moss-site/moss-trade-bot-skills
✨ 用自然语言生成趋势、动量、量能、风险五支柱交易策略,支持自进化托管
🧭 AI 判断
仅供研究托管式自进化LLM交易代理,策略黑盒不可控,维护情况未知,实盘风险高
用自然语言驱动五支柱策略的LLM交易Agent,主打自进化与可配置托管
📊 综合评分
📖 工具介绍
一款基于 LLM 的交易 Agent 工具，可将自然语言描述转化为五大支柱策略：Trend、Mean-Reversion、Momentum、Volume 和 Risk。每个策略支持托管运行、自我演进与配置调整。适合希望通过自然语言快速构建和迭代量化交易策略的开发者与研究者使用。
LLM-powered trading agents that turn plain natural language into a five-pillar strategy: Trend, Mean-Reversion, Momentum, Volume, and Risk. Each strategy is hosted, self-evolving, configurable through
⚖️ 同类对比
| 维度 | moss-trade-bot-skills | TradingAgents | Vibe-Trading | awesome-trading-agents |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 推荐 | 值得关注 |
| 热度 | 381 | 101.9k | 32.1k | 438 |
| 适合人群 | 开发者 | 开发者 | 专业量化 | 开发者 |
| 主要用途 | 策略研究 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent |
| 支持市场 | 多市场 | 多市场 | 多市场 | 多市场 |
| 技术栈 | 未知 | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 低 | 高 | 高 | 低 |
🧩 更多同类工具
一个基于多智能体 LLM 的金融交易框架，将分析师、研究员、交易员、风控等角色建模为协作的 AI Agent,模拟真实投研流程来辅助交易决策。适合量化研究者与开发者学习、复现多 Agent 金融系统，或将其作为 LLM 应用于投研的实验基础。
一款由 HKUDS 开源的 AI 量化交易 Agent 项目，定位为“个人交易智能体”。它基于 LLM 驱动，可辅助用户进行市场分析、策略研究与交易决策流程的自动化。适合对量化交易和 LLM/Agent 应用感兴趣的开发者与研究者参考使用。
一个由 LLMQuant 维护的精选资源清单，收录基于 LLM 的 trading agents、MCP servers 及 agent skills 相关项目。内容覆盖市场研究、策略开发与交易执行等环节，并持续更新。适合关注 LLM 与量化交易结合的研究者和开发者查阅使用。
一款面向金融市场的 AI Agent 工具，定位类似“金融领域的 Claude Code”。它基于大语言模型，支持通过自然语言驱动投研分析、市场数据处理等工作流。适合量化研究员、分析师及希望用 LLM 辅助金融研究的开发者使用。
一款基于 Qwen3.5 架构的金融领域 GGUF 格式量化模型，使用 llama.cpp 生态，训练数据来自 GLM-5.2-Finance-80000x 金融数据集。模型经 unsloth 处理，可在本地高效部署推理。适合需要本地运行金融文本分析、研报解读任务的量化研究者和开发者。
基于 Qwen3-4B 的 GGUF 格式量化模型,主打交易策略审视(skeptic)场景,可在 llama.cpp 等本地推理框架中运行。它能以批判性视角分析交易策略的逻辑与风险点,适合量化研究者、策略开发者在本地部署使用。