一个名为OhMyGold的开源黄金交易系统，展示了多智能体AI在金融领域的深度应用。其核心价值在于引入了基于数学规则的硬风控机制，替代了传统LLM的软约束，为AI交易系统的安全性和可靠性提供了新思路。
智能速览
采用分层式多智能体架构，模拟华尔街交易台决策流。
核心决策由DeepSeek驱动，高频数据处理下放至本地模型Qwen2.5-14B。
创新性引入基于规则的硬风控闸门，实现LLM观点与数学风控的分离。
集成ChromaDB存储历史黑天鹅事件，为决策提供Few-shot参考。
项目已完全开源，代码可复现。
技术栈涉及AutoGen、DeepSeek、ChromaDB及Python沙箱。
精华内容
在金融市场复杂多变的背景下，如何利用AI进行有效交易且严控风险？OhMyGold项目通过多智能体协作，给出了融合数学硬约束的解决方案。
异构智能体协作
金融市场的非线性波动难以用单一模型捕捉，该系统因此构建了异构智能体协作网络。通过AutoGen框架，系统实现了五个专家智能体的并行工作：DataAgent负责清洗和分发数据，TechAnalyst锁定趋势与关键位，MacroAnalyst关注宏观因素，QuantResearch在Python沙箱中实时计算回测指标，模拟了真实交易台的专业分工。
分层架构设计
系统采用分层式多智能体架构以优化资源分配。核心的战略决策由DeepSeek大模型驱动，保证了判断的质量和深度。同时，为了应对高频数据处理的巨大算力需求，系统将这些任务下放至本地部署的Qwen2.5-14B模型。这种设计实现了云端大脑与本地算力的有效结合。
硬核风控闸门
该项目最核心的差异点在于其风控设计。它通过services.risk_gate模块实现了基于规则的硬闸门，彻底取代了常见的LLM软约束。
这意味着，一个RiskManagerAgent拥有一票否决权。当交易计划触发预设的硬性指标，如最大压力损失或日内回撤百分比时，系统会立即抛出HardRiskBreachError并熔断交易。
这种设计遵循“LLM可以有观点，风控必须是数学”的原则，确保了交易纪律的绝对执行。
历史记忆模块
为了让AI从历史中学习，系统集成了ChromaDB作为长时记忆库。通过特定脚本，2008年金融危机、2020年市场暴跌等宏观黑天鹅事件被转化为向量数据存储起来。
当HeadTrader进行决策时，会自动检索与当前市场情境相似的历史剧本，将其作为Few-shot上下文输入，从而提升决策的预见性和稳健性。
OhMyGold项目为AI在金融交易领域的应用提供了一个极具价值的实践范本。它强调了代码即规则的重要性，通过将数学硬约束与LLM的灵活性相结合，探索出一条AI与概率博弈的新路径。这种对风控的极致追求，或许正是未来AI交易系统走向成熟的关键。
