Vibe-Trading 是港大数据智能实验室（HKUDS）出的开源「个人交易研究工作台」：用 Python 把自然语言的金融问题转成可运行的分析——把 NL 提示连到市场数据加载器、策略生成、回测引擎、报告、导出与持久研究记忆。它面向研究、模拟和回测，明确不执行实盘交易。能力上覆盖 A股/港股/美股/加密/期货/外汇跨市场数据、75 个金融 skill、29 套多智能体团队 preset、452 个预置 alpha 因子，以及从券商交易记录复盘自己的「Shadow Account」。MIT 许可，pip 包名 vibe-trading-ai。
来源：README_zh.md What Is/Key Features；GitHub HKUDS/Vibe-Trading，desc，license MIT 查看 GitHub 仓库 →约一个半月即超过 8.1k 星、1639 fork，热度来自三点叠加：HKUDS 在开源圈的口碑（LightRAG 等）、「自然语言做量化研究」这个高诉求题材、以及它少见的完成度——不是 demo，而是带跨市场数据、回测验证（Monte Carlo/Walk-Forward/run cards）、452 个 alpha 横评、29 套分析师团队和券商记录复盘的整套工作台。它还明确把自己限定在研究/回测、不碰实盘，姿态相对负责，降低了争议。
来源：GitHub 8,184 stars / 1,639 forks，created 2026-04-01；README 能力清单/定位遵循 Plan→Ground→Execute→Validate→Deliver 证据路径：选金融 skill/tool/数据源（必要时选 swarm preset）、拉对应市场上下文、生成可测策略代码并跑回测、加入指标/benchmark/Monte Carlo/Bootstrap/Walk-Forward/run cards 验证，最后产出报告、artifacts 和导出。
来源：README Research Workflow；Quick Example（vibe-trading run -p）开箱即用的分析师团队，如 investment_committee（多空辩论→风险审查→PM 决策）、crypto_trading_desk（funding/basis+liquidation+flow→风险经理）、quant_strategy_desk（筛选+因子→回测→风险审计）、global_equities_desk、risk_committee 等，带流式进度与持久化报告。
来源：README Preset Trading Teams（29 swarm presets）覆盖 A股/港股/美股/加密/期货/外汇，多 loader（tushare/yfinance/akshare/ccxt/okx 等）带数据 fallback，支持组合回测、PIT（point-in-time）数据、验证与 run cards，并可导出到 TradingView Pine Script、TDX、MetaTrader 5、vnpy。
来源：README Key Features/Detailed Capabilities；pyproject deps（tushare/yfinance/akshare/ccxt）从你自己的券商导出（同花顺/东方财富/富途/通用 CSV）出发：解析交易日志→生成行为画像（持仓天数/胜率/盈亏比/回撤/处置效应/过度交易/追涨/锚定）→把反复出现的入场出场行为提炼成明确策略画像→回测该 shadow 规则并高亮规则违背/过早离场/错过信号→产出 HTML/PDF 报告。
来源：README Shadow Account（5 步表）452 个横截面 alpha（Qlib158 + Kakushadze 101 + 国君 GTJA191 + FF5/Carhart），算子层禁用 lookahead，一条 CLI 算 IC+IR 并分类 alive/reversed/dead，附 AST 纯函数门禁与逐 zoo 许可声明；另有 8 大类 75 个专业金融 skill（数据源/策略/分析/资产类/加密/资金流/工具/风险）。
来源：README Alpha Zoo/Finance Skill Library（折叠详情）前后端 + agent 内核的 Python 项目（pip 包 vibe-trading-ai，需 Python 3.11+）。agent/ 是核心：api_server.py（FastAPI/uvicorn 服务）、mcp_server.py（暴露为 MCP）、cli（命令行）、backtest（回测引擎）、src（agent 逻辑、skill/swarm 调度）、SKILL.md，并以 LangChain 接多家 LLM；金融能力以 skill（75 个、8 类）和 swarm preset（29 套）形式组织，数据通过 tushare/yfinance/akshare/ccxt 等 loader 接入，alpha zoo 单独成模块并带 lookahead 哨兵测试 + pytest-socket 网络阻断的 CI 门禁。frontend/ 是 Vite + TypeScript + Tailwind 的 Web 界面（API server + 前端 dev server 配合）。配套 Dockerfile/docker-compose 提供零配置路径，tools/ci_grep_gates.sh 等做工程门禁，wiki/ 为文档站。整体是「NL → 路由 skill/数据/回测 → 验证 → 报告/导出」的研究流水线，强调 artifacts 可检查与可复现。
来源：tree（agent/{api_server,mcp_server,cli,backtest,src}、frontend/、tools/、Dockerfile）；pyproject deps中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
langchain / langchain-openaifastapi + uvicornpandastushare / yfinance / akshare / ccxt …pydanticVite + Tailwind (前端)适合：①想用自然语言做量化研究、策略草稿与回测，又不想从零搭数据/回测管线的个人研究者与量化爱好者；②想复盘自己券商交易、找出行为偏差（处置效应/过度交易/追涨）的散户；③想快速横评 452 个 alpha、或用多智能体团队做投资/宏观/加密/风控研究评审的人；④想把研究成果导出到 TradingView/MT5 等的人。不适合：期望它直接实盘下单赚钱的人——它明确只做研究/模拟/回测；以及对回测即未来收益有误解、或不接受免责前提的用户。
来源：README What You Can Do/What Is（不执行实盘），结合定位推断采用语义化版本，最新为 v0.1.8（2026-05-17），此前 v0.1.7（2026-05-06）、v0.1.6（2026-04-28），发布频繁；主分支持续高频提交（最近 push 2026-05-22），并发布到 PyPI（vibe-trading-ai），处于早期但活跃的迭代期。
来源：GitHub Releases v0.1.8~v0.1.6；pushed_at 2026-05-22；pyproject name=vibe-trading-aiVibe-Trading 在「AI + 量化」这个最容易做成噱头的方向上，交出了一个相当扎实且负责的开源研究工作台：自然语言进、可检查的策略/回测/报告出，跨市场数据、452 alpha、29 套分析师团队和券商复盘都齐备，还明确把自己框在研究/回测、不碰实盘，并在 alpha 上做了 lookahead 防护和许可声明，配上 HKUDS 的背书，8k 星合理。要清醒的是它的边界：回测不等于真实收益、强依赖第三方数据与模型、跑全功能有成本、且非投资建议。作为个人量化研究与交易复盘的工具，它是目前同类里很值得用的一个；但任何据其结论的真金白银决策，风险都在使用者自己。
来源：综合 README 定位/能力与免责、tree 工程结构、发布节奏的事实判断Vibe-Trading 是港大数据智能实验室（HKUDS）出的开源「个人交易研究工作台」：用 Python 把自然语言的金融问题转成可运行的分析——把 NL 提示连到市场数据加载器、策略生成、回测引擎、报告、导出与持久研究记忆。它面向研究、模拟和回测，明确不执行实盘交易。
Vibe-Trading 的核心功能包括：自然语言驱动的研究工作流、多智能体交易团队（29 套 preset）、跨市场数据与回测、Shadow Account 交易复盘、Alpha Zoo 与金融 skill 库。
约一个半月即超过 8.1k 星、1639 fork，热度来自三点叠加：HKUDS 在开源圈的口碑（LightRAG 等）、「自然语言做量化研究」这个高诉求题材、以及它少见的完成度——不是 demo，而是带跨市场数据、回测验证（Monte Carlo/Walk-Forward/run cards）、452 个 alpha 横评、29 套分析师团队和券商记录复盘的整套工作台。
适合：①想用自然语言做量化研究、策略草稿与回测，又不想从零搭数据/回测管线的个人研究者与量化爱好者；②想复盘自己券商交易、找出行为偏差（处置效应/过度交易/追涨）的散户；③想快速横评 452 个 alpha、或用多智能体团队做投资/宏观/加密/风控研究评审的人；④想把研究成果导出到 TradingView/MT5 等的人。