首页 / LLM/Agent 研报

simonlin1212/Vibe-Research

LLM/Agent 研报★ 2,259↓ 2,259源:github-searchAI 相关

覆盖A股美股港股的个人投研Agent,集复盘、资讯、持仓与回测于一体

🧭 AI 判断

值得关注个人投研Agent功能齐全且维护活跃,但依赖自建Agent驱动,需自行评估数据与策略可靠性

基于 Codex Harness 的个人投研 Agent,覆盖复盘、资讯、持仓与回测全流程

适合专业量化策略研究AI AgentA股美股技术栈 Python上手中等活跃度
实用性 💰 开源免费GPU 不需要TypeScript最后提交 2 天前
为什么现在值得关注
  • 近2天热度 +27,当日热度在涨

📊 综合评分

8.4/10金融相关 · 核心金融工具A股美股港股投研Agent,含回测持仓复盘,直接服务投资决策
金融相关核心金融工具
热度2.3k★
实用性
活跃度最后提交 2 天前
上手难度中等
成本开源免费

📖 工具介绍

一款面向 A股/美股/港股 的个人投研 Agent,基于开源的 Codex Harness 打造。它提供每日复盘、资讯雷达、个股数据、板块中心、持仓管理与回测等功能,把数据和工具配齐后由用户自己的 Agent 驱动研究。适合希望搭建个人化投研工作流的投资者与开发者使用。

原版简介(英文)

Vibe-Research: Your Personal Trading Research Agent · A股/美股/港股 的个人投研 Agent:每日复盘、资讯雷达、个股数据、板块中心、我的持仓、研究记录、回测。Vibe-Research 把数据和功能配齐,由你自己的 Agent 驱动投资研究。基于开源的 Codex Harness 打造。

访问官网 ↗← 更多LLM/Agent 研报

⚖️ 同类对比

维度Vibe-ResearchTradingAgents-AShareVibe-TradingTradingAgents-MCPmode
结论值得关注值得关注推荐仅供研究
热度2.3k80432.1k335
适合人群专业量化专业量化专业量化开发者
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A股 / 美股A股多市场美股 / A股
技术栈PythonPythonPythonPython
上手难度中等中等中等中等
活跃度

🧩 更多同类工具

TradingAgents-AShare🔥 804

基于 TradingAgents 架构的 A 股多智能体投研系统,由 15 名 AI Agent 模拟机构分析师协作与辩论,投研流程全流程可视化,支持 OpenClaw / Claude Code 集成与 Docker 一键部署。适合想用 LLM/Agent 辅助 A 股研究的开发者和个人投资者。

↑+5·2天LLM/Agent 研报AI
Vibe-Trading🔥 32.1k

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。

↑+90·2天LLM/Agent 研报AI
TradingAgents-MCPmode🔥 335

一款基于多智能体协作的开源股票分析系统,集成 Model Context Protocol (MCP) 工具,通过多个专业化 Agent 分工完成市场分析、投资建议与风险评估,形成完整的交易决策流程。适合量化研究者、开发者及希望借助 LLM 辅助投资决策的投资者使用。

LLM/Agent 研报AI
LangAlpha🔥 1.7k

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。

LLM/Agent 研报AI
AI Quant Agents🔥 15

一款基于 Python 的多智能体 LLM 交易分析工具,由 12 个 AI Agent(分析师、辩论者、风控经理等)实时辩论股票选择,支持美股和 A 股。适合想用大模型辅助投资研究、观察多 Agent 协作决策流程的量化爱好者和开发者。

LLM/Agent 研报AI
FinMem-LLM-StockTrading🔥 956

一款基于大语言模型(LLM)的股票交易 Agent 框架,提出了 FinMem 方法。其核心特点是通过分层记忆机制(Layered Memory)和角色设定(Character Design)增强模型在交易决策中的表现,支持对历史市场信息的分层处理与遗忘。适合量化研究者和 LLM Agent 开发者用于研究、复现和改进基于大模型的交易策略。

↑+7·2天LLM/Agent 研报AI