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

产品经理

参考其产品设计思路：将 AI 建议与允许执行的操作分离，通过仪表盘和 Telegram 进行人工审批，并保留完整决策审计轨迹，用于设计需要可审计、人在环的 AI 产品。

查看内容依据

Approve or reject any proposal from the dashboard or from Telegram, with the risk checks re-run against live prices at the moment of approval

官方使用入口 ↗

由 AI 根据来源材料整理，未进行安装或运行验证

相似资源

Market Dashboard：日美股市场仪表盘与 AI 多智能体选股组合分析

基于 Streamlit 的日股与美股市场仪表盘，整合宏观环境、情绪分析、日本股因子分析、AI 多智能体个股诊断与组合建议，以及实际交易记录管理。项目采用三段式 AI 多智能体流水线（宏观分析→个股并行分析→组合组装），在 5 家 AI 提供商间自动降级，并组合 yfinance、Tiingo、FMP、BLS、FRED、J-Quants、Finnhub 等 10 余个外部 API 与数据源。同时提供 ROIC-WACC、均值方差组合优化、ROE vs 资本成本、需给与价格形态筛选等分析工具，并提供公开在线版本。

fin-doctor：在 AI 财务问答交付前核查 IRS 与 SSA 金额事实

fin-doctor 是一个面向金融 AI 智能体的事实核查工具，用 MCP 服务器 + Python 实现：它把草稿答案中的 IRS/SSA 官方数字（如 401(k)、IRA、HSA 限额、RMD 年龄、社保应税上限）与带年份和来源的注册表比对，标记过时、错年或错误数字，并给出正确数值与来源链接。它还提供贡献额度计算工具和退休问答审校（事实、投资建议、承诺性表述、范围外、提示注入检测），输出 SEND/REVIEW 判定。项目为参考性构建，未说明生产部署情况。

AI Helpdesk：多智能体客服支持系统，含路由分派、SQL 智能体委派与逐句校验

AI Helpdesk 是一个基于 FastAPI 的多智能体客服服务：路由器对问题意图进行投票，工具并发执行，三个领域专家智能体在需要时并行作答，并通过有界工具循环补查缺失信息；数据类问题经 A2A 或 HTTP 委派给独立的 SQL 智能体，由其规划、编写、执行并修复查询。系统在发送前逐句校验回答，替换无依据的价格或日期承诺，低置信度时转人工开票，并在 React 控制台中实时展示各智能体的决策过程。项目附带检索纠错循环、Redis 工作记忆、双入口部署和 OpenTelemetry 可观测方案，并提供评测记录。

Agent Development Kit (ADK)：用 Python 构建、评估与部署 AI Agent 的代码优先框架

Agent Development Kit（ADK）是 Google 开源、代码优先的 Python 框架，用于以软件工程方式构建、评估和部署 AI Agent。它提供基于图的 Workflow 运行时（支持路由、扇出/扇入、循环、重试、状态管理、动态节点、人在环路和嵌套工作流）、结构化任务 API（多轮任务模式与单轮受控输出）、模块化多 Agent 组合、丰富的工具生态（预置工具、自定义函数、OpenAPI 规范、MCP 工具）、工具确认流程（HITL），并支持容器化部署到 Cloud Run 或 Vertex AI Agent Engine。框架针对 Gemini 优化，但模型无关、部署无关，也可通过 Agent Config 免代码构建 Agent，并配有开发 UI 用于测试、评估与调试。

这是基于来源内容整理的摘要。原文链接失效后，本页摘要和讨论仍会保留。