Files

Yaojia Wang 605ca8e16c vault: update Trading Agents with WebSocket fix, sessions_spawn solution, and final verification

2026-03-21 16:57:25 +01:00

15 KiB

Raw Blame History

created, type, status, deadline, tags

created

type

status

deadline

Trading Agents 混合架构方案

目标

基于 TradingAgents 原始架构分析的多角色辩论架构，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（133+ 端点，K8s 部署），通过 OpenClaw 的 sessions_spawn + sessions_send 混合架构实现多 Agent 辩论。

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。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：异构 agent + 结构化拓扑效果最好
Adaptive HMAD：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）

升级 OpenClaw: npm install -g openclaw@latest (2026.2.13 → 2026.3.13)
创建 4 个 Discord bot: invest-bull, invest-bear, invest-hawk, invest-dove
- 加入 Stock Guild (1479926167141355560)，开启 Message Content Intent

创建 4 个 agent workspace:

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

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：

执行 4 个分析 skill → 4 份报告
sessions_send → invest-bull，ping-pong 到 invest-bear（3-5 轮）
sessions_send → invest-hawk，ping-pong 到 invest-dove（2-3 轮）
综合裁决 → BUY/SELL/HOLD + 仓位 + 止损 + 理由
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

加入做空/期权/DeFi 数据
日报集成（纳入现有 daily-invest-briefing cron）
回测验证 agent 决策历史表现

五、配置变更清单

openclaw.json 变更

{
  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

#!/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

网络连通: SSH → curl http://invest-api.k8s.home:8000/health
单个 Skill: Discord /market-analysis NVDA → 技术分析报告
辩论 Ping-Pong: sessions_send invest-bull → ping-pong invest-bear
完整流程: /trade-analyze AAPL → 4 报告 + 辩论 + 裁决
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：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）

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）

分析师用便宜模型（Haiku），辩论用强模型（Opus/Sonnet）

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：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：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：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：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

15 KiB Raw Blame History Unescape Escape