AI for Investor

AI 驱动的量化研究、策略生成、回测验证与交易辅助平台。

中文文档 · English docs · 本地 API 文档

项目定位

AI for Investor 面向量化交易者与投研团队，将自然语言研究、知识库检索、策略开发、数据预检、回测验证、交易工作区和组合风险观察连接成可追溯的工作流。它帮助研究人员更快形成和验证假设，但不替代数据校验、风险控制或人工交易决策。

从问题到可验证结果

阶段	在平台中完成什么	主要入口
研究依据	检索团队规范、数据说明和历史复盘，并查看引用来源	/ai/chat、/ai/knowledge-base
策略形成	创建、审查或生成 Backtrader 策略草案及研究目标	/investment/strategies
数据确认	选择标的、检查覆盖与质量，必要时主动刷新在线行情	/data/market
验证与迭代	运行回测、阅读指标/交易统计、执行稳健性或参数优化	/research/workspaces、/backtest
运行与风险观察	管理经审核的运行单元，查看账户、持仓、P&L 与回撤	/trading、/portfolio

核心能力

领域	能力
AI 与知识	知识库、文档索引、引用型问答、词法检索、可选语义检索、策略构思与审查、AI 投研
数据可信度	MySQL 行情仓本地优先、AkShare 显式刷新、覆盖矩阵、质量检查、历史补齐缓存与回测前预检
策略与回测	Backtrader、策略版本、内置模板、统一指标、回测报告、研究工作区、稳健性验证与参数优化
交易与组合	研究/交易工作区、模拟运行、网关状态、账户/持仓/成交、累计 P&L、回撤和资产配置
工程化	FastAPI、Vue 3、SQLAlchemy、SQLite/PostgreSQL/MySQL、pytest、Vitest、Playwright 与 OpenTelemetry

快速开始

环境要求

• Python 3.10+
• Node.js 20+
• Git
• Docker Compose v2（可选）

本地开发

git clone https://github.com/cloudQuant/backtrader_web.git
cd backtrader_web

./scripts/dev/verify-dev-env.sh --preinstall

# 后端
cd src/backend
python -m venv .venv
source .venv/bin/activate  # Windows: .venv\Scripts\activate
pip install -e ".[dev,backtrader]"
# 需要在线 AkShare 查询时：pip install -e ".[dev,backtrader,data]"
# 需要语义向量检索时：pip install -e ".[dev,backtrader,rag]"
cp .env.example .env

# 前端
cd ../frontend
npm install

cd ../..
./scripts/dev/verify-dev-env.sh --postinstall

分别启动后端和前端：

cd src/backend && source .venv/bin/activate && uvicorn app.main:app --reload --port 8000

cd src/frontend && npm run dev

• 前端：http://localhost:3000
• API / Swagger：http://localhost:8000/docs
• 健康检查：http://localhost:8000/health

Docker

Compose 基础文件位于 docker/docker-compose.yml，需配合环境覆盖文件使用：

# 开发环境
docker compose -f docker/docker-compose.yml -f docker/compose/dev.yml up

# 生产环境（先配置受保护的环境变量）
docker compose -f docker/docker-compose.yml -f docker/compose/prod.yml up -d

生产环境的密钥、数据库密码、CORS 与备份要求见 部署文档。

首次体验建议

1. 在 数据 → 市场数据选择资产类别和标的，检查数据覆盖和质量。
2. 需要最新行情时点击查询；这才会请求 AkShare，普通页面打开与标的切换优先读取本地 MySQL 行情仓。
3. 在 投研 → 策略选择模板、已有策略或 AI 草案，并审查标的、周期、成本与风险假设。
4. 将策略加入研究工作区，运行回测并查看交易次数、资金曲线、回撤和稳健性结果。
5. 只有经过人工审核后，才将方案放入交易工作区；再通过组合页核对账户、持仓、成交和风险视图。

重要边界

• 知识库不是整库喂给模型。 系统先在选定知识库的已索引文档块中检索，再由可选模型组织回答。not_indexed、no_context_found、ai_not_configured 和 ai_provider_failed 都有明确诊断含义。
• 行情页本地优先。 在线 AkShare 请求失败、无数据或不覆盖所选区间时，系统保留可用 MySQL 数据，并返回脱敏、可操作的提示。
• AI 策略必须复核。 “生成研究目标”允许选择默认方案或由当前模型优化；模型不可用时保留默认方案。策略代码在受限环境中运行，禁止覆盖 self.close() 等交易方法；价格序列应使用 self.dataclose 等自定义属性保存。
• 回测不是实盘许可。 回测指标、RAG 回答和 AI 输出都需要人工复核；真实网关与账户权限属于高风险边界。

项目结构

backtrader_web/
├── src/
│   ├── backend/             # FastAPI、SQLAlchemy、Backtrader 与领域服务
│   └── frontend/            # Vue 3、TypeScript、Pinia 与 ECharts
├── strategies/              # 内置策略模板与示例
├── scripts/                 # 开发、运维、迁移与 CI 工具
├── docker/                  # Compose 基础文件与环境覆盖文件
├── tests/                   # 端到端与辅助测试资源
└── docs/                    # 发布文档、工程手册、迭代记录与历史归档

API 与配置

所有业务 API 位于 /api/v1。当前运行环境中可用的端点、认证要求和请求/响应模型以 Swagger 为准：http://localhost:8000/docs。常用领域包括：

领域	前缀
认证与状态	/auth、/status
策略、回测与优化	/strategy、/backtests、/analytics、/optimization
工作区、运行与组合	/workspace、/paper-runtimes、/live-trading、/portfolio
数据与可信度	/data、/data/trust、/quote
知识库与 AI	/knowledge-base、/rag、/kb-chat

关键环境变量保存在 src/backend/.env 或受保护的部署环境中：

配置	用途
DATABASE_TYPE、DATABASE_URL	应用数据库（SQLite / PostgreSQL / MySQL）
AKSHARE_DATA_DATABASE_URL	独立的 MySQL 行情数据仓
AI_CHAT_*	OpenAI-compatible 生成模型接入
RAG_VECTOR_*	可选语义检索的模型、集合和批处理设置
SECRET_KEY、JWT_SECRET_KEY	加密与 JWT 签名；生产环境必须使用不同的高熵值

不要提交 .env、数据库导出、证书、网关或模型凭据。

验证命令

# 后端
cd src/backend
ruff check app tests
pytest -m "not e2e" -q --tb=short
mypy app

# 前端
cd src/frontend
npm run typecheck
npm run lint
npm run test -- --run
npm run build

# 文档（仓库根目录）
python -m mkdocs build -f docs/mkdocs.yml --strict
python scripts/ci/check_doc_links.py

文档与贡献

目标	入口
在线文档（中文）	https://cloudquant.github.io/backtrader_web/
在线文档（English）	https://cloudquant.github.io/backtrader_web/en/
产品概览与投研流程	项目介绍 / 中文文档首页源码
安装、知识库、市场数据、策略与回测	快速开始与功能文档
架构、API、数据库与配置	开发文档
Docker 与生产运维	部署文档
文档分层与归档策略	文档导航
贡献规范	CONTRIBUTING.md · 在线贡献指南。常规变更请基于 dev 分支发起 PR；master 仅接受 release/vX.Y.Z 晋升与 hotfix/master-*

当前处于 v1.x 持续演进阶段。旧迭代、已完成方案和专项报告位于 docs/iterations/、docs/archive/ 和 docs/reports/archive/，仅用于追溯，不应替代当前操作文档。

相关项目

与 backtrader_web 同属 cloudQuant 量化体系的相关资源：

项目	简介
backtrader	专业 Python 算法交易框架（回测 + 实盘），本仓库策略研究引擎的基础 fork。
backtrader-skills	离线可独立安装的策略"作者/评审/测试"产品：把本地数据集与 StrategySpec v1 转成 pytest 策略或三文件包，静态评审后在独立子进程中验证。
backtrader-mcp	本地优先的 MCP 服务器：CSV 固化为不可变数据集，类型化策略意图转为私有草稿，经评审后在受限子进程中运行并产出状态与报告（离线、仅回测）。
backtrader_web	本仓库：基于 Web 的 Backtrader 全周期策略管理工具，覆盖回测分析、模拟交易、实盘执行与数据管理。
backtrader-agent	离线优先的策略编写 agent 运行时：内容寻址存储、策略规范校验、14 种脚手架、静态评审、哈希绑定审批、固定子进程执行与会话溯源。
fincore	统一 Python 工具集：金融指标、绩效分析、回测、AI 洞察与多数据库/多数据源支持，服务量化金融工作流。

许可证

MIT License