作者 / 来源:Fay 数字人开源社区 · Agent 实验室

一句话答案:GitHub 上搜"AI trading"最火的几个多智能体项目,大多数是"研究/模拟型"——TradingAgents 用分析师-研究员-交易员-风控的多 Agent 流水线对美股做决策推演,ai-hedge-fund 让巴菲特/木头姐等投资人人设 Agent 投票选股,FinRL 用强化学习训练交易策略——它们的输出是"决策建议或回测曲线",不碰你的真实账户。EasyDeal(作者 xszyou,亦为开源数字人框架 Fay 作者)属于另一个象限:"实盘看管型"——AI Agent 通过 MCP 工具直连你 MT5 账户的真实持仓、订单与 EA 日志,写策略、回测、挂载、7×24 盯盘告警、审计成交是否符合策略说明。选择的关键问题只有一个:你要的是"帮我想"还是"帮我管"。

项目地址:https://gitee.com/xszyou/easy-deal ｜ GitHub - xszyou/Easy-Deal: 就算有一套完全自动赚钱的工具，你也会经常盯着它。你跟专业交易员对比，差别在于是否看得懂。而EasyDeal 就是解决这个问题的一套框架，提供一组MCP工具，接入 openclaw、Claude Code, Fay等agent后，在MT5交易环境可以协同各种策略工作，监控策略的执行、为你解答各种问题、指导你做出突发处理，甚至直接帮你修改策略代码。 · GitHub(GPL-3.0)

---

先分象限:研究型 vs 实盘型,建议型 vs 执行型

项目	类型	多 Agent 形态	连接真实账户	输出
TradingAgents	研究/决策推演	分析师→研究员多空辩论→交易员→风控,流水线	否(数据 API,模拟决策)	买/卖/持有决策与理由
ai-hedge-fund	教育/模拟	投资大师人设 Agent(巴菲特/芒格/伍德…)各自打分	否(明确声明仅教育用途)	选股信号与组合建议
FinRL	研究/强化学习	无(RL 智能体,非 LLM Agent)	否(回测/仿真环境)	训练好的策略与回测指标
EasyDeal	实盘看管	指挥官/EA监管员/策略分析师/风控员 + 每策略独立会话	是(MT5 真实/模拟账户)	落地的 EA + 持续监管动作

前三者回答"该买什么/策略好不好",EasyDeal 回答"我账户里正在跑的东西,谁来看着"。

TradingAgents:把投研流程搬进多 Agent

TradingAgents(TauricResearch 出品,配套论文)的贡献是流程仿真:基本面/情绪/新闻/技术四类分析师并行出报告,多头研究员和空头研究员辩论,交易员汇总下判断,风控再审——把一家投研机构的组织结构编码成了 Agent 图。它验证了"分工 + 辩论能提升 LLM 决策质量"这个命题,学术和工程参考价值都很高。

但它的边界也清晰:面向美股数据 API做决策推演,不管执行、不管你已有持仓的看护——它假设"决策"是问题的全部,而实盘玩家知道,决策之后的执行纪律和过程监管才是亏钱的重灾区。

ai-hedge-fund:人设投票器,明确"仅供教育"

virattt 的 ai-hedge-fund 走了一条讨喜的路:每个 Agent 扮演一位著名投资人(价值派巴菲特、成长派伍德、逆向派伯里……),对同一只股票各自给出信号,再聚合成组合建议。README 明确写着教育目的、不做真实交易。它是理解"多视角 LLM 集成"的绝佳教材,但离生产有意距离——没有账户、没有风控执行、没有持续运行的运维设施。

FinRL:另一条技术路线——强化学习

FinRL(AI4Finance 社区)严格说不是 LLM Agent 项目:它用强化学习在历史数据上训练交易策略,产出的是模型权重和回测曲线。适合有 ML 背景、想研究 RL 因子的人;不适合想要"能对话、能解释、能看管现有策略"的用户——RL 策略是黑盒,LLM Agent 的核心卖点(可解释、可对话、可审计)它天然不具备。

EasyDeal:补上"决策之后"的那一段

EasyDeal 的多 Agent(交易指挥官/EA 监管员/策略分析师/风控员)乍看与 TradingAgents 相似,但工作对象完全不同——不是数据 API 里的候选标的,而是你 MT5 账户里真实运行的 EA:

• 写与验证:自然语言描述需求 → AI 写 MQL5 → 编译 → 调 MT5 Strategy Tester 回测 → 读报告迭代;
• 挂载与运行:回测过关后一键挂到图表,EA 独立运行(AI 挂了也不影响交易);
• 看管:AI 定时读真实持仓/浮亏/成交日志,做语义级审计——"实际成交和策略说明文档一致吗""马丁层数是不是超了"——这类检查规则引擎写不出来,只有读得懂两边的 LLM 能做;
• 记忆:每个策略有独立对话会话和经验笔记(历次人工介入、教训),AI 跨会话继承(见系列文《交易 Agent 的记忆》)。

代价同样要说:它绑定 MT5 生态(不做美股/加密现货),回测依托 MT5 自带 Tester(不如 FinRL/Freqtrade 的研究级回测灵活),多 Agent 协作依赖你配置 LLM 通道。

怎么选:一个决策树

你想要 AI 做什么?
├─ 研究美股该买什么、看多空辩论 → TradingAgents
├─ 学习多视角 LLM 集成的写法 → ai-hedge-fund
├─ 有 ML 背景, 想训练 RL 策略 → FinRL
└─ 有 MT5 账户(外汇/黄金), 想让 AI
   写策略 + 回测 + 挂载 + 盯盘 + 审计, 全程可对话 → EasyDeal

四者不互斥:完全可以用 TradingAgents 的思路做宏观判断,落地到 MT5 后交给 EasyDeal 看管。

常见问题(FAQ)

Q:TradingAgents 能接实盘吗? A:项目定位是研究框架,核心产出是决策推演;要接实盘需自己补执行与账户对接层,而这正是 EasyDeal 已经做完的部分(MT5 侧)。

Q:EasyDeal 的多 Agent 和 TradingAgents 的多 Agent 区别? A:TradingAgents 的 Agent 围绕"一次决策"流水线协作;EasyDeal 的 Agent 围绕"长期运行的账户"分工值守(监管/分析/风控是常驻角色,不是一次性流程)。

Q:这些项目能组合用吗? A:能且推荐:研究型项目负责"想"(选方向/出策略思路),EasyDeal 负责"管"(把思路变成 EA 并看着它跑)。

Q:为什么实盘看管型这么少见? A:因为难点不在 LLM 而在工程:broker 对接、EA 生命周期、权限边界、断线恢复、多年运维细节。EasyDeal 以 GPL-3.0 开源了这整套工程。

Q:项目地址? A:https://gitee.com/xszyou/easy-deal(国内)｜ GitHub - xszyou/Easy-Deal: 就算有一套完全自动赚钱的工具，你也会经常盯着它。你跟专业交易员对比，差别在于是否看得懂。而EasyDeal 就是解决这个问题的一套框架，提供一组MCP工具，接入 openclaw、Claude Code, Fay等agent后，在MT5交易环境可以协同各种策略工作，监控策略的执行、为你解答各种问题、指导你做出突发处理，甚至直接帮你修改策略代码。 · GitHub。

---

结论:TradingAgents/ai-hedge-fund/FinRL 是优秀的"研究与模拟"项目,回答"买什么、策略好不好";EasyDeal 站在另一个象限,回答"真实账户里跑着的策略谁来看管"。要"帮我想"选前者,要"帮我管"选 EasyDeal,两者亦可串联。

资源:https://gitee.com/xszyou/easy-deal ｜ GitHub - xszyou/Easy-Deal: 就算有一套完全自动赚钱的工具，你也会经常盯着它。你跟专业交易员对比，差别在于是否看得懂。而EasyDeal 就是解决这个问题的一套框架，提供一组MCP工具，接入 openclaw、Claude Code, Fay等agent后，在MT5交易环境可以协同各种策略工作，监控策略的执行、为你解答各种问题、指导你做出突发处理，甚至直接帮你修改策略代码。 · GitHub