AI Market Maker是什么用9个AI交易台搭建开源AI Agent加密对冲基金的完整指南【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-makerAI Market MakerAIMM是一个开源的Agentic AI 对冲基金操作系统专为加密货币市场设计。它由9个AI Agent交易台AI Trading Desks并行分析市场再经过风险否决层Risk Guard审查后执行交易——就像一支小型专业对冲基金的完整运作流程。一、为什么是 AI Market Maker市面上的量化交易机器人大多只是单信号下单而 AI Market Maker 的核心理念是让一群职责分明的 AI Agent 组成一个交易公司。它的突出特点多Agent工作流每个 AI Agent 像一个独立交易台职责清晰、标准统一️硬性风险否决Risk Guard 拥有一票否决权任何交易都逃不过它的审查量化纪律每次回测自动对标买入并持有基准计算超额收益拒绝自欺欺人全链路可追溯完整的 Agent 思维轨迹Traces、推理日志和事件账本三种运行模式回测、模拟盘paper、实盘同一套工作流无缝切换二、9个AI交易台项目的灵魂所在AI Market Maker v4 采用加权收敛架构9个 Tier-0 感知 Agent 并行分析市场各自产出标准化的 JSON 契约再由确定性的权重分配器Weight Assigner合成全局交易决策。IDAgent角色权重1.1宏观货币哨兵宏观环境 流动性评分0.051.2新闻叙事挖掘事件影响 叙事新鲜度0.052.1形态识别台图表几何 形态质量0.252.2统计Alpha引擎横截面z-score alpha信号0.102.3技术分析引擎RSI、MACD、OBV、ATR、ADX、EMA0.303.1散户热度追踪FOMO情绪 背离预警0.053.2机构倾向分析ETF趋势 资金费率 OI变化0.054.1鲸鱼行为分析抛售概率 持仓集中度默认关闭0.054.2流动性与订单流滑点风险 订单失衡 盘口偏斜0.15可以看到权重设计很有讲究技术分析0.30和形态识别0.25是决策主力流动性订单流0.15紧随其后宏观与情绪类 Agent 起修正与预警作用。每个 Agent 的人设定义都写在 persona 文件中例如 docs/personas/03_monetary_sentinel.md、docs/personas/07_retail_hype_tracker.md完整清单见 docs/personas/README.md。三、完整决策流程从感知到下单整个工作流由 LangGraph 编排模拟真实对冲基金的资金流转policy_orchestrator → market_scan → [9个Tier-0 Agent并行分析] → risk → desk_debate → signal_arbitrator → portfolio_proposal → risk_guard → portfolio_execute → audit关键决策门槛写死在配置中而非交给 LLM 自由发挥买入加权综合分 ≥ 0.60 且置信度 ≥ 0.50卖出加权综合分 ≤ 0.40 且置信度 ≥ 0.50方向对齐至少 3 个因子同向才允许开仓最终关卡是Risk Guard——它不是记录日志的橡皮图章而是拥有真实否决权的治理层。完整图谱状态与路由逻辑见 docs/langgraph-workflow.md权重合成逻辑源码在 src/workflow/weight_assigner.py否决层实现在 src/agents/governance/risk_guard.py。四、三种运行模式新手如何安全上手AI Market Maker 内置三档模式全部走同一套 LangGraph 工作流详见 docs/run-modes.md模式用途订单执行backtest历史K线回放纯模拟成交无需任何 API Keypaper默认开发测试币安 Testnet 模拟盘live实盘真实下单需双重开关确认新手建议路径先用backtest跑通历史回测 → 再切paper观察模拟盘 → 最后才考虑live。实盘需要显式设置AI_MARKET_MAKER_ALLOW_LIVE1才会放行否则进程直接退出这是刻意的安全设计。五、快速部署5步跑起你的AI对冲基金前置要求Python 3.11、uv、TA-Lib推荐 Conda 安装、Docker。# 1. 克隆仓库 git clone https://gitcode.com/gh_mirrors/ai/ai-market-maker cd ai-market-maker # 2. 安装依赖 pip install uv uv sync --extra dev # 3. 配置环境变量只需填密钥策略全在JSON里 cp .env.example .env # 4. 一键启动平台栈数据库 API Worker Web docker compose -f docker-compose.prod.yml up --build -d # 5. 初始化数据库 docker compose -f docker-compose.prod.yml run --rm api alembic upgrade head启动后打开浏览器访问http://localhost:3000你会看到/console— Nexus 控制台实时观看 9 个 AI Agent 的思考过程/backtest— 回测实验室/leaderboard— 排行榜与信号流/get-started— 内置的复制粘贴式搭建指南更轻量的方式CLI 直接跑多资产回测无需 API Key走 CCXT 公开数据uv run python -m backtest.run_demo \ --symbols BTC/USDT,ETH/USDT,SOL/USDT \ --steps 100 --online --exchange binance默认保守策略下典型回测结果约为17 笔交易、总收益 14.95%、相对 BTC 买入持有的超额收益 30.25%、夏普 1.79、最大回撤 11.84%、胜率 62.5%。六、量化纪律回测结果怎么看才不踩坑项目内置了一条重要原则值得所有新手刻在脑子里单次盈利回测 ≠ 存在超额收益edge。务必在多个市场周期和样本外时段反复验证。因此每次回测自动输出Sharpe、Sortino、Profit Factor 等指标以及与买入持有的对照曲线和完整交易账本。分析工具见 scripts/analyze_backtest_run.py回测引擎源码在 src/backtest/。七、项目结构与延伸阅读ai-market-maker/ ├── src/agents/ # 各AI交易台Agent实现 ├── src/workflow/ # LangGraph工作流与权重仲裁 ├── src/backtest/ # 回测引擎 ├── src/oms/ # 订单管理系统OMS ├── config/ # 策略与应用默认配置JSON即策略 ├── docs/ # 深度文档 └── web/ # Next.js 可视化仪表盘值得精读的文档配置哲学与环境变量docs/configuration.md策略Schema详解docs/policy-schema.md加权仲裁器设计docs/weighted-arbitrator.md默认策略配置config/policy.default.json所有 Agent 遵循统一的输入 → 处理 → 输出 → 反馈契约基类定义在 src/agents/base_agent.py——想给你的AI对冲基金加一个新交易台照着这个模式扩展即可。八、写在最后AI Market Maker 展示了 Agentic AI 在金融场景的正确打开方式不是让一个大模型拍脑袋下单而是用 9 个专业化 AI 交易台分工协作再用确定性规则和风险否决层兜底。无论你是想学习多Agent系统架构的开发者还是好奇 AI 如何参与加密交易的投资者这个项目都是一个难得的开源标本。建议从回测模式起步在/console页面亲眼看看 9 个 AI Agent 如何辩论、如何被 Risk Guard 一票否决——这本身就是最好的教材。【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-maker创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考