# quant-trade：基于Hermes-Agent的全栈加密货币量化交易Agent系统 > quant-trade是一个功能完备的加密货币量化交易Agent，集成40个工具、14个Skill、19项FRED宏观指标，支持多交易所、多通道接入和人工确认工作流。本文深入解析其架构设计、工具体系和实际应用场景。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-04-18T05:42:25.000Z - 最近活动: 2026-04-18T05:50:26.773Z - 热度: 163.9 - 关键词: quant-trade, 加密货币, 量化交易, Hermes-Agent, AI Agent, MCP, ccxt, 宏观指标, FRED, 飞书 - 页面链接: https://www.zingnex.cn/forum/thread/quant-trade-hermes-agentagent - Canonical: https://www.zingnex.cn/forum/thread/quant-trade-hermes-agentagent - Markdown 来源: ingested_event --- # quant-trade：基于Hermes-Agent的全栈加密货币量化交易Agent系统 ## 引言：当AI Agent遇见量化交易 加密货币市场以其7×24小时不间断交易、高波动性和全球流动性而著称，这为量化交易策略提供了丰富的机会，同时也对交易系统提出了极高的要求。传统的量化交易系统通常需要专业的编程能力和复杂的 infrastructure 搭建，门槛较高。 quant-trade项目尝试用AI Agent的范式重新定义加密货币量化交易。它基于Nous Research的Hermes-Agent框架，构建了一个包含40个工具、14个Skill、覆盖技术分析、基本面分析、宏观数据、链上数据等多维度的完整交易系统。更重要的是，它引入了**人工确认工作流**，在自动化与风险控制之间找到了平衡点。 ## 项目概述：不只是工具集合 quant-trade并非简单的API封装或指标计算库，而是一个**端到端的交易Agent系统**。其核心架构围绕Hermes-Agent框架展开，采用分层设计： - **接入层**：支持CLI、HTTP API、飞书Bot、MCP Server、定时任务等多种交互方式 - **核心层**：Hermes Agent作为LLM驱动的决策中枢 - **技能层**：14个Skill负责策略制定、信号生成、风险管理、交易执行等 - **工具层**：40个工具覆盖市场数据、技术指标、交易执行、衍生品、情绪分析、新闻、链上数据、宏观指标等15个模块 - **执行层**：通过ccxt库连接10余家主流交易所（Binance、OKX、KuCoin等） 这种分层架构使得系统既具备高度的灵活性，又能保持清晰的职责边界。 ## 工具体系深度解析 ### 市场数据与技术指标模块 市场数据是量化交易的基础。quant-trade提供了3个市场数据工具（K线、实时价格、订单深度）和2个技术指标工具，支持MA、RSI、MACD、布林带等经典指标的计算，以及基于指标的多币种筛选功能。 这些工具的数据源来自ccxt统一接口，这意味着系统可以轻松接入数十家交易所，而无需为每家交易所编写适配代码。 ### 交易执行与衍生品模块 交易执行模块包含5个工具，覆盖下单、撤单、持仓查询、余额查询和止损设置。衍生品模块则提供资金费率和合约持仓量查询，这对进行套利或对冲策略的交易者尤为重要。 值得注意的是，所有交易相关工具都需要API Key才能使用，且支持测试网与实盘的无缝切换，这为策略验证提供了安全环境。 ### 情绪与市场洞察模块 加密货币市场受情绪影响极大。quant-trade的情绪模块包含4个工具：恐惧贪婪指数、热门币种排行、全局市场数据。这些数据来自Alternative.me和CoinGecko等平台，帮助Agent感知市场温度。 新闻模块则提供新闻抓取和情绪打分功能，通过Google News RSS获取最新资讯，并进行情感分析。 ### 链上与基本面模块 链上数据分析是加密货币交易区别于传统金融市场的重要特征。quant-trade的链上模块包含4个工具：TVL（总锁仓价值）查询、鲸鱼交易追踪、代币解锁监控。这些数据来自DeFiLlama和CoinGecko，为Agent提供了链上资金流向的洞察。 基本面模块则通过CoinGecko Detail API提供项目的综合估值、代币供给、开发者活跃度等信息，支持更长期的价值投资决策。 ### 宏观指标模块：连接传统金融与加密世界 这是quant-trade最具特色的模块之一。它集成了19项来自FRED（美联储经济数据）的宏观指标，涵盖： **利率指标**：联邦基金利率、10年期/2年期国债收益率、收益率利差（用于监测倒挂信号） **通胀指标**：CPI、核心CPI、PCE、核心PCE（美联储最关注的通胀指标） **就业指标**：失业率、非农就业数据、初请失业金人数 **经济指标**：ISM制造业PMI、零售销售数据、消费者信心指数 **市场指标**：美元指数（DXY）、标普500指数、M2货币供应量 **波动率指标**：VIX恐慌指数 这些宏观指标为Agent提供了传统金融市场的全景视角，帮助其理解加密货币市场与宏观经济的关联性。例如，当收益率曲线倒挂时，Agent可能会调整风险偏好；当CPI数据超预期时，Agent可能会关注比特币作为"数字黄金"的避险属性。 ## Skill体系：从数据到决策 工具提供的是数据获取能力，而Skill则负责将数据转化为可执行的交易决策。quant-trade的14个Skill可以分为几类： ### 数据获取类Skill - **market-data**：指导Agent如何获取和解读行情数据 - **news-filter**：两级新闻过滤机制，先粗筛Flash新闻，再精筛深度报道 ### 信号生成类Skill - **signal-generator**：多维度信号融合，综合技术指标、新闻情绪、链上数据和宏观指标生成交易信号 - **trend-follower/mean-reverter/fundamental/sentiment-hunter/risk-defender**：5个专业分析师Agent，分别负责趋势跟踪、均值回归、基本面分析、情绪狩猎和风险控制 ### 执行与风控类Skill - **risk-manager**：硬编码的风控规则，包括仓位限制、止损设置、熔断机制、相关性检查 - **trade-executor**：6步交易执行流程，确保从信号到下单的规范化操作 - **confirm-tools**：人工确认工作流的核心，负责生成交易提案、推送通知、处理确认/拒绝 ### 复盘与优化类Skill - **strategy-review**：交易日志分析，提供策略优化建议 - **backtest**：回测引导，支持自然语言描述回测条件，系统自动翻译为执行逻辑 - **alert-notifier**：告警触发规则，覆盖信号生成、风险事件、成交确认、日报等场景 ## 人工确认工作流：自动化与风控的平衡 quant-trade最具创新性的设计是其**人工确认工作流**。流程如下： 1. Agent扫描市场，生成交易信号 2. 调用`propose_trade()`创建交易提案 3. 通过飞书推送通知，包含币种、方向、价格、理由、置信度等信息 4. 用户在飞书或CLI查看提案 5. 用户可以选择： - **确认交易**：Agent自动下单、设置止损、记录日志、发送成交通知 - **拒绝交易**：记录拒绝原因，用于后续策略优化 这种设计在完全自动化和完全人工操作之间找到了平衡点。Agent负责7×24小时监控市场、处理海量数据、生成初步决策，而人类交易者保留最终决策权，特别是在大额交易或市场异常波动时。 飞书集成还支持WebSocket长连接和LLM意图识别，用户可以用自然语言（如"确认这个BTC多单"或"拒绝，理由：宏观数据不明朗"）进行交互，降低了操作门槛。 ## 多通道接入与可视化 quant-trade支持多种接入方式，适应不同用户习惯： - **CLI**：终端直接交互，适合技术用户 - **HTTP API**：基于FastAPI的RESTful接口（端口8899），便于与其他系统集成 - **飞书Bot**：群聊中@机器人即可交互，适合团队协作 - **MCP Server**：供Claude Desktop、VS Code等MCP客户端调用 - **定时任务**：支持每日扫描、4小时快照、周日复盘等周期性任务 此外，项目还提供了一个基于ECharts的Web可视化仪表盘，展示净值曲线、K线图（带买卖点标记）、盈亏分布、实时余额等关键指标，让交易者能够直观地监控策略表现。 ## 测试与可靠性 quant-trade包含81项单元测试和6阶段端到端联调流水线，覆盖： 1. 行情数据获取 2. 宏观数据整合 3. 基本面分析 4. 回测验证 5. 告警触发 6. 交易日志记录 这种对测试的重视反映了量化交易系统对可靠性的极高要求——一个bug可能导致真金白银的损失。 ## 结语：Agent化量化交易的探索 quant-trade代表了AI Agent在垂直领域应用的一个深度案例。它不是简单地将ChatGPT包装成交易助手，而是构建了一个完整的、可落地的交易系统，涵盖数据获取、信号生成、风险控制、交易执行、人工确认、复盘优化等全生命周期。 其引入的宏观指标模块和人工确认工作流尤其值得关注。前者体现了加密货币市场与传统金融市场的日益融合，后者则展示了在关键决策场景下，人机协作可能比纯自动化更可靠。 对于希望探索AI Agent在量化交易领域应用的开发者和交易者，quant-trade提供了一个功能完备、架构清晰的参考实现。