基于 LLM 多 Agent 协作的 A 股全自动交易系统。覆盖盘前分析 → 盘中监控 → 信号生成 → 风控审批 → 交易执行 → 盘后复盘全链路，通过飞书推送消息，用自然语言交互。
在 魔兽/.env 中填入以下凭证：
# LLM API（选择 DeepSeek 或 Anthropic）
ANTHROPIC_BASE_URL=https://api.deepseek.com/anthropic
ANTHROPIC_AUTH_TOKEN=sk-your-key-here
# 飞书应用凭证（用于 Bot 收发消息 + 推送通知）
FEISHU_APP_ID=cli_xxxxxxxxxxxx
FEISHU_APP_SECRET=xxxxxxxxxxxxxxxxxxxxxxxx
FEISHU_CHAT_ID=oc_xxxxxxxxxxxx # 推送目标群 ID如果只有 Webhook（无 Bot 凭证），可只配
FEISHU_WEBHOOK_URL，但 Bot 的交互式回复功能不可用。
cd 魔兽
# 安装项目自身（推荐可编辑模式）
pip install -e .# 一键启动飞书全栈服务（推荐）
python -m managed_agents.main feishu启动后系统会自动运行：
- 飞书 Bot 24h 在线 — 随时在群里发消息问行情，Bot 自动回复
- 交易日 09:00~15:05 — 调度器 + 哨兵自动开启，盘后自动休眠
无需任何额外操作。只要配置正确，系统会在盘中自动推送：
飞书群中收到一条汇总消息，包含：
📊 昨日复盘 — 持仓回顾、盈亏总结
🌙 外围市场 & 盘前简报 — 美股/A50/港股期货表现
🔥 今日题材 — TOP5 热点板块
📈 机会板块 — 置信度达标的可买入板块
📝 交易策略 — LLM 基于热点生成的策略建议
💼 仓位规划 — 今日仓位目标、行业配置
当系统扫描到强势板块（≥3 只涨停/大涨股）时，立即推送：
📈 机会板块:
🟢 算力 置信度60% (4只涨停)
🟢 PCB 置信度55% (3只涨停)
触发自动链路：推送 → 风控审查 → 交易员执行（如已配置）。
每 120 秒扫描一次，发现以下异动立即推送：
| 异动类型 | 告警级别 |
|---|---|
| 大盘跳水（上证/深成指/创业板/科创50/沪深300）≥2% | 🔴 紧急 |
| 大盘跌幅 ≥1.5%（上证） | 🟡 关注 |
| 北向资金快速流入/流出 ≥20 亿 | 🟡 关注 |
| 北向累计流入/流出 ≥50 亿 | 🔴 紧急 |
| 快讯含"突发/紧急/暴涨/暴跌/熔断"关键词 | 🔴 紧急 |
在飞书群中发消息，Bot 自动回复，回复基于实时数据：
用户: 今天什么板块最强？
Bot: 目前热点前5：
• 算力(8只涨停) 半导体(5只涨停) PCB(4只涨停)
北向资金: 沪股通+12.3亿 深股通+8.7亿 合计+21.0亿
用户: 帮我分析一下 600519
Bot: [输出实时行情 + 技术指标 + 板块对比分析...]
用户: 在吗 / 好的 / 谢谢
Bot: [简短回复，不啰嗦]
09:00 ─ 盘前
Morning Analyst → 生成盘前简报（外围市场/重磅消息/热点预判）
Researcher Trader → 扫描题材 + 生成买入信号
Portfolio Manager → 制定仓位计划
09:30~15:00 ─ 盘中（每5分钟）
Researcher Trader → 扫描热点 + 生成信号
↓ 有合格信号
Risk Officer → 风控审查
↓ 审批通过
Day Trader → 执行交易
15:00~16:00 ─ 盘后
Portfolio Manager → 复盘总结（次日盘前推送）
Agent 之间通过文件消息总线交换数据，方便调试和审计：
| 频道 | 数据流向 | 用途 |
|---|---|---|
from_researcher |
研究员 → 风控官 | 交易信号 |
from_risk_officer |
风控官 → 交易员 | 审批结果 |
from_trader |
交易员 → 所有人 | 执行结果 |
portfolio_plan |
操盘手 → 研究员 | 仓位计划 |
alerts |
任何人 → 用户 | 告警 |
Agent 决策链回测 — 在历史数据上重放完整 Agent 决策过程，评估信号质量：
# 单日回测
python -m managed_agents.main backtest run --date 2026-05-15
# 自定义股票池
python -m managed_agents.main backtest run --date 2026-05-15 --pool 600519 000858 300750
# 批量回测（多日）
python -m managed_agents.main backtest batch --start 2026-05-10 --end 2026-05-15传统策略回测 — 6 种内置策略，确定性回测（无 LLM 依赖）：
python -m astock_trade.cli backtest run 600519 --strategy ma_crossover --cash 100000
python -m astock_trade.cli backtest compare 600519
python -m astock_trade.cli backtest batch 600519 000858 002230 --strategy triple_filter| 规则 | 类型 | 触发动作 |
|---|---|---|
| ST/*ST 股票 | 硬限制 | 拒绝交易 |
| 单只持仓 > 总资产 20% | 硬限制 | 拒绝交易 |
| 总仓位 > 70% | 硬限制 | 拒绝交易 |
| 日内回撤 > 5% | 硬限制 | 停止所有交易 |
| 连续止损 3 次 | 硬限制 | 暂停交易 30 分钟 |
| 单笔交易 > 总资产 10% | 软限制 | 警告 |
| 累计亏损 > 15% | 熔断 | 暂停交易 30 分钟 |
python -m managed_agents.main feishu # 飞书全栈（推荐）
python -m managed_agents.main sentinel --interval 120 # 仅哨兵python -m managed_agents.main researcher analyze 600519 # 个股分析
python -m managed_agents.main strategist briefing # 生成早报
python -m managed_agents.main strategist review # 收盘复盘python -m astock_data.cli signal hotspot --sectors # 热点板块
python -m astock_data.cli signal northbound # 北向资金
python -m astock_data.cli news flash -n 10 # 最新快讯
python -m astock_trade.cli status # 系统状态
python -m astock_trade.cli status --health # 健康检查
python -m astock_trade.cli journal query --start 2026-05-22 --end 2026-05-22 # 交易记录python -m managed_agents.main session create researcher "分析贵州茅台" # 创建
python -m managed_agents.main session run <id> # 执行
python -m managed_agents.main session list # 列表
python -m managed_agents.main session status <id> # 状态
python -m managed_agents.main session resume <id> "继续分析" # 恢复魔兽/
├── managed_agents/ # Agent 系统
│ ├── main.py # CLI 入口 + 飞书全栈启动
│ ├── config.py # 全局配置
│ ├── agents/
│ │ ├── base.py # Agent 基类
│ │ ├── registry.py # 注册中心（单例）
│ │ └── roles/
│ │ ├── sentinel.py # 哨兵 — 实时盯盘异动预警
│ │ ├── morning_analyst.py # 盘前分析师 — 生成晨报
│ │ ├── researcher_trader.py # 量化研究员 — 扫描 + 信号生成
│ │ ├── risk_officer.py # 风控官 — 交易审批
│ │ ├── day_trader.py # 交易员 — 下单执行
│ │ └── portfolio_manager.py # 操盘手 — 仓位管理 + 复盘
│ ├── orchestra/
│ │ ├── scheduler.py # 交易时段调度器
│ │ └── coordinator.py # Agent 工作流编排
│ ├── utils/
│ │ ├── notifier.py # 飞书通知引擎
│ │ └── feishu_bot.py # 飞书 SDK 长连接 Bot
│ ├── api/client.py # LLM API 客户端
│ ├── backtest/ # Agent 决策链回测
│ └── sessions/ # Session 管理
│
├── astock_trade/ # 交易核心库
│ ├── config.py / bus.py # 配置 / 文件消息总线
│ ├── skills/
│ │ ├── market_monitor.py # 盘中扫描
│ │ ├── morning_scan.py # 盘前扫描
│ │ ├── signal_generator.py # 信号生成
│ │ ├── postmarket_recap.py # 盘后复盘
│ │ └── risk_assessor.py # 风控评估
│ ├── risk_engine.py # 风控引擎
│ ├── broker/ # 券商接口（Mock / 同花顺）
│ └── backtest/ # 传统策略回测
│
├── astock_data/ # 数据源（行情/热点/北向/快讯/研报/公告）
└── .env # 环境变量配置
Q: 如何判断系统是否在运行？
A: 控制台输出 飞书全栈服务运行中 + 飞书群收到 调度器上线 通知。
Q: 盘后系统在做什么？ A: 15:05 后调度器和哨兵自动停止，深度休眠到次日 09:00。飞书 Bot 仍在线可以回复消息。
Q: 为什么盘中没收到推送？ A: 可能原因：
- 当前没有符合条件的板块（需要 ≥3 只涨停/大涨股）
- 不是交易日
- 信号被过滤（置信度 <0.55 或板块为"其他"等无效分类）
Q: 如何查看系统日志？
A: 所有通知同时写入 data/alerts/alert.log 审计文件，Agent 日志由 logging_setup.py 配置。
免责声明: 本项目为量化交易研究和辅助决策工具，不构成投资建议。所有交易决策需用户自行判断。