难度：⭐⭐⭐☆☆（中等） | 时长：20-25 分钟 | 收获：掌握多 Agent 量化交易系统的搭建，理解 AI 投资分析的完整流程
目标读者
本文面向 1-3 年开发经验的技术人员，你不需要是量化交易专家，只需要：
- 有 Python 基础
- 对 AI 应用和量化交易感兴趣
- 想了解如何用 AI 模拟传奇投资者的投资思路
核心依赖与环境
在开始之前，我们先准备好开发环境。你需要安装以下软件：
| 依赖 | 版本要求 | 说明 |
|---|---|---|
| Python | >= 3.11 | 项目运行基础 |
| Poetry | 最新版 | Python 包管理工具 |
| API Key | 至少一个 | OpenAI / Anthropic / Groq / DeepSeek |
TIP
Poetry 是 Python 的现代包管理工具，一条命令就能管理依赖和环境：
# 安装 Poetry
curl -sSL https://install.python-poetry.org | python3 -
注意：这个项目是教学演示用的，不会真正进行交易。它只是用 AI 来模拟投资者的决策过程，帮你理解不同的投资理念。
项目结构
克隆下来之后，你会发现项目结构非常清晰：
ai-hedge-fund/
├── src/
│ ├── agents/ # 各种投资者 Agent（巴菲特、芒格、彼得林奇等）
│ ├── graph/ # LangGraph 工作流定义
│ ├── llm/ # 大模型配置
│ ├── tools/ # 工具函数（获取财务数据、技术指标等）
│ ├── data/ # 数据处理
│ ├── cli/ # 命令行入口
│ ├── backtesting/ # 回测模块
│ ├── main.py # 主程序入口
│ └── backtester.py # 回测程序
├── app/ # Web 应用（可选）
├── tests/ # 测试
├── docker/ # Docker 配置
├── pyproject.toml # 项目配置
└── README.md # 项目文档
手把手教程
接下来，我们一步步完成整个配置和运行流程。
步骤 1：安装 Poetry
如果你还没有安装 Poetry，先安装它：
# Linux / macOS
curl -sSL https://install.python-poetry.org | python3 -
# Windows (PowerShell)
(Invoke-WebRequest -Uri https://install.python-poetry.org -UseBasicParsing).Content | python -
# 验证安装
poetry --version
TIP
如果你用 macOS，也可以用 Homebrew 安装：brew install poetry
步骤 2：克隆项目并安装依赖
把项目拉到本地，然后装依赖：
# 克隆仓库
git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund
# 安装依赖（Poetry 会自动创建虚拟环境）
poetry install
这一步可能需要几分钟，Poetry 会安装所有需要的包，包括：
- langchain / langgraph：LLM Agent 框架
- pandas / numpy：数据处理
- fastapi：Web 服务
- matplotlib：绘图
步骤 3：配置 API Key
项目需要调用大模型来做出投资决策。你需要配置至少一个 LLM API Key：
# 复制示例配置文件
cp .env.example .env
然后编辑 .env 文件，添加你的 API Key：
# 选择一个你有的 API Key
OPENAI_API_KEY=your-openai-api-key
# 或者
ANTHROPIC_API_KEY=your-anthropic-api-key
# 或者
GROQ_API_KEY=your-groq-api-key
# 或者
DEEPSEEK_API_KEY=your-deepseek-api-key
# 财务数据（可选，AAPL/GOOGL/MSFT/NVDA/TSLA 免费）
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key
WARNING
财务数据 API Key 是可选的。如果你只分析 AAPL、GOOGL、MSFT、NVDA、TSLA 这五只股票，可以不填。其他股票需要申请 API Key。
步骤 4：运行 CLI 版本（命令行界面）
现在我们运行最基础的命令行版本：
poetry run python src/main.py --ticker AAPL,MSFT,NVDA
运行后，你会看到系统开始分析这三只股票。输出大概是这样的：
🏦 AI Hedge Fund Analysis
==========================
Ticker: AAPL, MSFT, NVDA
Date: 2026-03-07
🤖 Warren Buffett Agent:
Looking at Apple through the lens of a wonderful business at fair price...
[分析内容...]
🤖 Charlie Munger Agent:
[分析内容...]
📊 Portfolio Manager:
综合所有 Agent 的意见，最终建议：BUY AAPL, HOLD MSFT, SELL NVDA
TIP
第一次运行会比较慢，因为需要初始化 LangGraph 工作流和连接大模型。后续运行会快很多。
步骤 5：理解输出结果
系统会调用 18 位传奇投资者 Agent 来分析每只股票：
- Warren Buffett：寻找" Wonderful Business at Fair Price"
- Charlie Munger：只买优秀企业
- Michael Burry：寻找深度价值机会
- Cathie Wood：寻找创新和颠覆性机会
- Peter Lynch：寻找"ten-bagger"（十倍股）
- Phil Fisher：深入调研派
- ...还有另外 12 位
同时还有 4 个分析 Agent：
- Valuation Agent：计算内在价值
- Sentiment Agent：分析市场情绪
- Fundamentals Agent：分析基本面数据
- Technicals Agent：分析技术指标
最后由 Risk Manager 和 Portfolio Manager 给出最终决策。
步骤 6：运行回测
如果你想看看这个策略在过去的表现，可以运行回测：
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA
加上日期范围可以分析特定时间段：
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-12-31
回测结果会显示每只股票的表现，以及组合的整体收益。
步骤 7：启动 Web UI（可选）
如果你更喜欢图形界面，可以启动 Web 应用：
cd app
poetry install
poetry run fastapi run src/main.py
然后打开浏览器访问 http://localhost:8000。
Web UI 提供了更友好的界面，你可以：
- 搜索和选择股票
- 查看详细的分析报告
- 调整参数重新运行
- 查看历史分析记录
步骤 8：使用本地模型 Ollama（进阶）
如果你没有云端 API Key，或者想省钱，可以用自己的本地模型：
# 先启动 Ollama
ollama serve
# 然后运行 AI Hedge Fund
poetry run python src/main.py --ticker AAPL,MSFT,NVDA --ollama
TIP
推荐用 Ollama 运行 qwen2.5 或 llama3.1 这类模型，效果还不错而且免费。
常见问题排查
问题 1：Poetry 安装失败
症状：运行 poetry --version 提示找不到命令。
解决方案：
- 检查 Python 版本：
python3 --version（需要 3.11+） - 确认安装脚本是否执行成功
- 手动添加到 PATH：
export PATH="$HOME/.local/bin:$PATH" - 或者用 Homebrew：
brew install poetry
问题 2：API Key 配置错误
症状：程序提示认证失败或 Invalid API Key。
解决方案：
- 检查
.env文件是否在项目根目录 - 确认 API Key 拼写正确，没有多余空格
- 确认 API Key 是否还有额度
- 查看程序输出的具体错误信息
问题 3：依赖安装卡住
症状：运行 poetry install 长时间没有反应。
解决方案：
- 添加国内镜像源：
poetry config mirror.https://pypi.org https://pypi.tuna.tsinghua.edu.cn - 或者先安装关键依赖：
pip install langchain langgraph pandas
问题 4：模型调用超时
症状：程序卡住很久，然后报 timeout 错误。
解决方案：
- 检查网络连接
- 换成更快的模型（如 Groq）
- 增加超时时间（需要修改代码）
- 使用本地 Ollama 模型
问题 5：Web UI 启动失败
症状：运行 FastAPI 提示端口被占用或缺少依赖。
解决方案：
- 检查端口是否被占用：
lsof -i :8000 - 安装 Web 依赖：
cd app && poetry install - 查看具体错误：
poetry run fastapi dev src/main.py
问题 6：数据获取失败
症状：程序提示无法获取股票数据。
解决方案：
- 确认只使用免费股票（AAPL/GOOGL/MSFT/NVDA/TSLA）
- 申请 Financial Datasets API Key
- 检查网络能否访问 financialdatasets.com
核心机制解析
你可能会好奇，这个系统到底是怎么工作的？核心在于 LangGraph 构建的多 Agent 协作框架。
Agent 架构
┌─────────────────────────────────────────────────────────────────┐
│ Portfolio Manager │
│ (最终决策生成订单) │
└─────────────────────────────┬───────────────────────────────────┘
│
┌─────────────────────┼─────────────────────┐
│ │ │
▼ ▼ ▼
┌───────────────┐ ┌───────────────┐ ┌───────────────┐
│ Valuation │ │ Sentiment │ │ Fundamentals │
│ Agent │ │ Agent │ │ Agent │
│ (估值分析) │ │ (情绪分析) │ │ (基本面分析) │
└───────────────┘ └───────────────┘ └───────────────┘
│ │ │
└─────────────────────┼─────────────────────┘
│
┌─────────────────────┴─────────────────────┐
│ │
▼ ▼
┌───────────────────┐ ┌───────────────────┐
│ Risk Manager │ │ 18 Investor │
│ (风险管理) │ │ Agents │
│ │ │ (巴菲特/芒格等) │
└───────────────────┘ └───────────────────┘
决策流程
- 输入：用户指定要分析的股票代码（如 AAPL）
- 数据收集：获取财务数据、技术指标、新闻情绪
- 并行分析：18 位投资者 Agent 同时分析，各自给出观点
- 专业分析：4 个分析 Agent 分别给出估值、情绪、基本面、技术面意见
- 风险评估：Risk Manager 计算风险指标，设置仓位限制
- 最终决策：Portfolio Manager 综合所有意见，生成买入/卖出/持有建议
WARNING
这个系统只是教学演示，不会真正下单交易。它的决策仅供参考，切勿当作真实的投资建议！
进阶方向
搞定了基础用法之后，你可以探索这些更高级的功能：
1. 添加新的投资者 Agent
在 src/agents/ 目录下，按照现有模板添加新的投资者 Agent。你可以创造一个"中国版巴菲特"，或者"硅谷投资人"，让 AI 学习他们的投资风格。
2. 自定义分析策略
修改 src/graph/ 下的工作流定义，调整各个 Agent 的权重和决策逻辑。比如你更看重基本面，就增加 Agent 的权重。
3. 对接真实交易 Fundamentals API
WARNING
这是一个高级功能，需要你充分了解交易 API 的风险。
项目预留了交易接口，你可以通过修改 src/toolsading.py 来/tr对接券商 API，实现真正的自动化交易。但请务必谨慎！
4. Docker 部署
项目提供了 Dockerfile，你可以用 Docker 来部署：
docker build -t ai-hedge-fund .
docker run -it --env-file .env ai-hedge-fund python src/main.py --ticker AAPL