knowledge-base/2 - Projects/Trading-Agents/Trading Agents 混合架构方案.md

---
created: "2026-03-21"
type: project
status: active
deadline: ""
tags: [trading, multi-agent, openclaw, openbb, architecture]
---

# Trading Agents 混合架构方案

## 目标

基于 [[TradingAgents 原始架构分析|TradingAgents]] 的多角色辩论架构，在现有 OpenClaw 环境上实现 AI 驱动的交易决策系统。数据层使用 [[openbb-invest-api]]（132+ 端点，K8s 部署），通过 OpenClaw 的 `sessions_spawn` 实现多 Agent 后台辩论。API 覆盖率 79%（104/132 端点）。

---

## 一、现有环境

| 组件 | 详情 |
|------|------|
| OpenClaw | v2026.2.13，`192.168.68.108`（yiukai-ubuntu），systemd 服务 |
| openbb-invest-api | K8s 集群，`invest-api.k8s.home`（`192.168.68.240:8000`） |
| 已有 Agent | 5 个 ds-* agent（主 Guild）+ 1 个 invest-analyst（Stock Guild） |
| 已有 Skill | `invest-api`（调用 openbb-invest-api） |
| 渠道 | Discord（6 bot）+ Telegram |
| 模型 | kimi-coding/k2p5（主），claude-opus-4-6-thinking（备选） |
| Agent 间通信 | ds-* 系列已启用，invest-analyst 独立 |
| Skill 开发 | 在本地 openbb-invest-api 仓库，deploy 脚本推送到远程 |

---

## 二、架构设计

### Agent 规划（新增 4 个 agent）

在现有 invest-analyst 基础上扩展，不影响 ds-* 系列：

| Agent ID | 角色 | 用途 | Discord 账户 |
|----------|------|------|-------------|
| `invest-analyst` (已有) | 编排者/裁判 | 调度分析、主持辩论、最终裁决 | invest-analyst (已有) |
| `invest-bull` (新) | 多方研究员 | 看多论证 | invest-bull (新 bot) |
| `invest-bear` (新) | 空方研究员 | 看空论证 | invest-bear (新 bot) |
| `invest-hawk` (新) | 激进风控 | 高风险高回报视角 | invest-hawk (新 bot) |
| `invest-dove` (新) | 保守风控 | 资产保护视角 | invest-dove (新 bot) |

> 复用 invest-analyst 作为编排者（已有 invest-api skill 和 Stock Guild 绑定）。
> 分析师做成 skill 而非独立 agent（省资源，数据采集不需要对话）。
> 只有需要"对话"的辩论角色才需要独立 agent。
> **经实测确认**：辩论 agent 通过 `sessions_spawn` 调用（@ mention 会导致无限循环，`sessions_send` 会 gateway 死锁，详见 [[Trading Agents 调试与优化记录]]）。
> 辩论 agent 的 Discord 已禁用（`enabled: false`），不在频道输出，只在后台运行。

### 通信模式（最终确认）

```
用户: /trade-analyze NVDA
         │
         v
  invest-analyst (编排者)
         │
         ├── exec curl 收集 4 类数据（technical, metrics, sentiment, macro）
         │
         ├── sessions_spawn → invest-bull（Bull Case）
         │   等待 announce → Bull 结果返回
         │
         ├── sessions_spawn → invest-bear（Bear Case，附带 Bull 论点）
         │   等待 announce → Bear 结果返回
         │
         ├── sessions_spawn → invest-bull（Final Rebuttal）
         │   等待 announce → Bull 最终反驳返回
         │
         ├── sessions_spawn → invest-hawk（激进风控评估）
         │   等待 announce → Hawk 结果返回
         │
         ├── sessions_spawn → invest-dove（保守风控评估）
         │   等待 announce → Dove 结果返回
         │
         └── 综合所有结果 → 最终 BUY/SELL/HOLD 裁决
              只有 invest-analyst 输出到 Discord
```

### 为什么不用群聊辩论

OpenClaw Multi-Agent Group Chat [尚未实现](https://github.com/openclaw/openclaw/issues/18869)。即使实现了，`sessions_send` 方案也更优：

| 维度 | 群聊辩论 | sessions_send 辩论 |
|------|---------|-------------------|
| 流程控制 | 混乱，谁先说不确定 | 结构化，轮次可控 |
| 循环风险 | 高（可能死循环） | 无（maxPingPongTurns 硬限制） |
| 上下文 | 所有人共享一个上下文窗口 | 每个 agent 独立上下文，更专注 |
| Token 成本 | N 个 agent × 完整群聊历史 | 仅辩论双方共享必要上下文 |
| 当前可用性 | ❌ 未实现 | ✅ 已可用 |

### 学术依据

- [ICLR 2025 MAD 研究](https://d2jud02ci9yv69.cloudfront.net/2025-04-28-mad-159/blog/mad/)：**异构 agent + 结构化拓扑**效果最好
- [Adaptive HMAD](https://link.springer.com/article/10.1007/s44443-025-00353-3)：异构辩论准确率高 4-6%，事实错误减少 30%+
- 无结构多 agent 网络会放大错误达 17.2 倍

---

## 三、openbb-invest-api 数据覆盖

> openbb-invest-api 已完全覆盖 TradingAgents 所有数据需求，且更丰富。

| TradingAgents 数据需求 | openbb-invest-api 端点 | 额外优势 |
|---|---|---|
| 股票行情 OHLCV | `/stock/{s}/historical` | ✅ |
| 技术指标 (RSI, MACD, BB, ATR) | `/stock/{s}/technical/*` | 14种 + Ichimoku, Fibonacci |
| 基本面 (财报、资产负债表) | `/stock/{s}/financials`, `/metrics` | ✅ |
| 公司新闻 | `/stock/{s}/news` | ✅ |
| 宏观新闻 | `/macro/overview`, `/economy/*` | CPI, GDP, FOMC 等 |
| 内幕交易 | `/stock/{s}/insider-trades` | ✅ |
| 情感分析 | `/stock/{s}/sentiment` | 多源复合 (Finnhub+AV+Reddit) |

### 独有数据（TradingAgents 没有）

- 做空数据 `/shorts/*` — 空头量、FTD、暗池
- 期权数据 `/market/options/*` — Greeks、IV
- 固收数据 `/fixed-income/*` — 收益率曲线、SOFR
- DeFi 数据 `/defi/*` — TVL、收益池
- A股/港股 `/cn/*` — 实时行情 + 历史
- 投资组合 `/portfolio/*` — HRP、风险平价、t-SNE 聚类
- 回测 `/backtest/*` — SMA/RSI/动量策略

---

## 四、实现步骤

### Phase 0：环境准备（SSH 远程操作）

1. **升级 OpenClaw**: `npm install -g openclaw@latest` (2026.2.13 → 2026.3.13)
2. **创建 4 个 Discord bot**: invest-bull, invest-bear, invest-hawk, invest-dove
   - 加入 Stock Guild (`1479926167141355560`)，开启 Message Content Intent
3. **创建 4 个 agent workspace**:
   ```bash
   openclaw agents add invest-bull --workspace ~/.openclaw/workspace-invest-bull
   openclaw agents add invest-bear --workspace ~/.openclaw/workspace-invest-bear
   openclaw agents add invest-hawk --workspace ~/.openclaw/workspace-invest-hawk
   openclaw agents add invest-dove --workspace ~/.openclaw/workspace-invest-dove
   ```
4. **更新 openclaw.json**: agent list、Discord accounts、bindings、agentToAgent allow、maxPingPongTurns: 5

### Phase 1：分析师 Skills

在 openbb-invest-api 仓库的 `openclaw-skills/` 目录开发，部署到 invest-analyst workspace。

| Skill | 调用的 API 端点 | 输出 |
|-------|----------------|------|
| market-analysis | `/stock/{s}/historical`, `/technical/composite`, `/technical/ichimoku` | 技术趋势、动量、波动率 |
| fundamental-analysis | `/stock/{s}/metrics`, `/financials`, `/price-targets`, `/upgrades` | 估值、成长性、分析师共识 |
| sentiment-analysis | `/stock/{s}/sentiment`, `/insider-trades`, `/reddit/trending` | 多源情感、内幕交易动向 |
| macro-analysis | `/macro/overview`, `/fixed-income/yield-curve`, `/economy/cpi`, `/shorts/volume` | 宏观环境、利率、做空压力 |

API 基础 URL: `http://invest-api.k8s.home:8000/api/v1`

### Phase 2：辩论者 SOUL.md

| Agent | 人格 | 行为 |
|-------|------|------|
| invest-bull | 坚定的价值发现者 | 引用数据看多，承认风险但强调上行空间 |
| invest-bear | 谨慎的风险猎手 | 引用数据看空，质疑乐观假设 |
| invest-hawk | 积极进取的交易者 | 更大仓位、更紧止损、积极入场 |
| invest-dove | 稳健的资产守护者 | 分批建仓、更宽止损、保守仓位 |

### Phase 3：编排 Skill（trade-analyze）

`trade-analyze/SKILL.md` 核心编排逻辑（使用 `sessions_spawn`）：
1. `curl` 收集 8 类数据（summary, technical, sentiment, macro, upgrades, shorts, CAPM, Sortino）
2. `sessions_spawn` → invest-bull（Bull Case，等待 announce）
3. `sessions_spawn` → invest-bear（Bear Case，等待 announce）
4. `sessions_spawn` → invest-bull（Final Rebuttal，等待 announce）
5. `sessions_spawn` → invest-hawk（激进风控，等待 announce）
6. `sessions_spawn` → invest-dove（保守风控，等待 announce）
7. 综合裁决 → BUY/SELL/HOLD + 仓位 + 止损 + 理由
8. 存入 `memory/YYYY-MM-DD.md`

### Phase 4：记忆 + 复盘

- 每次决策存 `memory/YYYY-MM-DD.md`（决策、置信度、价格、理由、辩论要点）
- `MEMORY.md` 持久存储（持仓、胜率、教训）
- 每周 cron 复盘：对比预期 vs 实际收益，更新教训

### Phase 5：优化 + 扩展（✅ 已完成）

- ✅ 做空/暗池数据已加入 sentiment-analysis
- ✅ 量化统计层已加入 fundamental-analysis（normality, unitroot, rolling skew/kurtosis）
- ✅ 新增 portfolio-review skill（HRP 优化、相关性、聚类、相似度搜索）
- ✅ 新增 strategy-backtest skill（SMA/RSI/买入持有/动量回测）
- ✅ API 覆盖率从 19% 提升到 79%
- 待办：日报集成 trade-analyze 结果

---

## 五、配置变更清单

### openclaw.json 变更

```json5
{
  agents: {
    list: [
      // ... 现有 6 个保持不变 ...
      { id: "invest-bull", workspace: "~/.openclaw/workspace-invest-bull" },
      { id: "invest-bear", workspace: "~/.openclaw/workspace-invest-bear" },
      { id: "invest-hawk", workspace: "~/.openclaw/workspace-invest-hawk" },
      { id: "invest-dove", workspace: "~/.openclaw/workspace-invest-dove" }
    ]
  },
  tools: {
    agentToAgent: {
      enabled: true,
      allow: [
        "ds-commander", "ds-strategist", "ds-builder", "ds-creator", "ds-guardian",
        "invest-analyst", "invest-bull", "invest-bear", "invest-hawk", "invest-dove"
      ]
    }
  },
  session: { agentToAgent: { maxPingPongTurns: 5 } },
  channels: {
    discord: {
      accounts: {
        // ... 现有 6 个保持不变 ...
        "invest-bull": { token: "BOT_TOKEN_BULL" },
        "invest-bear": { token: "BOT_TOKEN_BEAR" },
        "invest-hawk": { token: "BOT_TOKEN_HAWK" },
        "invest-dove": { token: "BOT_TOKEN_DOVE" }
      }
    }
  },
  bindings: [
    // ... 现有保持不变 ...
    { agentId: "invest-bull", match: { channel: "discord", accountId: "invest-bull" } },
    { agentId: "invest-bear", match: { channel: "discord", accountId: "invest-bear" } },
    { agentId: "invest-hawk", match: { channel: "discord", accountId: "invest-hawk" } },
    { agentId: "invest-dove", match: { channel: "discord", accountId: "invest-dove" } }
  ]
}
```

---

## 六、文件清单

### 本地开发（openbb-invest-api 仓库）

```
openclaw-skills/
├── trade-analyze/SKILL.md        # 主编排 skill
├── market-analysis/SKILL.md      # 技术分析 skill
├── fundamental-analysis/SKILL.md # 基本面分析 skill
├── sentiment-analysis/SKILL.md   # 情感分析 skill
├── macro-analysis/SKILL.md       # 宏观环境分析 skill
├── souls/
│   ├── invest-bull.md            # Bull SOUL.md
│   ├── invest-bear.md            # Bear SOUL.md
│   ├── invest-hawk.md            # Hawk SOUL.md
│   └── invest-dove.md            # Dove SOUL.md
├── agents/
│   ├── invest-bull.md            # Bull AGENTS.md
│   ├── invest-bear.md            # Bear AGENTS.md
│   ├── invest-hawk.md            # Hawk AGENTS.md
│   └── invest-dove.md            # Dove AGENTS.md
└── deploy.sh                     # SCP 部署脚本
```

### 部署脚本

```bash
#!/bin/bash
REMOTE="yiukai@192.168.68.108"
CLAW="~/.openclaw"

# Skills → invest-analyst workspace
for s in trade-analyze market-analysis fundamental-analysis sentiment-analysis macro-analysis; do
  scp -r "openclaw-skills/$s" "$REMOTE:$CLAW/workspace-invest-analyst/skills/"
done

# SOUL.md + AGENTS.md → 各辩论 agent workspace
for a in invest-bull invest-bear invest-hawk invest-dove; do
  scp "openclaw-skills/souls/$a.md" "$REMOTE:$CLAW/workspace-$a/SOUL.md"
  scp "openclaw-skills/agents/$a.md" "$REMOTE:$CLAW/workspace-$a/AGENTS.md"
done

ssh $REMOTE "openclaw gateway restart"
```

---

## 七、验证方案

1. **网络连通**: SSH → `curl http://invest-api.k8s.home:8000/health`
2. **单个 Skill**: Discord `/market-analysis NVDA` → 技术分析报告
3. **辩论 Ping-Pong**: `sessions_send` invest-bull → ping-pong invest-bear
4. **完整流程**: `/trade-analyze AAPL` → 4 报告 + 辩论 + 裁决
5. **回归检查**: invest-analyst 日报 cron + ds-* agents 正常

---

## 八、风险与应对（Review 发现）

### 风险 1：sessions_send 消息回声 Bug

[Issue #7804](https://github.com/openclaw/openclaw/issues/7804)：`sessions_send` 的 A2A flow 会把 assistant 回复作为新的 `role=user` 消息回注，导致 agent 看到自己的输出并再次回复，形成混乱循环。

> **应对**：在辩论 agent 的 AGENTS.md 中加入明确指令——如果收到的消息与自己上一条回复内容相同，回复 `REPLY_SKIP` 终止循环。升级 OpenClaw 到最新版后此问题可能已修复。

### 风险 2：Token 成本失控

每次完整辩论 = 4 次分析 + 6-10 轮辩论 + 4-6 轮风控 + 裁决 ≈ **15-20 次 LLM 调用**。[研究显示](https://sparkco.ai/blog/optimize-llm-api-costs-token-strategies-for-2025)输出 token 价格是输入的 4-8 倍。

> **应对**：
> - 分析 skill 要求 LLM 输出**结构化 JSON**（[省 15% token](https://sparkco.ai/blog/optimize-llm-api-costs-token-strategies-for-2025)）
> - 辩论 agent SOUL.md 加入字数限制（每轮 300-500 字）
> - 风控辩论设 `maxPingPongTurns: 3`（风控观点 2-3 轮即收敛）
> - 当前所有 agent 统一使用 kimi-coding/k2p5，后续可考虑分析师用便宜模型、辩论用强模型

### 风险 3：Agent Stuck 导致流程卡死

知识库记录 invest-analyst 曾出现 stuck 并被 health-monitor 重启。如果辩论 agent stuck，整个流程会卡住。

> **应对**：
> - `sessions_send` 使用 `timeoutSeconds` 参数（建议 120s）
> - 超时后跳过辩论，直接基于分析报告出裁决
> - 输出中标注"⚠️ 辩论未完成，置信度降低"
> - 依赖 OpenClaw health-monitor 自动重启 stuck agent

### 最佳实践参考

- [Hub-and-Spoke 优于 Mesh](https://www.onabout.ai/p/mastering-multi-agent-orchestration-architectures-patterns-roi-benchmarks-for-2025-2026)：中心编排者模式在生产环境更可预测、更易调试
- [3-7 个 Agent 最佳](https://dev.to/eira-wexford/how-to-build-multi-agent-systems-complete-2026-guide-1io6)：低于 3 个不需要多 agent，高于 7 个协调开销超过收益
- [异构 Agent 效果更好](https://link.springer.com/article/10.1007/s44443-025-00353-3)：不同角色用不同人格和模型，比同构 agent 准确率高 4-6%
- [结构化输出优于散文](https://tradingagents-ai.github.io/)：JSON 报告比自然语言更高效传递信息

---

## 九、与 TradingAgents 的差异

| 维度 | TradingAgents (LangGraph) | OpenClaw 混合架构 |
|------|---|---|
| 编排 | 显式状态机，条件路由 | sessions_spawn + sessions_send |
| 并行 | 4 分析师真并行 | Skill 串行（分析师不需要并行，数据采集很快） |
| 辩论 | 多轮循环，独立 LLM 调用 | ping-pong 机制，最多 5 轮 |
| 记忆 | 自建 BM25 | OpenClaw 内建（BM25 + 向量 + 时间衰减） |
| 数据 | yfinance 直调 | openbb-invest-api（133+ 端点） |
| 交互 | 纯 CLI/API | Discord/Telegram 直接对话 |

---

## Related

- [[TradingAgents 原始架构分析]]
- [[Trading Agents 部署记录]]
- [[Trading Agents 调试与优化记录]]
- [[openbb-invest-api]]
- [[OpenClaw 部署配置分析]]
- [[OpenClaw Stock Agent 配置详情]]