mx-trader-bridge
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。
../../mx-trader-bridge-recommend.pptx../../mx-trader-bridge-recommend.mp4本文目录
📌 核心价值：把 AI 选股逻辑直连 A 股模拟盘自动下单的 0 成本桥接层
mx-trader-bridge 不是新的回测/选股工具，而是一层把 LLM 决策、AI 风控、自动下单、盘中盯盘、收盘复盘、周度反思串成一条龙流水线的桥接层，跑在东方财富妙想 120 万模拟本金上。
本文仅作技术交流，不构成投资建议。股市有风险，量化需谨慎。
🚀 什么是 mx-trader-bridge？
mx-trader-bridge（27dream/mx-trader-bridge）是 2026 年 6 月新发的 A 股全自动化模拟交易桥接层。它做的事情很聚焦：把任意一家大模型（豆包/DeepSeek/Kimi/通义/GLM/OpenAI/自定义）的选股决策，直接落到东方财富妙想模拟盘的「mx-moni」API 上，中间塞进 4 道风控预检、rc=0 成交双校验、盘中盯盘、收盘复盘和周日 AI 反思五道工序。
核心定位：BYOK + 7 大 LLM 模板 + 全流程自动化 + 0 成本跑通 A 股模拟盘全闭环
它不是一个量化研究框架（这些事交给 RQAlpha / Qbot / qlib），也不是一个选股 Agent（这些事交给 TradingAgents），而是把"上游 LLM 决策"和"下游券商 API"之间的所有工程脏活一次性做完——凭证管理、风控护栏、双重成交校验、告警推送、战绩持久化、cron 调度。
✨ 核心功能一览
6 大模块串成 A 股自动交易流水线：决策 → 风控 → 下单 → 盯盘 → 复盘 → 反思，每一步都有独立的工程实现。
| 模块 | 文件 | 核心职责 |
|---|---|---|
| 决策 | decision.py |
09:25 调 LLM 出选股 DSL |
| 建仓 | morning_trade.py |
09:30 风控预检 + 下单 + 双校验 |
| 盯盘 | monitor.py |
盘中每 5min 调用 trader.sell_safe() |
| 风控 | risk_guard.py |
黑名单/熔断/资金/集中度独立护栏 |
| 复盘 | recap.py |
15:30 当日战绩汇总 |
| 反思 | reflect.py |
周日 20:00 LLM 进化下周 DSL |
🛡️ 快速上手：5 分钟跑通端到端 dry-run
安装 + 启动 Web 面板
git clone https://github.com/27dream/mx-trader-bridge
cd mx-trader-bridge
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
# 启动本地 BYOK 配置面板（端口 8787）
python server.py # 浏览器打开 http://localhost:8787
打开面板 → 填妙想 cookie + 选 LLM + 贴 API Key → 点「测试连接」→ 保存。
跑端到端 9 步自检（关键）
python e2e_dryrun.py # 9 步全链路校验，不下真单也能验证全系统
e2e_dryrun.py 会模拟"盘前选股 → 风控预检 → 限价下单 → rc=0 校验 → 成交轮询 → 盘中盯盘 → 收盘复盘 → 周度反思"9 个环节。9/9 通过后才挂 cron。
⚠️ 注意：e2e_dryrun.py 是工程级安全网，缺它请勿上 cron，否则脚本出错会把妙想账户搞坏。
挂 cron 调度
crontab -e # 粘贴 cron.txt
🔁 BYOK 7 大 LLM 模板切换
mx-trader-bridge 内置 7 套主流 LLM 模板，全部 BYOK（Bring Your Own Key）——你自己贴 API Key，自己控制用量：
| 提供商 | 默认模型 | 注册地址 |
|---|---|---|
| 🚀 字节豆包 ARK | doubao-seed-1.6 |
https://www.volcengine.com/product/ark |
| 🐬 DeepSeek | deepseek-chat |
https://platform.deepseek.com |
| 🌙 Kimi（月之暗面） | moonshot-v1-8k |
https://platform.moonshot.cn |
| 🧠 阿里通义千问 | qwen-plus |
https://dashscope.aliyun.com |
| 🔮 智谱 GLM | glm-4-flash |
https://open.bigmodel.cn |
| 🤖 OpenAI | gpt-4o-mini |
https://platform.openai.com |
| ⚙️ 自定义 OpenAI 兼容 | 任意 |
亮点：LLM 选股 DSL 是动态生成的——止损/止盈/强平时间由 LLM 实时产出（不是写死的 -3%），每个交易日都不一样。
📅 Cron 调度时序
25 9 * * 1-5 python decision.py # 09:25 AI 出决策
30 9 * * 1-5 python morning_trade.py # 09:30 建仓（含风控预检）
*/5 9-14 * * 1-5 python monitor.py # 盘中每 5min 盯盘
*/3 9-14 * * 1-5 python risk_guard.py # 风控护栏兜底扫描
30 15 * * 1-5 python recap.py # 15:30 复盘
0 20 * * 0 python reflect.py # 周日 20:00 AI 反思
每个工作日从 09:25 一直盯到 15:30，周日 20:00 自动复盘本周所有战绩，让 LLM 进化下周策略 DSL。
🛡️ 下单前 4 道风控预检 + rc=0 成交双校验
A 股最经典的坑：code=200 不等于下单成功，也不等于已成交。mx-trader-bridge 用 4 道预检 + 双校验解决：
4 道风控预检（pre_check_buy）：
- 黑名单 — ST/*ST/退市股/历史黑名单直接拒
- 熔断 — 单日累计亏损 ≥ 阈值冻结交易
- 资金 — 可用资金 < 单仓估值 × 1.1 拒
- 集中度 — 同板块持仓占比 ≤ 配置上限
rc=0 + 成交轮询双校验：先看妙想 API 返回 rc==0，再轮询持仓接口到实际成交回报出现，两步都通过才算下单成功。
独立护栏 risk_guard.py 每 3 分钟兜底扫描一次，即使主进程崩了也能及时熔断。
📊 与同类方案对比
| 维度 | mx-trader-bridge | TradingAgents-astock | xuanji | aquant-agent |
|---|---|---|---|---|
| 定位 | 券商桥接层 | 多 Agent 投研 | 模拟盘 Agent | 智能体协同 |
| 上游 | 7 LLM 模板 BYOK | LangGraph Agent | 本地 LLM 演化 | LangGraph + LLM |
| 下游 | 东方财富妙想 | 无 | 模拟盘 | 无 |
| 风控 | 4道预检 + 双校验 | 风控 Agent | 白名单硬风控 | 三层风控 |
| 双校验 | rc=0 + 成交轮询 | 无 | 无 | 无 |
| 周反思 | LLM 自动进化 DSL | 无 | 无 | 无 |
| 部署 | cron + 本地 Python | Streamlit + 本地 | Python + SQLite | FastAPI + Vue |
| 协议 | MIT | Apache-2.0 | 开源 | CC BY-NC 4.0 |
💡 适用场景
场景 1：本地复盘 LLM 选股策略
功能说明：把候选 LLM 的选股决策放到真实模拟盘跑一周，看实际胜率与 LLM 自我评估的差异。
输入要求：妙想账户 cookie + 至少一个 LLM API Key
输出效果：120 万模拟本金 7 天战绩曲线 + 每日 trade/decision 表
适用场景：评估不同 LLM（豆包 vs DeepSeek vs GLM）在 A 股选股上的实际表现。
场景 2：把已有的 AI 决策思路接到券商 API
功能说明：如果你已经有自己的 LLM 选股逻辑（GPT 投票 / 多 Agent 辩论 / 因子打分），mx-trader-bridge 的 trader.py 和 decision.py 是干净的工程底座。
输入要求：把上游决策 JSON 喂给 decision.py，下游走妙想 mx-moni API
输出效果：每天自动把决策转成下单指令并验证成交
适用场景：自研量化思路的工程化落地，避免重复写凭证管理 + 风控 + 告警。
场景 3：研究 A 股交易机制（T+1、涨跌停、风控触发）
功能说明：在 120 万模拟本金上做"交易机制实验"——例如测试涨停板次日策略、T+1 解禁后的最佳平仓时机、风控参数变化对胜率的影响。
输入要求：cron 调度 + 风控参数
输出效果：SQLite 五张表（trades / decisions / signals / daily_recap / reflections）完整记录
适用场景：A 股交易机制的量化研究，无需自建回测框架。
用户群体总结
- ✅ AI 量化研究者：把 LLM 决策接到券商 API，做策略对比
- ✅ 量化工程师：需要风控护栏 + 双校验的下游执行框架
- ✅ LLM 应用开发者：把选股/Agent 应用工程化部署到真实环境
- ❌ 不适合：希望直接实盘下单（项目仅支持妙想模拟盘，无实盘通道）
💰 定价方案
mx-trader-bridge 是 MIT 开源项目，完全免费：
- 代码：MIT License（"随便玩，star 一下回血 ⭐"）
- 妙想模拟盘：东方财富官方提供，120 万模拟本金
- LLM 调用费：用户自带 API Key，按用量付费
- 服务器：0（本地 cron / Linux crontab）
- 云费用：0（无 Vercel / 云函数依赖）
💡 实际成本：每天 6 次 LLM 调用 × 0.001-0.01 元/次 = 每天 1 分钱到 6 分钱
开源协议： MIT
🎯 总结
mx-trader-bridge 是一个工程完成度极高的 A 股自动交易桥接层——它不在算法上卷，而在工程细节上花心思：4 道风控预检、rc=0 双校验、7 套 LLM 模板、周度 AI 反思、本地 cron 调度，零依赖云服务。
推荐指数： ⭐⭐⭐⭐（满分5星）
适合人群： AI 量化研究者 / 量化工程师 / 想把 LLM 选股工程化的开发者
立即体验： GitHub 仓库
GitHub 仓库： 27dream/mx-trader-bridge
数据截至 2026-08-27，最新信息请以 GitHub 仓库为准。