先講一件這幾天讓不少幣圈和量化散戶眼睛一亮的事：做 LightRAG 那個香港大學數據智能實驗室（HKUDS），這次開源了一個叫 Vibe-Trading 的東西，副標題很大膽——「你的私人交易 agent」。它的賣點是，你不用會寫 Python、不用自己接數據源、不用從零刻回測框架，只要打一句中文（或英文）描述，例如「幫我回測 BTC-USDT 的 MACD 策略，近三十天」，它後面那一整隊 AI agent 就會自己去抓數據、生成策略程式碼、跑歷史回測、再把績效報告吐回給你。pip 一行就裝得起來，GitHub 上線沒多久就衝破一萬顆星，至今仍在快速攀升。聽起來很美，但它到底能幹嘛、又有哪些一定要先搞清楚的限制，這篇幫你拆清楚。
一句話結論：Vibe-Trading 是港大 HKUDS 實驗室開源的多 agent AI 量化研究工作台，用自然語言就能生成策略、跨 A 股／港美股／加密回測，內建 64 個金融技能與 29 個 agent 團隊預設，pip 一行安裝、也能當 MCP 外掛接進 Claude Desktop。重點是：它只做研究、模擬與回測，不會幫你下單實盤，更不構成任何投資建議。
（截至 2026 年 6 月。Vibe-Trading 仍在密集開發，版本、技能數量、支援市場與功能以官方 GitHub 為準。）
Vibe-Trading 是什麼？一句話搞懂
它是一個「把自然語言變成量化研究流程」的多 agent 工作台。你給它一句白話需求，它把這句話拆成任務，派一群各有專長的 AI agent 去做：有的負責抓市場數據，有的負責把你的想法寫成可執行的策略程式碼，有的負責拿歷史數據跑回測，有的負責做財報或宏觀研究，最後再彙整成一份報告。整個過程你可以在網頁介面或命令列裡即時看著它一步步推進。官方對它的定位很直接：一個「AI 驅動的多 agent 金融工作台」，把交易策略、研究洞察、組合分析這幾件事，從「自然語言請求」一路接到「可執行的結果」。
它由香港大學數據智能實驗室（HKUDS）開源——就是做出爆紅檢索框架 LightRAG 的同一個團隊，旗下還有 ClawTeam、NanoBot、CLI-Anything、OpenSpace 這一串 agent 生態項目。Vibe-Trading 用 Python 寫後端、React 寫前端，授權是 MIT，能商用。到 2026 年 6 月，這個 repo 已經突破一萬顆 GitHub 星，是近期上升最快的 AI 量化項目之一。
它到底解決了哪個痛？
痛在「想驗證一個交易想法，門檻高到讓人放棄」。一般人腦中常有念頭——「BTC 跌破均線就空、站回就多，這樣到底賺不賺？」可是要真的驗證它，你得先會寫程式、找到乾淨的歷史數據、自己刻一套回測引擎、再算一堆績效指標。光是「裝環境、接數據源」這一關，就把九成有興趣的人擋在門外。結果多數人只能憑感覺交易，從來沒用數據檢查過自己的想法到底站不站得住。
Vibe-Trading 想砍掉的就是這道牆。它把「找數據、寫策略、跑回測、出報告」這條流水線整包做好，你只要會用人話描述想法。數據源它已經接好——港股、美股走免費的 yfinance，加密貨幣走 OKX 的公開介面，這兩類完全不用申請任何金鑰；只有要 A 股數據才需要一個 Tushare token。換句話說，它把量化研究裡最勸退新手的那一段苦工自動化了，讓你能把力氣花在「想法對不對」，而不是「環境裝不裝得起來」。
64 個金融技能、29 個 agent 團隊，到底在幹嘛？
這是 Vibe-Trading 最有看頭的兩個數字。所謂「64 個技能」，是它把金融分析切成 8 大領域、每個領域再配好一組現成能力：技術分析（K 線型態、一目均衡表、艾略特波浪、SMC）、量化研究（多因子、配對交易、機器學習策略）、基本面（估值模型、財報、盈利預測）、港美股（SEC 文件、ETF 資金流、港股通流向）、加密桌（資金費率與基差、爆倉熱力圖、穩定幣流向、代幣解鎖）、宏觀、衍生品（選擇權策略與定價）、另類數據（社群情緒、行為金融）。你不用自己懂每一招，講出需求，它會挑對應的技能來做。
「29 個 agent 團隊預設」則是更進一步的玩法。它把多個 agent 編成一支有分工的隊伍去處理複雜題目，而且是現成可叫的。舉幾個官方預設：投資委員會（多空辯論 → 風險覆核 → 基金經理拍板）、加密交易桌（資金費率＋爆倉＋資金流 → 風控）、量化策略桌（選股 → 因子研究 → 回測 → 風險審計）、技術分析小組（古典 TA＋一目＋諧波＋艾略特＋SMC → 收斂出共識）。這種「一群 AI 分頭研究、再吵出一個結論」的設計，比單一模型隨口給答案要紮實得多——當然，紮實不等於準，這點後面會再潑冷水。
它怎麼「用一句話」就生成策略又回測？
關鍵在它把一個 ReAct 推理迴圈接到了一整套金融工具上。你那句「回測 BTC 的 MACD 策略」進去之後，主 agent 會先理解意圖、選對技能，再呼叫底層工具：先用數據工具把對應市場、對應週期的歷史 K 線拉下來，接著把你的策略邏輯轉成可執行程式碼，丟進回測引擎跑，最後算出績效、畫出圖、生成報告。整條鏈路它都幫你串好了，你看到的是一句問、一份答。
它聰明的地方在「借力」：你正在對話的那個大模型，本身就是最好的「人話轉策略」翻譯器，所以它把智慧那一層交給你接的 agent，自己專心把數據、回測、指標這些「苦工」做到位。少養一個模型、少一份 API 帳單，把工具做薄、把流程做順。
也因為這個設計，它能以「MCP 外掛」的身分接進你現有的 AI agent。MCP（Model Context Protocol，可以理解成「給 AI 裝外掛的標準接口」）讓它把 16 個工具暴露給支援 MCP 的客戶端——Claude Desktop、Cursor、Windsurf、OpenClaw 都接得上。官方還特別講明：這 16 個工具裡有 15 個完全不用任何 API 金鑰就能跑（港股、美股、加密那一套），只有需要動用 agent 團隊的那一個才要模型金鑰。對只想先白嫖玩玩看的人，門檻幾乎是零。
那些功能數字，對散戶實際意味著什麼？
把官方規格攤開來看：回測引擎橫跨三大市場（A 股、港美股、加密），支援從 1 分鐘到 1 天共 7 種週期，內建「日線組合」和「選擇權組合」兩套引擎，算 15 種以上的績效指標，還附 4 種組合優化器（均值方差 MVO、等波動、最大分散、風險平價）。量化工具箱裡有因子 IC／IR 分析、Black-Scholes 選擇權定價與完整的希臘字母、型態辨識，以及 MVO／風險平價／Black-Litterman 這些組合配置方法。聽起來很硬核，但對散戶的白話翻譯其實只有一句：以前要請一個量化研究員、或自己啃半年書才摸得到的工具，現在用一句話就能調用。
我的看法是，這對「想學量化但卡在工具」的人，價值非常實在——它把學習曲線最陡那一段鏟平了。但它給你的是「能跑出結果的能力」，不是「結果一定對」。回測漂亮跟未來會賺，中間隔著一整條鴻溝（過度擬合、倖存者偏差、交易成本、滑點、流動性），這些 Vibe-Trading 幫不了你判斷。把它當成「降低門檻的研究助手」最準，別當成「印鈔機」。
你適合裝 Vibe-Trading 嗎？三題自測
與其聽我講，不如花十秒鐘自己測一下。下面這個小工具，根據你的情況給你一個「該不該裝」的方向：
不會寫程式也能用嗎？四條安裝路線
能，而且官方體貼地給了四條難度不同的路，讓你按自己的技術底子選：
| 路線 | 適合誰 | 大致時間 | 怎麼做 |
|---|---|---|---|
| Docker | 想零設定、馬上試 | 約 2 分鐘 | clone 下來、填一個 API 金鑰、docker compose up |
| 本地安裝 | 想完整用 CLI、開發 | 約 5 分鐘 | pip install vibe-trading-ai 後輸入 vibe-trading |
| MCP 外掛 | 已在用 Claude Desktop／Cursor | 約 3 分鐘 | 在設定檔加一行 vibe-trading-mcp |
| ClawHub | 想一行裝、不想 clone | 約 1 分鐘 | npx clawhub@latest install vibe-trading |
最簡單的「三步上手」是這樣：第一步，pip install vibe-trading-ai 一行裝好，你會拿到三個指令——vibe-trading（互動命令列）、vibe-trading serve（開網頁介面）、vibe-trading-mcp（當 MCP 伺服器）。第二步，跑一次 vibe-trading init 設定你的模型金鑰（支援 OpenRouter、DeepSeek 這類 OpenAI 相容介面）。第三步，直接打一句需求，例如 vibe-trading run -p "回測 AAPL 動量策略"，或開網頁版盯著它跑。純新手唯一要跨的門檻，是願意在終端機貼幾行字而已。
它跟「直接叫 ChatGPT 幫你想策略」差在哪？
差在「有沒有真的跑數據」。把三種做法擺一起最清楚：
| 做法 | 會不會真的回測 | 數據哪裡來 | 結果可信度 |
|---|---|---|---|
| 直接問 ChatGPT「這策略好不好」 | 不會，只是憑訓練記憶講感覺 | 沒有，純口頭 | 低，可能整段瞎掰 |
| 自己刻 Python 回測 | 會，但要自己寫 | 自己接、自己清 | 高，但門檻也高 |
| Vibe-Trading | 會，自動抓數據跑引擎 | 已接好 yfinance／OKX 等 | 中高，但仍要自己懂風險 |
重點是：一般聊天機器人給你的是「聽起來很合理的話」，Vibe-Trading 給你的是「用真實歷史數據跑出來的數字＋程式碼」。後者當然紮實得多——但別忘了，回測用的是過去，市場走的是未來，數字再漂亮也只是「在那段歷史上會怎樣」。它把驗證的工具給你，判斷的責任還是在你身上。
用之前一定要知道的限制與風險
這一段最重要，請務必看完。第一，也是最關鍵的：Vibe-Trading 官方白紙黑字寫明，它只用於研究、模擬與回測，不執行真實交易，過往績效不保證未來結果。它不是自動賺錢機器人，更不會幫你下單。任何把回測曲線當成「未來收益保證」的想法，都是危險的誤讀。
第二，回測有它與生俱來的陷阱：過度擬合（把策略硬調到剛好符合那段歷史）、忽略交易成本與滑點、用了當時拿不到的未來資訊，都會讓回測漂亮、實戰崩盤。工具會老實幫你跑，但不會替你防這些坑——那需要你自己有量化常識。第三，它的智慧來自你接的那個大模型，模型會出錯、會幻覺，生成的策略程式碼和分析結論都該當「初稿」看待，自己覆核。第四，它要一個模型 API 金鑰才能動用 agent 團隊，那是有成本的，跑複雜任務前先看清楚自己的 token 用量。把它定位成「降低門檻的研究與學習工具」，期待值才會剛好。
Vibe-Trading 適合誰？不適合誰？
適合的人很明確：想學量化、但被「裝環境、接數據、寫回測」這套苦工卡住的散戶；已經在用 Claude Desktop、Cursor 這類 AI 工具，想多一個能跑真數據的金融研究外掛的人；以及想快速驗證一堆交易想法、又懂得用懷疑眼光看回測結果的玩家。對想系統性接觸 AI agent、MCP、量化研究這套技能組的人，它也是一個很好的練手場。
不適合的也很清楚：想要「裝了就自動幫我實盤賺錢」的人——它做不到，也明說不做。完全不想碰任何技術、連終端機貼一行字都抗拒的人，門檻還是會卡你。還有，把回測數字直接當投資依據、不打算搞懂背後風險的人——這工具會放大你的危險，而不是保護你。它給的是研究的能力，不是穩賺的承諾。
對怕被 AI 取代、想學一技之長的人，有什麼用？
這才是我覺得對一般人最值得留意的地方。量化研究、AI agent、MCP 這套能力，幾年前還是對沖基金和大廠的專利，現在一個開源項目就把入口開給願意動手的個人。你為了用 Vibe-Trading，會自然接觸到「怎麼描述一個策略」「怎麼讀回測指標」「怎麼把 agent 接進工作流」——這些技能遷移性極高，今天拿來研究交易，明天就能搬去自動化別的分析雜活。能把 AI agent 用得又準又省的人，無論接案、做產品還是幫公司省成本，都比別人多一張牌。
但要把話講在前頭：學會「用工具研究市場」和「靠交易賺到錢」是兩件完全不同的事，後者牽涉的風險管理、心態、本金，遠不是一個工具能解決的。我的建議是，把 Vibe-Trading 當成練「AI 量化素養」的器材——它讓你用很低的成本，摸到一套以前摸不到的工程能力。至於真金白銀進場與否，永遠是你自己要冷靜評估、量力而為的決定，這篇文章不會、也不能替你拍板。
我會怎麼看 Vibe-Trading？
我最欣賞的是它「把門檻鏟平」的那個判斷。量化研究最勸退人的從來不是策略本身，而是前面那一大段「裝環境、接數據、刻回測」的苦工——Vibe-Trading 把這段整包自動化，還順手把 64 個技能、29 個 agent 團隊、免金鑰數據源都備好，讓「驗證一個想法」這件事從幾天縮成幾分鐘。加上它「不自帶 LLM、借用你現有 agent」的務實取捨，能在短時間衝破萬星，不是沒有道理。
但要誠實講：它降低的是「研究的門檻」，不是「賺錢的難度」。回測能力人人有了，反而更要警惕「數字漂亮就梭哈」的衝動。如果你正好是「想認真學量化、又拿得住分寸」的那種人，它給的回報相當實在；如果你只是想找一台印鈔機，那它會讓你失望，甚至害到你。工具沒有絕對好壞，是看你拿它來長見識，還是拿它來壯膽。
常見問題
Vibe-Trading 會幫我自動下單、實盤交易嗎？
不會。官方明確聲明它只用於研究、模擬與回測，不執行任何真實交易。它能幫你生成策略、跑歷史回測、做分析報告，但「要不要進場、用什麼下單」完全是你自己的決定，而且風險自負。任何把它的回測結果當成獲利保證的想法都是誤讀。
Vibe-Trading 要錢嗎？
工具本身免費、開源，授權 MIT，能商用。港股、美股、加密的數據源免金鑰；A 股需要一個 Tushare token。唯一真正的成本，是它要動用 AI agent 團隊時，背後那個大模型（OpenRouter、DeepSeek 等）的 token 費用——16 個 MCP 工具裡有 15 個完全不用金鑰就能跑。
不會寫程式能用 Vibe-Trading 嗎？
能，但你至少要願意在終端機貼幾行指令，或先在用一個支援 MCP 的 AI 工具（如 Claude Desktop、Cursor）。安裝最快 pip install vibe-trading-ai 一行搞定，之後用自然語言描述需求即可，不需要你自己寫策略程式碼。完全不想碰任何技術介面的人，會卡在安裝這關。
Vibe-Trading 支援哪些市場和 AI 工具？
市場涵蓋 A 股、港股、美股與加密貨幣，回測支援 1 分鐘到 1 天共 7 種週期。作為 MCP 外掛，它能接進 Claude Desktop、Cursor、Windsurf、OpenClaw 等支援 MCP 的客戶端，對外暴露 16 個工具。底層用 Python（FastAPI）＋ React 打造，跨平台。
不喜歡 Vibe-Trading，有什麼替代方案？
看你最在意哪一塊。想要更傳統、社群更大的回測框架，可以看 Backtrader、Zipline、VectorBT 這類純 Python 工具，彈性高但要自己寫程式。想要圖形化、開箱即用的雲端回測，TradingView 的 Pine Script、QuantConnect 都成熟好上手。如果你要的就是「用自然語言、多 agent、本地、跨市場」這個位置，那 Vibe-Trading 目前切得算乾淨。沒有哪個絕對最好，是看你願意拿多少「學習成本」換多少「自動化的省事」——但不管用哪個，回測只是研究，不是穩賺的保證，這條底線都一樣。
延伸閱讀
- 量化交易是什麼？一張全景地圖看懂做市、套利、HFT 到因子（2026 白話版）
- 趨勢跟蹤、動量、均值回歸誰賺錢？三大量化策略我用真實數據回測加密一年
- OKX 量化機器人完整教學｜現貨／合約網格・定投・套利・信號全類型怎麼選（2026）
- 台股程式交易玩家，怎麼把技能轉戰加密量化？
- codebase-memory-mcp：給 AI agent 裝『程式碼記憶』，同一件事省 99% token
※ 本文為工具教學與資訊整理，截至 2026 年 6 月。Vibe-Trading 仍在密集開發，版本、技能數量、支援市場與功能更新極快，實際請以官方 GitHub（HKUDS/Vibe-Trading）說明為準。本工具僅供研究、模擬與回測，不執行真實交易，過往回測績效不代表未來結果。交易與投資涉及本金虧損風險，本文不構成任何投資、財務或交易建議，請自行評估並為自己的決定負責。
延伸閱讀：更多 AI 工具與趨勢
- Karpathy 2026 演講拆解：vibe coding 抬高地板，agentic engineering 抬高天花板，普通人該練哪一個？
- Vibe Coding 玩完了？GitHub 上週悄悄開源 Spec-Kit，要把「憑感覺寫」變回「先寫規格書」
- Karpathy 發了一句 idea，48 小時後 GitHub 自動冒出 Graphify：vibe coding 2.0 開始了
- AI 裁員大迴旋鏢：8 萬人被裁、55% 老闆後悔了，然後偷偷把人請回來
- 微軟 AI CEO 親口說「1.5 年內白領被取代」：律師、會計師、PM 的倒數計時
發表迴響