Circuit Framework 是一个面向加密货币研究与纸面交易的多智能体 LLM 框架，基于 TradingAgents 分叉而来，采用 Apache-2.0 许可。它通过多个专业分析 Agent 分析市场结构、衍生品、情绪、催化事件和市场状态，再由研究经理、交易员和风险辩论流程生成交易建议，最后交给确定性的风险引擎审批或拒绝。项目强调研究用途，不提供真实交易执行，不请求钱包凭证，也不会调用 Hyperliquid 的交易端点。当前主要支持 Hyperliquid 公共数据、加密永续合约研究、策略 YAML 配置、SQLite 纸面交易记录，同时保留上游股票研究模式。
适用领域
加密货币量化研究 / 多智能体系统 / LLM 金融分析 / 纸面交易 / 风险管理 / 交易策略研究 / 衍生品市场分析 / Python 金融工程
配置难度
中等偏高。对于熟悉 Python、CLI、虚拟环境和 API Key 配置的开发者，安装和运行基础示例并不困难；但如果要深入理解多智能体流程、策略 YAML、风险引擎、纸面交易数据库和 TradingAgents 上游架构，需要一定金融交易、加密衍生品和 LLM 应用开发背景。若要做生产级扩展，还需要补充数据质量监控、评估体系、回测框架和真实交易风控。
商业价值
该项目的商业价值主要在于快速验证 LLM 多智能体在加密交易研究中的可行性，而不是直接产生可上线的自动交易系统。对金融科技团队、量化研究团队和交易工具开发者而言，它可以作为研究原型、内部投研助手、纸面交易实验平台或策略解释生成器的基础。Apache-2.0 许可降低了二次开发和商业集成门槛；确定性风险闸门、结构化交易建议和纸面交易记录也有利于构建合规、可审计的研究流程。不过，由于其不执行真实交易且 LLM 可靠性有限，落地为商业产品前必须增加严谨的回测、实盘仿真、风控审计、数据源冗余和用户免责声明。
01
技术亮点
- 架构清晰：从 Snapshot Builder 到多个分析 Agent，再到风险辩论、投资组合管理和确定性风险闸门
- 安全边界明确：不做真实交易、不请求钱包私钥、不调用 Hyperliquid Exchange 交易端点
- 使用统一不可变 CryptoMarketSnapshot，减少不同 Agent 使用不一致数据源导致的偏差
- 内置多种策略 profile，可通过 YAML 调整提示词、权重和风险参数
- 交易建议结构化为 CryptoTradeProposal，包含 LONG、SHORT、NO_TRADE、入场区间、止损、止盈、杠杆、信心和 thesis
- 确定性风控规则较完整，包括数据过期、止损、风险收益比、点差、杠杆、仓位、波动率和信心缩放
- 支持纸面交易和 SQLite 持久化，便于记录和评估策略结果
- 保留上游股票研究模式，可同时探索股票与加密资产的多智能体研究流程
- Apache-2.0 许可证，便于商业和研究场景二次开发
- 测试设计强调离线 fixtures，降低 CI 和开发环境对外部服务的依赖
02
目标用户
- 希望研究 LLM 在交易分析中应用的开发者
- 加密货币量化研究员
- 多智能体框架开发者
- 想搭建纸面交易系统的个人交易者
- 金融科技团队
- 研究 Hyperliquid 公共市场数据的开发者
- 希望基于 TradingAgents 做二次开发的 Python 开发者
03
配置要求
- Python 环境及 pip，README 示例使用 python3
- 需要安装项目依赖：pip install -e ".[dev]"
- 实时 LLM 分析需要配置 LLM API Key
- 支持的 LLM Provider 包括 OpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、MiniMax、OpenRouter、Ollama、Azure、Bedrock 和 OpenAI-compatible endpoint
- 主要 LLM 环境变量包括 TRADINGAGENTS_LLM_PROVIDER、TRADINGAGENTS_DEEP_THINK_LLM、TRADINGAGENTS_QUICK_THINK_LLM 及对应 Provider API Key
- 加密市场配置可通过 TRADINGAGENTS_CRYPTO_VENUE、TRADINGAGENTS_CRYPTO_DEFAULT_INTERVAL、TRADINGAGENTS_DEFAULT_CRYPTO_STRATEGY 设置
- 纸面交易配置可通过 TRADINGAGENTS_PAPER_STARTING_BALANCE、TRADINGAGENTS_PAPER_FEE_BPS、TRADINGAGENTS_PAPER_SLIPPAGE_BPS、TRADINGAGENTS_PAPER_MAX_LEVERAGE 设置
- 纸面交易数据库默认路径为 ~/.tradingagents/circuit/paper.db，可通过 TRADINGAGENTS_PAPER_DATABASE_PATH 修改
- 市场数据主要依赖 Hyperliquid 公共 Info API：POST https://api.hyperliquid.xyz/info
- 单元测试使用 fixtures 和 mock，不需要网络请求和 LLM API Key
04
适用场景
- 对 BTC、ETH、SOL、HYPE 等加密资产进行多 Agent 分析
- 比较 balanced、momentum、mean_reversion、derivatives、narrative、macro_regime、quant_systematic 等不同策略画像的输出差异
- 构建不连接真实交易所的纸面交易研究环境
- 测试 LLM 交易建议在确定性风控规则下的通过率和表现
- 分析 Hyperliquid 公共数据中的 K 线、L2 订单簿、资金费率、未平仓量等信息
- 将多 Agent 分析流程集成到自有研究平台或回测/评估系统中
- 用于教学、论文复现或金融智能体原型验证
05
部署与配置
- 克隆仓库：git clone https://github.com/PengZhang64/circuit-framework.git
- 进入目录：cd circuit-framework
- 建议使用 Python 虚拟环境，例如 python3 -m venv .venv && source .venv/bin/activate
- 安装开发依赖：python3 -m pip install -e ".[dev]"
- 复制环境变量模板：cp .env.example .env
- 在 .env 中配置所需 LLM Provider 和 API Key
- 运行加密分析示例：tradingagents crypto analyze BTC
- 运行指定策略示例：tradingagents crypto analyze ETH --strategy momentum
- 启用纸面交易示例：tradingagents crypto analyze HYPE --strategy derivatives --paper
- 查看纸面账户：tradingagents crypto portfolio
- 运行测试：python3 -m pytest -q
- 可选 Docker 运行：docker compose run --rm tradingagents
06
风险与注意事项
- LLM 输出可能出现幻觉、逻辑错误或过度自信，不能作为真实投资建议
- 项目明确定位为研究和纸面交易，不支持真实交易执行，不能直接作为生产交易机器人使用
- 市场数据主要依赖 Hyperliquid 公共 Info API，数据覆盖、可用性和速率限制可能影响分析稳定性
- README 提到链上数据尚未包含，清算字段也可能因公共接口覆盖不足而不可用
- 纸面成交使用 mid price 加滑点和手续费模拟，不等同于真实订单簿撮合、排队和冲击成本
- 策略效果高度依赖 LLM Provider、模型质量、提示词和市场环境，可复现性和稳定性需要进一步验证
- 作为 TradingAgents 分叉，内部包名仍为 tradingagents，二次开发时可能存在品牌与包名不一致带来的理解成本
- 项目 stars 较高但 forks 相对较少，生态成熟度、社区贡献和长期维护情况仍需观察
- 若用户误将纸面结果当成实盘收益预测，存在较高决策风险
2026-07-23
第14名
新收录 · github_search
2026-07-22
第13名
新收录 · github_search
2026-07-21
第13名
新收录 · github_search
2026-07-20
第15名
新收录 · github_search
2026-07-19
第17名
新收录 · github_search
2026-07-18
第15名
新收录 · github_search
