Circuit Framework
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../circuit-framework-recommend.pptx../../circuit-framework-recommend.mp4本文目录
📌 核心价值：开源多智能体加密研究框架，从市场结构到风险门控全栈可观测，全程仅模拟不真下单
7 位分析师协作 → Bull/Bear 辩论 → Trader 出具提案 → 三方风控辩论 → 确定性风险门控 → SQLite 模拟成交
🚀 什么是 Circuit Framework？
Circuit Framework 是一个面向加密货币的多智能体研究与模拟交易框架。该项目基于知名开源项目 TradingAgents（Tauric Research 出品，Apache-2.0，arXiv 2412.20138）派生而来，在保留上游经典分析师团队的同时，把数据源切换到 Hyperliquid 公共 Info API，并新增"加密原生 + 确定性风险门控"两道护城河。
核心定位：多智能体协作 + 确定性风险门控 + 模拟不真下单 = 可复现的加密研究沙盒
对于希望研究 LLM 在加密市场决策能力、又不想冒真金白银风险的量化爱好者与研究人员，Circuit Framework 提供了一个开箱即用的工程脚手架。
✨ 五大功能模块
1. 市场结构分析（Market Structure）：OHLC、技术指标、订单簿不平衡与价差。
2. 衍生品分析（Derivatives）：资金费率、持仓量、溢价，全部来自 Hyperliquid 公共 Info API。
3. 情绪分析（Sentiment）：社交与新闻信号聚合。
4. 催化剂分析（Catalyst）：事件与叙事驱动的突发行情识别。
5. 环境识别（Regime）：趋势、波动率、流动性与风险偏好评估，输出"当前属于哪种市场风格"。
🛠️ 5 分钟快速上手
安装
# 克隆仓库
git clone https://github.com/PengZhang64/circuit-framework.git
cd circuit-framework
# 安装依赖（dev 模式）
python3 -m pip install -e ".[dev]"
# 复制环境变量模板
cp .env.example .env
# 在 .env 中填入 LLM 提供商的 API Key
命令行直接分析
# 分析 BTC，使用默认均衡策略
tradingagents crypto analyze BTC
# 使用动量策略分析 ETH
tradingagents crypto analyze ETH --strategy momentum
# 1 小时 K 线分析 SOL
tradingagents crypto analyze SOL --interval 1h
# 衍生品策略 + 模拟下单
tradingagents crypto analyze HYPE --strategy derivatives --paper
# 查看当前模拟组合
tradingagents crypto portfolio
tradingagents crypto positions
tradingagents crypto leaderboard
编程式调用（API 集成）
from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG
from tradingagents.graph.setup import CRYPTO_DEFAULT_ANALYSTS
config = DEFAULT_CONFIG.copy()
ta = TradingAgentsGraph(
selected_analysts=list(CRYPTO_DEFAULT_ANALYSTS),
config=config,
asset_type="crypto",
strategy_profile="balanced",
)
state, decision = ta.propagate(
"BTC",
"2026-07-14",
asset_type="crypto",
strategy_profile="balanced",
)
注意：模拟数据库默认路径 ~/.tradingagents/circuit/paper.db，所有模拟成交可在 SQLite 中直接 SQL 查询复盘。
🧠 多智能体协作：7 位研究员如何辩论
在数据快照之后，框架会激活两位对立的"研究员"——Bullish 与 Bearish：
- Bullish Researcher：基于市场结构、动量信号、资金费率支撑等证据，输出看涨论据
- Bearish Researcher：基于宏观风险、估值过热、清算风险等证据，输出看跌论据
- Research Manager：综合双方论点，给出最终的研究结论（用于 Trader 决策）
这套机制直接复刻自 TradingAgents 论文（Xiao et al. 2025），把"对抗式辩论"作为提升 LLM 推理稳健性的核心方法。
📊 Trader 决策与风险门控
Trader 综合所有分析师结论 + 研究员辩论结果，输出结构化交易提案：
| 字段 | 类型 | 说明 |
|---|---|---|
| direction | LONG / SHORT / NO_TRADE | 交易方向（NO_TRADE 永不转换为成交） |
| entry_zone | [low, high] | 入场区间 |
| stop_loss | float | 止损价位 |
| take_profit | float | 止盈价位 |
| size_leverage | float | 请求规模/杠杆 |
| confidence | 0-1 | 置信度 |
| rationale | string | 论据 |
| snapshot_id | string | 关联的市场快照 ID |
风险辩论团包含三位风险视角：
- Risky：主张高回报高风险策略
- Neutral：提供均衡视角
- Safe：强调保守与风险缓释
三方辩论结束后，Portfolio Manager 综合得出最终投资建议。
关键安全设计：在 Trader 之后、模拟执行之前，框架会强制执行「确定性风险门控」(Deterministic Risk Gate)。
门控规则包括：
- 陈旧数据拒绝（防止用过期行情决策）
- 止损 / 风险回报比硬性检查
- 价差限制（滑点保护）
- 杠杆与仓位上限
- 波动率与置信度加权
NO_TRADE永远不会被强制转换为成交
所有规则都是确定性代码实现，不会被 LLM 绕过。
🎯 7 种内置策略配置（YAML）
所有分析师共享同一份不可变的 CryptoMarketSnapshot，策略差异全部体现在 YAML 配置文件中：
| 策略 | 关注焦点 |
|---|---|
balanced |
均衡多因子，稳健默认 |
momentum |
动量跟随，趋势追踪 |
mean_reversion |
均值回归，反向操作 |
derivatives |
资金费率 + OI 主导 |
narrative |
叙事与催化剂主导 |
macro_regime |
宏观环境判断 |
quant_systematic |
量化系统性信号 |
切换策略无需修改代码：
tradingagents crypto analyze ETH --strategy derivatives --paper
🌐 LLM 多供应商支持
支持以下 LLM 提供商，开箱即用：
- OpenAI / Google / Anthropic / xAI
- DeepSeek / Qwen / GLM
- MiniMax / OpenRouter / Ollama
- Azure / Bedrock（
pip install ".[bedrock]"） - 任意 OpenAI 兼容端点（
openai_compatible）
环境变量配置示例：
export TRADINGAGENTS_LLM_PROVIDER=openai
export TRADINGAGENTS_DEEP_THINK_LLM=o1
export TRADINGAGENTS_QUICK_THINK_LLM=gpt-4o
export OPENAI_API_KEY=sk-...
LangGraph Checkpoint 支持（可选开启）：通过 --checkpoint 或 TRADINGAGENTS_CHECKPOINT_ENABLED=1，可在长任务中断后从断点恢复，避免重复消耗 Token。
🐳 Docker 一键部署
docker compose run --rm tradingagents
仓库自带 Dockerfile + docker-compose.yml，可以做到本地完全离线运行（仅 LLM 调用需联网）。
📋 测试与离线验证
# 安装（含 dev 依赖）
python3 -m pip install -e ".[dev]"
# 跑全量测试
python3 -m pytest -q
# 加密模块冒烟测试
python3 scripts/crypto_smoke.py
测试使用 tests/fixtures/hyperliquid/ 目录下的离线 fixture，不需要真实 API Key 也能验证数据解析逻辑。
⚠️ 已声明的局限性（写在 README 里）
- 在配置验证通过的链上数据提供者之前，不包含链上数据
- Hyperliquid 公共 Info API 可能不提供清算字段
- LLM 分析师可能出错；风险门控是确定性的，但无法创造超额收益
- 模拟成交使用 mid ± 滑点并按配置费率收费，非交易所撮合
💰 定价与开源协议
完全免费 — Apache License 2.0（继承自上游 TradingAgents）。
可自由商用、修改、分发，唯一约束是保留版权声明与许可声明。
💡 新用户福利：零成本启动，无需付费订阅任何 LLM（自带 Ollama 支持即可本地推理）。
🎯 总结
Circuit Framework 把"LLM 多智能体交易决策"从论文搬进了可工程化运行的代码沙盒：
- ✅ 7 位分析师 + Bull/Bear 辩论 + Trader + 三方风险辩论 + 确定性门控
- ✅ 加密原生（Hyperliquid Info API），无需 API Key 即可行情接入
- ✅ 7 种 YAML 策略配置文件，切换策略无需改代码
- ✅ 模拟数据库默认 SQLite，可直接 SQL 复盘
- ✅ 10+ LLM 供应商支持，含 OpenAI/Anthropic/MiniMax/Ollama
- ✅ 确定性风险门控，LLM 无法绕过硬性风控规则
- ✅ 全程 paper trading，永不真实下单
推荐指数： ⭐⭐⭐⭐（4/5）
适合人群： 加密市场 LLM 决策研究者、量化研究员、Agent 工程学习者、教学演示
立即体验： PengZhang64/circuit-framework
数据截至 2026-07-17，最新信息请以仓库 README 为准。
风险提示：本文仅作技术交流，不构成投资建议。加密资产价格波动剧烈，过往模拟表现不代表真实收益。