Skip to content

AlexLiu0130/TradeMind_Agent

BranchesTags

Repository files navigation

TradeMind Agent

一个有记忆、会规划、有安全门禁的美股期权交易分析 Agent，配深色金融终端 Dashboard。 面向自营 short-put / wheel 卖方策略交易者，跑在 Interactive Brokers 之上。

TradeMind 帮你完成交易前的思考、交易中的风险确认、交易后的复盘——它不替你做买卖决定，也永不自动下单。

⚠️ 风险提示（务必先读）

  • 本项目不构成投资建议。 所有分析、Greeks、概率均为信息参考，盈亏自负。
  • 永不自动交易。 Agent 只能建议和暂存待确认订单；唯一能下单的是 IBKR skill 的 trade.py，需 IBKR_TRADING_ENABLED=1 + --confirm-trade 双闸门，由你本人显式执行。先用模拟盘（IBKR_PORT=4002）验证。
  • 第三方 LLM 代理 = 数据出境。 默认 LLM 走 sssaicode 代理（OpenAI 兼容）。Agent 对话时，你的真实持仓 / Greeks / 组合数据会被发送到该第三方服务器。 不接受此数据流的话，请改用自托管或官方直连的 key（见配置）。
  • API key 自行保管。 key 存于 .env（已被 git 忽略、chmod 600），切勿提交。
  • 行情订阅限制。 无期权行情订阅时 IBKR 不下发 Greeks（Error 10091）；Dashboard 会用本地 Black-Scholes 估算并明确标注 est，或标 OPT N/A，绝不用 0 冒充。

这是什么

TradeMind 在一套只读 IBKR 数据脚本（ibkr-options-assistant skill）之上，叠加了：

能力 说明
🧠 Agent 编排 自然语言提问 → LLM 规划调用工具（研究/风控/策略/知识库/行为）→ 综合出带正反观点和风险检查的分析
🛡️ 安全门禁 Guardrail 任何交易意图先过 7 项预交易检查（IV / 财报 / 组合 Greeks / 集中度 / 滚动上限 / 每日上限 / FOMO）
📓 记忆层 SQLite 存交易假设（thesis）、决策日志、风控规则、历史快照、Flex 成交
📊 Dashboard 深色金融终端 UI：实时组合 / Greeks / 市场暴露 / Wheel / Intel / 交易 / 分析 / Thesis / 设置 + 内嵌 Agent 对话面板
🛩️ 市场驾驶舱 全局市场状态栏（SPY/QQQ/SMH/VIX/10Y/DXY）、SPY·QQQ·SMH 归一化走势比较、6 维市场环境矩阵、Greeks 7/30 日趋势（SQLite 落库）、统一事件时间线（财报/到期/情报/风险）
🧩 Agent Committee 主动建议中心：组合风险、Serenity 档案、价格反馈、提醒队列协作生成“建议卡”，只建议不越权决策
📰 Serenity 档案 内置 @aleabitoreddit Serenity 推文档案，按发帖时间展示，提取 ticker、中文解读、细分行业与发帖后涨跌幅
🔍 Serenity Lens 从档案中蒸馏“思维框架”，学习研究模式而不是照搬原帖结论
⏰ 自主调度 盘前简报 / 盘中监控 / 日回顾 / 周回顾（cron + Telegram 推送）

设计理念

  • IBKR = 现实，数据库 = 记忆。 行情/持仓/Greeks 永远实时拉，本地只存"IBKR 不替你记的东西"。
  • 脚本产出数据，模型产出判断。
  • 任何写操作（尤其下单）必经安全门禁 + 人工确认。

架构

flowchart TB
  User["用户 / 交易者"] --> UI["Dashboard<br/>Portfolio · Wheel · Intel · Agent Chat"]
  Cron["定时任务<br/>盘前 · 盘中 · 日/周复盘"] --> Orchestrator
  UI --> Api["Next.js API Routes"]
  Api --> Orchestrator["Agent Orchestrator<br/>OpenAI Responses API · tool calling"]

  Orchestrator --> Registry["Tool Registry"]
  Registry --> Research["Research Agent<br/>quote · technicals · earnings"]
  Registry --> Risk["Risk Agent<br/>positions · greeks · concentration"]
  Registry --> Strategy["Strategy Agent<br/>options chain · IV context"]
  Registry --> Lens["Serenity Lens<br/>档案模式蒸馏"]
  Registry --> Advisor["Decision Advisor<br/>主动建议卡"]
  Registry --> Guardrail["Guardrail<br/>IV · earnings · greeks · concentration · roll · daily limit · FOMO"]

  Guardrail --> Safety{"交易意图是否通过?"}
  Safety -- "否" --> Block["阻断：只给原因和替代复核建议"]
  Safety -- "是" --> Human["人工确认边界<br/>不自动下单"]

  Research --> IBKR["IBKR 只读脚本"]
  Risk --> IBKR
  Strategy --> IBKR
  Api --> SQLite["SQLite 记忆层<br/>theses · decisions · rules · snapshots · trades · intel_items · market_daily_prices"]
  Orchestrator --> SQLite
  Lens --> SQLite
  Advisor --> SQLite

  Knowledge["知识库<br/>system prompt · trading discipline · skill references"] --> Orchestrator
Loading

Agent 协作图

flowchart LR
  Intel["Intel Agent<br/>Serenity / 新闻 / 上传材料"] --> Extract["提取时间 · ticker · 主题 · 证据"]
  Extract --> Lens["Serenity Lens<br/>学习研究框架，不照搬原帖"]
  Extract --> Price["Price Reaction Agent<br/>发帖基准价 → 最新价 → 至今涨跌幅"]
  Portfolio["Portfolio Risk Agent<br/>持仓 · Greeks · Wheel legs · 集中度"] --> Advisor["Decision Advisor<br/>生成建议卡"]
  Lens --> Advisor
  Price --> Advisor
  Advisor --> Cards["Dashboard Agent Committee<br/>风险复核 · watchlist · thesis 草稿 · 稍后提醒"]
  Cards --> UserDecision["用户决策<br/>生成 thesis / 忽略 / 提醒 / 手动交易"]
  UserDecision --> Memory["SQLite 记忆层<br/>decisions · reminders · theses"]
  Memory --> Advisor
Loading

快速开始

前置

  • Python 3.11+，Node 20+
  • Interactive Brokers Gateway 运行于 127.0.0.1:4001（实盘）或 4002（模拟）
  • 已安装 ibkr-options-assistant skill（提供 ~/Desktop/ibkr-options-assistant/scripts 只读脚本）
  • 一个 OpenAI 兼容的 LLM API key

1. 安装

git clone <repo> && cd TradeMind_Agent
pip install -r requirements.txt          # Python: openai
cd dashboard && npm install && cd ..      # 前端依赖

2. 配置密钥

cp .env.example .env        # 然后填入真实值
chmod 600 .env

.env 关键项：

OPENAI_API_KEY=sk-...                                   # 必填
OPENAI_BASE_URL=https://node-cf.sssaicodeapi.com/api/v1 # OpenAI 兼容端点；官方直连留空
OPENAI_MODEL=gpt-5.4                                    # 改这里即可换模型
# IBKR_SCRIPTS_DIR / TRADEMIND_DB / TELEGRAM_* 可选

3. 启动 Dashboard

cd dashboard && npm run dev
# 打开 http://localhost:3000 → 右上「🧠 Agent」开对话

Dashboard 会自动从 .env 读取 LLM key（无需额外 export）。确保 IBKR Gateway 在线以获取实时数据。

4.（可选）自主调度

# crontab 示例（ET 时间，注意夏令时换算）
0 13 * * 1-5  cd ~/Desktop/TradeMind_Agent && python3 -m agent.loops.premarket_brief
30 20 * * 1-5 cd ~/Desktop/TradeMind_Agent && python3 -m agent.loops.daily_review

使用方式

Dashboard

页面 内容
Portfolio 顶部市场状态栏 + 注意力信号；事件时间线 + Agent Committee 主动建议卡；Market Trends（SPY/QQQ/SMH 归一化比较，1M~1Y）+ Market Regime（风险偏好/趋势/波动率/科技强弱/利率/广度 6 维评分）；实时市值 / 未实现盈亏 / 净 Delta / Theta；Market Exposure（多空美元敞口）；Greeks 当前值 + 7/30 日趋势 sparkline（缺数据时本地 BS 估算并标注）；逐仓位盈亏；P&L 历史
Wheel 从实时 option positions 派生 Wheel legs，按 DTE / IV / ITM / P&L 标记 OK、Watch、Risk，并复用 Portfolio 缓存快速加载
Intel Serenity 档案：按发帖时间排序，展示正文、中文解读、相关 ticker、细分行业、发帖基准价、最新价、至今涨跌幅；支持 HAR/JSON/TXT/截图导入
Trades 历史成交（Flex 导入），可按标的/类型筛选
Analytics 按持有期/时段的胜率、按标的的已实现盈亏
Thesis 交易假设日志：可新建、改状态（平仓/推翻/重开）
Settings 在线编辑 Guardrail 风控参数；LLM 配置说明
Showcase 项目演示页：讲清 Agent workflow、安全边界、工具协作和记忆层
🧠 Agent 右侧对话面板，自然语言调用全部 Agent 能力

Demo

发布演示材料放在 docs/demo。当前资产（2026-06-12，含市场驾驶舱）：

Portfolio · 事件时间线 + 建议中心 市场驾驶舱 · Trends + Regime
Portfolio cockpit Market cockpit
Wheel Serenity Intel
Wheel monitor Serenity archive
Showcase
Showcase page

重新生成全部 demo 资产（截图 + 视频，Playwright 无头浏览器，无需 macOS 录屏权限；先确保 dev server 在跑、API 缓存已预热）：

cd dashboard && node ../scripts/capture_demo_assets.mjs
# webm → mp4：
ffmpeg -i docs/demo/.video_tmp/page@*.webm -c:v libx264 -pix_fmt yuv420p docs/demo/trademind-demo.mp4

当前内置数据

  • Serenity 档案当前内置 2449 条记录，覆盖 2025-11-17 → 2026-06-09。
  • 采集记录为 append-only：手动上传、HAR/JSON/TXT 导入、浏览器采集都会入库，不覆盖旧记录。
  • 历史价格缓存写入 market_daily_prices，当前已补齐 2712 / 3586 个 ticker 引用的 baseline/current/since_pct。
  • 未补齐的多为非标准、海外或不可映射 ticker；后续可通过 symbol 映射表继续补全。
  • Serenity 数据是项目内置样本；未来新增推文需要使用者自行导入或运行采集流程。

Fresh clone 后恢复内置样本库：

python3 -m agent.loops.restore_seed_db
# 如果本地已有数据库且确认要覆盖：
# python3 -m agent.loops.restore_seed_db --force

Agent 对话示例

「分析 NVDA，我想卖一个 30 delta 的 short put」 「评估我当前组合的集中度和净 delta 是否偏高」 「TSLA 的 thesis 历史」 · 「给我今天的盘前简报」 · 「什么时候该 roll 一个 short put」

Agent 会调用实时数据 + 知识库 + 你的历史，给出带风险检查的结构化分析；涉及交易意图时强制跑 guardrail，并明确标注 requires_confirmation。

自定义 Agent

无需改代码，直接编辑这些文件：

改什么 编辑
Agent 人设 / 纪律 / 输出风格 agent/prompts/system.md（markdown，每次运行读取）
你的交易纪律知识库 agent/knowledge/*.md（Agent 会检索）
风控参数 Dashboard 的 Settings 页，或 rules 表
可调用的工具 agent/tool_registry.py（schema + handler 成对，加一个 Tool(...) 即可）
换 LLM / 模型 .env 的 OPENAI_MODEL / OPENAI_BASE_URL

知识库来源：IBKR skill 的 references/（McMillan/Overby 策略、greeks、wheel 机制）+ 本地 agent/knowledge/（你自己的规则）。

项目结构

TradeMind_Agent/
├── README.md                         # 项目说明、架构图、运行方式
├── WORKLOG.md                        # 工作日志；每次实质修改追加记录
├── requirements.txt                  # Python 依赖
├── agent/
│   ├── orchestrator.py               # LLM 编排循环；Responses API + tool calling
│   ├── tool_registry.py              # 工具 schema 与 handler 的单一注册表
│   ├── guardrail.py                  # 交易意图安全门禁；关键数据不可用时 fail-closed
│   ├── tools.py                      # IBKR 脚本 runner；缓存、并发、single-flight
│   ├── journal_store.py              # SQLite 记忆层访问：thesis / decisions / intel / reminders
│   ├── serenity_archive.py           # Serenity 帖子导入、清洗、ticker 提取
│   ├── agents/
│   │   ├── research.py               # quote / technicals / earnings
│   │   ├── risk.py                   # positions / Greeks / concentration
│   │   ├── strategy.py               # options strategy context
│   │   ├── serenity_lens.py          # Serenity 档案研究框架蒸馏
│   │   └── advisor.py                # Agent Committee 主动建议卡
│   ├── loops/
│   │   ├── premarket_brief.py        # 盘前简报
│   │   ├── intraday_monitor.py       # 盘中监控
│   │   ├── daily_review.py           # 日回顾
│   │   ├── backfill_serenity_prices.py # Serenity 历史价补齐，可重复运行
│   │   └── serenity_*                # Serenity 导入、HAR replay、Lens CLI
│   ├── db/
│   │   ├── schema.sql                # SQLite schema；运行时 DB 文件不建议直接提交
│   │   └── seed/trademind_seed.sqlite # 内置 Serenity 样本库，不含交易/决策/快照
│   ├── prompts/system.md             # 可编辑 Agent system prompt
│   └── knowledge/                    # 本地交易纪律知识库
├── dashboard/
│   ├── app/
│   │   ├── page.tsx                  # Portfolio cockpit + Agent Committee
│   │   ├── wheel/page.tsx            # Wheel Monitor
│   │   ├── intel/page.tsx            # Serenity 档案、Lens、导入界面
│   │   ├── showcase/page.tsx         # Demo / portfolio review 页面
│   │   └── api/                      # Next.js API：positions、wheel、intel、advisor、chat、
│   │                                 #   market/regime、risk/history、events...
│   ├── components/                   # Nav、Agent Chat、P&L history、市场驾驶舱组件
│   │   ├── MarketStatusBar.tsx       # §3.1 全局市场状态条
│   │   ├── MarketTrendChart.tsx      # §3.2 SPY/QQQ/SMH 归一化走势比较
│   │   ├── RegimeMatrix.tsx          # §3.2 市场环境矩阵（6 维度 + 综合置信度）
│   │   ├── GreeksTrend.tsx           # §3.3.3 Greeks 当前值 + 7/30 日变化 + 迷你趋势线
│   │   ├── EventTimeline.tsx         # §3.4 统一事件时间线（财报/到期/情报/风险）
│   │   └── AnimatedValue.tsx         # §6 KPI 数字切换动效（Motion）
│   └── lib/
│       ├── portfolioData.ts          # 共享 Portfolio dashboard TTL cache（含风险快照落库）
│       ├── wheel.ts                  # Wheel cards 纯函数转换
│       ├── portfolioMath.ts          # Black-Scholes Greeks 估算 + market exposure
│       ├── marketRegime.ts           # 市场环境评分纯函数（TDD）
│       ├── riskHistory.ts            # 风险趋势 delta + 集中度纯函数（TDD）
│       ├── events.ts                 # DashboardEvent 契约 + 各源 normalizer（TDD）
│       ├── *Data.ts                  # 各模块网络/SQLite 聚合层（TTL 缓存 + missing[] 降级）
│       └── intel.ts                  # ticker 中文名称与细分行业映射
└── tests/                            # pytest；当前 109 Python tests

开发

python3 -m pytest -q              # Python 测试
cd dashboard && npx tsc --noEmit  # 类型检查
cd dashboard && npm run lint       # ESLint
cd dashboard && npm run build     # 生产构建
node --test --experimental-strip-types dashboard/lib/*.test.ts

约定：多文件改动并行执行 + 独立 reviewer 验收；改完跑测试。版本变更见 WORKLOG.md。

常用维护命令

# 补齐 Serenity 发帖后的历史表现；可重复运行
python3 -m agent.loops.backfill_serenity_prices

# 只扫描前 N 条，适合验证行情源是否可用
python3 -m agent.loops.backfill_serenity_prices --limit 25

# 查看 Serenity 覆盖状态
curl -s http://localhost:3000/api/intel/collection | python3 -m json.tool

许可 / 免责

仅供个人研究与自用。使用本项目即表示你理解并接受上述全部风险提示。作者不对任何交易盈亏负责。

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

2 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages