🇺🇸 English | 🇨🇳 简体中文 | 🇹🇼 繁體中文 | 🇯🇵 日本語 | 🇰🇷 한국어

QuantDinger

⚡ 5 分钟启动你自己的本地 TradingView + AI 量化投研实验室

🤖 AI 原生 · 🔒 隐私优先 · 🚀 全能量化工作台

下一代本地量化平台：多市场数据、AI 投研、可视化回测与自动交易。

--- ## 📖 简介 **QuantDinger** 是一个专为交易员、研究员和极客设计的**本地优先**（Local-First）量化交易工作台。与昂贵的 SaaS 平台不同，QuantDinger 将**数据所有权**归还给你。它内置了一个**基于 LLM 的多智能体投研团队**，能够自动从网络收集金融情报，结合本地行情数据，生成专业的分析报告，并与你的策略开发、回测及实盘交易流程无缝集成。 ### 核心价值 - **🛡️ 隐私优先**：所有策略、交易日志和 API 密钥都存储在你的本地 SQLite 数据库中。 - **🧠 AI 赋能**：不仅是代码补全，更是真正的 AI 投研分析师（由 OpenRouter/LLM 驱动）。 - **⚡ 多市场支持**：原生支持 **加密货币**、**美股**、**A股/港股**、**外汇** 和 **期货**。 - **🔌 开箱即用**：通过 Docker 一键部署。无需复杂的环境配置。 --- ## 📚 文档 - [Python 策略开发指南](docs/STRATEGY_DEV_GUIDE_CN.md) ## 📸 功能预览

📊 专业量化仪表盘

实时监控市场动态、资产状况和策略状态。

🤖 AI 深度投研

多智能体协作进行市场情绪与技术分析。

💬 智能交易助手

通过自然语言接口获取即时市场洞察。

📈 交互式指标分析

丰富的技术指标库，支持拖拽式分析。

🐍 Python 策略生成

内置编辑器，支持 AI 辅助策略代码编写。

--- ## ✨ 关键特性 ### 1. 通用数据引擎无需再为数据 API 发愁。QuantDinger 采用了强大的数据源工厂模式： - **加密货币**：**直连交易所 API** 进行交易（支持 10+ 交易所），结合 **CCXT** 获取行情数据（支持 100+ 来源）。 - **股票**：集成 Yahoo Finance、Finnhub、Tiingo (美股) 和 AkShare (A股/港股)。 - **期货/外汇**：支持 OANDA 及主要期货数据源。 - **代理支持**：内置代理配置，适应受限网络环境。 ### 2. AI 多智能体投研你不知疲倦的分析师团队： - **协调智能体**：拆解任务并管理工作流。 - **搜索智能体**：进行全网搜索（Google/Bing）获取宏观新闻。 - **加密/股票智能体**：专注于特定市场的技术和资金流向分析。 - **报告生成**：自动产出结构化的日报/周报。 ### 2.1 🧠 AI 记忆增强系统（Memory-Augmented Agents） QuantDinger 的多智能体不是“每次从零开始”。它内置了一个**本地记忆库 + 反思闭环**，让每个智能体在生成提示词（prompt）时能检索过往经验，并在事后验证/复盘后把结果写回记忆库。 - **本质**：RAG 风格的“经验检索增强”，**不是**训练/微调模型权重（零外部向量库依赖）。 - **隐私**：所有记忆与反思记录默认落盘在本地 SQLite：`backend_api_python/data/memory/`。 #### 逻辑图（从请求到记忆闭环） ```mermaid flowchart TB %% ===== 🌐 入口层 ===== subgraph Entry["🌐 API 入口"] A["📡 POST /api/analysis/multi"] A2["🔄 POST /api/analysis/reflect"] end %% ===== ⚙️ 服务编排层 ===== subgraph Service["⚙️ 服务编排"] B[AnalysisService] C[AgentCoordinator] D["📊 构建上下文
price · kline · news · indicators"] end %% ===== 🤖 多智能体工作流 ===== subgraph Agents["🤖 多智能体工作流"] subgraph P1["📈 Phase 1 · 多维分析（并行）"] E1["🔍 MarketAnalyst
技术面分析"] E2["📑 FundamentalAnalyst
基本面分析"] E3["📰 NewsAnalyst
新闻舆情"] E4["💭 SentimentAnalyst
市场情绪"] E5["⚠️ RiskAnalyst
风险评估"] end subgraph P2["🎯 Phase 2 · 多空博弈（并行）"] F1["🐂 BullResearcher
看多论据"] F2["🐻 BearResearcher
看空论据"] end subgraph P3["💹 Phase 3 · 交易决策"] G["🎰 TraderAgent
综合研判 → BUY / SELL / HOLD"] end end %% ===== 🧠 记忆层 ===== subgraph Memory["🧠 本地记忆库 SQLite（data/memory/）"] M1[("market_analyst")] M2[("fundamental")] M3[("news_analyst")] M4[("sentiment")] M5[("risk_analyst")] M6[("bull_researcher")] M7[("bear_researcher")] M8[("trader_agent")] end %% ===== 🔄 反思闭环 ===== subgraph Reflect["🔄 反思闭环（可选）"] R[ReflectionService] RR[("reflection_records.db")] W["⏰ ReflectionWorker"] end %% ===== 主流程 ===== A --> B --> C --> D D --> P1 --> P2 --> P3 %% ===== 记忆读写 ===== E1 <-.-> M1 E2 <-.-> M2 E3 <-.-> M3 E4 <-.-> M4 E5 <-.-> M5 F1 <-.-> M6 F2 <-.-> M7 G <-.-> M8 %% ===== 反思流程 ===== C --> R --> RR W --> RR W -.->|"验证 + 学习"| M8 A2 -.->|"手动复盘"| M8 ``` #### 1) 记忆是如何“注入提示词”的？每个 agent 在 `analyze()` 时会： - **构造 situation**：例如 `"{market}:{symbol} fundamental analysis"`、`"{market}:{symbol} trading decision"` 等 - **携带结构化 metadata**：`market/symbol/timeframe` + `memory_features`（价格、涨跌幅、技术指标等） - **检索 Top-K 历史经验**：转成一段可读的 `memory_prompt` - **拼进 system_prompt**：模型在做本次分析前先“读历史经验” 你可以在这些文件里看到同样的模式： - `backend_api_python/app/services/agents/base_agent.py`：`get_memories()` + `format_memories_for_prompt()` - `backend_api_python/app/services/agents/*_agents.py`、`trader_agent.py`：把 `memory_prompt` 拼进 system prompt #### 2) 记忆检索算法（为什么“像”RAG？）每个角色的记忆表保存（简化）： - **situation / recommendation / result / returns** - **market / symbol / timeframe / features_json** - **embedding（可选 BLOB）**：本地“哈希向量”嵌入（无外部依赖）检索时会从最近 `AGENT_MEMORY_CANDIDATE_LIMIT` 条候选中打分排序： \[ score = w_{sim}\cdot sim + w_{recency}\cdot recency + w_{returns}\cdot returns\_score \] - **sim**：默认用 embedding cosine，相同维度的本地哈希向量；没有 embedding 时退化为 difflib 文本相似度 - **recency**：半衰期衰减（`AGENT_MEMORY_HALF_LIFE_DAYS`） - **returns_score**：对收益做 `tanh` 压缩，避免极值支配排序 - **timeframe 惩罚**：如果查询 timeframe 与记忆记录 timeframe 不一致，会额外扣分 #### 3) “学习”从哪里来？（两条写入通道） - **自动反思（可选）**： - 分析结束后，系统会把 BUY/SELL/HOLD 记录到 `reflection_records.db` - 开启 `ENABLE_REFLECTION_WORKER=true` 后，后台线程会按 `REFLECTION_WORKER_INTERVAL_SEC` 轮询到期记录，拉取最新价格做验证，并把验证结果写回 `trader_agent_memory.db` - **手动复盘（推荐）**： - 调用 `POST /api/analysis/reflect`，把你的真实交易结果（returns/result）写回记忆库，用于后续决策增强 #### 4) 关键环境变量（`.env`） - **ENABLE_AGENT_MEMORY**：是否启用记忆增强（默认 true） - **AGENT_MEMORY_TOP_K**：每次注入的经验条数（默认 5） - **AGENT_MEMORY_CANDIDATE_LIMIT**：候选池大小（默认 500） - **AGENT_MEMORY_ENABLE_VECTOR**：是否启用 embedding cosine（默认 true；否则退化为文本相似） - **AGENT_MEMORY_EMBEDDING_DIM**：哈希 embedding 维度（默认 256） - **AGENT_MEMORY_HALF_LIFE_DAYS**：时间衰减半衰期（默认 30） - **AGENT_MEMORY_W_SIM / W_RECENCY / W_RETURNS**：三项权重（默认 0.75 / 0.20 / 0.05） - **ENABLE_REFLECTION_WORKER**：是否启用自动验证闭环（默认 false） - **REFLECTION_WORKER_INTERVAL_SEC**：自动验证周期（默认 86400 秒） ### 3. 稳健的策略运行时 - **基于线程的执行器**：独立的线程池管理策略执行。 - **自动恢复**：系统重启后自动恢复运行中的策略。 - **挂单工作线程**：可靠的后台队列确保信号精准执行，防止滑点。 ### 4. 现代技术栈 - **后端**：Python (Flask) + SQLite + Redis (可选) — 简洁、强大、易扩展。 - **前端**：Vue 2 + Ant Design Vue + KlineCharts/ECharts — 响应式且交互丰富。 - **部署**：Docker Compose 编排。 --- ## 🏦 支持的交易所与返佣 QuantDinger 支持**直连**主要加密货币交易所进行低延迟执行，同时利用 **CCXT** 覆盖广泛的行情数据。 > 💡 **独家福利**：通过下方的合作伙伴链接注册账户，可享受**交易手续费减免**和**独家赠金**。这将在不增加你成本的情况下支持本项目！ | 交易所 | 特点 | 注册福利 | |:--------:|:---------|:-------------:| |

| 🥇 **全球最大**
现货, 合约, 杠杆 |

| |

| 🚀 **Web3 & 衍生品**
现货, 永续, 期权 |

| |

| 👥 **社交交易**
跟单交易, 合约 |

|
**同时也支持 (直连/CCXT):** |

| |:---:|:---:|:---:|:---:|:---:| --- ### 多语言支持 QuantDinger 为全球用户构建，提供全面的国际化支持：

所有 UI 元素、错误信息和文档均已完全翻译。语言会根据浏览器设置自动检测，也可以在应用中手动切换。 --- ### 支持的市场 | 市场类型 | 数据源 | 交易 | |-------------|--------------|---------| | **加密货币** | Binance, OKX, Bitget, + 100 交易所 | ✅ 全面支持 | | **美股** | Yahoo Finance, Finnhub, Tiingo | ✅ 通过券商 API | | **A股/港股** | AkShare, 东方财富 | ⚡ 仅数据 | | **外汇** | Finnhub, OANDA | ✅ 通过券商 API | | **期货** | 交易所 API, AkShare | ⚡ 仅数据 | --- ### 架构 (当前仓库) ```text ┌─────────────────────────────┐ │ quantdinger_vue │ │ (Vue 2 + Ant Design Vue) │ └──────────────┬──────────────┘ │ HTTP (/api/*) ▼ ┌─────────────────────────────┐ │ backend_api_python │ │ (Flask + 策略运行时) │ └──────────────┬──────────────┘ │ ├─ SQLite (quantdinger.db) ├─ Redis (可选缓存) └─ 数据提供商 / LLMs / 交易所 ``` --- ### 仓库目录结构 ```text . ├─ backend_api_python/ # Flask API + AI + 回测 + 策略运行时 │ ├─ app/ │ ├─ env.example # 复制为 .env 进行本地配置 │ ├─ requirements.txt │ └─ run.py # 入口点 └─ quantdinger_vue/ # Vue 2 UI (开发服务器代理 /api -> 后端) ``` --- ## 快速开始 ### 选项 1: Docker 部署 (推荐) 运行 QuantDinger 最快的方式。 #### 1. 一键启动 **Linux / macOS** ```bash git clone https://github.com/brokermr810/QuantDinger.git && \ cd QuantDinger && \ cp backend_api_python/env.example backend_api_python/.env && \ docker-compose up -d --build ``` **Windows (PowerShell)** ```powershell git clone https://github.com/brokermr810/QuantDinger.git cd QuantDinger Copy-Item backend_api_python\env.example -Destination backend_api_python\.env docker-compose up -d --build ``` #### 2. 访问与配置 - **前端 UI**: http://localhost:8888 - **默认账号**: `quantdinger` / `123456` > **注意**：为了使用 AI 功能或生产环境安全，请编辑 `backend_api_python/.env`（添加 `OPENROUTER_API_KEY`，修改密码），然后执行 `docker-compose restart backend` 重启服务。 #### 3. 访问应用 - **前端 UI**: http://localhost - **后端 API**: http://localhost:5000 #### Docker 命令参考 ```bash # 查看运行状态 docker-compose ps # 查看日志 docker-compose logs -f # 停止服务 docker-compose down # 停止并删除卷 (警告：会删除数据库！) docker-compose down -v ``` #### 数据持久化以下数据挂载到主机，重启容器后依然保留： ```yaml volumes: - ./backend_api_python/logs:/app/logs # 日志 - ./backend_api_python/data:/app/data # 数据目录（包含 quantdinger.db） - ./backend_api_python/.env:/app/.env # 配置文件 ``` --- ### 选项 2: 本地开发 **先决条件** - 推荐 Python 3.10+ - 推荐 Node.js 16+ #### 1. 启动后端 (Flask API) ```bash cd backend_api_python pip install -r requirements.txt cp env.example .env # Windows: copy env.example .env python run.py ``` 后端将在 `http://localhost:5000` 上可用。 #### 2. 启动前端 (Vue UI) ```bash cd quantdinger_vue npm install npm run serve ``` 前端开发服务器运行在 `http://localhost:8000` 并将 `/api/*` 代理到 `http://localhost:5000`。 --- ### 配置 (.env) 使用 `backend_api_python/env.example` 作为模板。常用设置包括： - **认证**: `SECRET_KEY`, `ADMIN_USER`, `ADMIN_PASSWORD` - **服务器**: `PYTHON_API_HOST`, `PYTHON_API_PORT`, `PYTHON_API_DEBUG` - **AI / LLM**: `OPENROUTER_API_KEY`, `OPENROUTER_MODEL` - **网络搜索**: `SEARCH_PROVIDER`, `SEARCH_GOOGLE_*`, `SEARCH_BING_API_KEY` - **代理 (可选)**: `PROXY_PORT` 或 `PROXY_URL` --- ## 🤝 社区与支持加入我们的全球社区进行策略分享和技术支持： - **Telegram (Group)**: [Join QuantDinger Telegram Group](https://t.me/+ULKYtlLEE9M4ZWZl) - **Discord**: [Join Server](https://discord.gg/cn6HVE2KC) - **YouTube**: [@quantdinger](https://youtube.com/@quantdinger) - **Email**: [brokermr810@gmail.com](mailto:brokermr810@gmail.com) - **GitHub Issues**: [提交 Bug / 功能请求](https://github.com/brokermr810/QuantDinger/issues) --- ## ☕ 支持本项目如果 QuantDinger 帮助你获利，请考虑给开发者买杯咖啡。你的支持让项目持续发展！ **ERC-20 / BEP-20 / Polygon / Arbitrum** ``` 0x96fa4962181bea077f8c7240efe46afbe73641a7 ```

--- ### 商业服务我们提供专业服务，助你充分利用 QuantDinger： | 服务 | 描述 | |---------|-------------| | **部署与设置** | 一对一协助服务器部署、配置和优化 | | **定制策略开发** | 针对特定需求和市场定制交易策略 | | **企业版升级** | 商业授权、优先支持和企业级高级功能 | | **培训与咨询** | 为你的交易团队提供实战培训和战略咨询 | **感兴趣？** 联系我们： - 📧 Email: [brokermr810@gmail.com](mailto:brokermr810@gmail.com) - 💬 Telegram: [QuantDinger Group](https://t.me/+ULKYtlLEE9M4ZWZl) --- ### 致谢 QuantDinger 站在这些伟大的开源项目肩膀之上：Flask, Pandas, CCXT, Vue.js, Ant Design Vue, KlineCharts 等。感谢所有维护者和贡献者！ ❤️