5 个 Hermes 协作的量化策略研究自动化流水线
从假设生成 → 数据工程 → 回测建模 → 风控审计 → 策略撰写，全自动完成。
Quant Cluster 的独特设计：Kimi Code 既是入口指挥官，又是每个 Agent 的大脑。
你 (User)
│
▼ "研究一下动量与反转的边界条件"
┌──────────────┐
│ Kimi Code │ ←── 理解意图、调用 Orchestrator、汇总结果
│ (CLI) │
└──────┬───────┘
│
▼ python3 -m orchestrator run --topic "..."
┌──────────────┐
│ Orchestrator │ ←── DAG 调度：hypothesis → data → quant → risk → writer
│ (Python) │
└──────┬───────┘
│ HTTP API (SSE 流式)
▼
┌────────────────────────────────────────┐
│ 5 Hermes Agent Containers │
│ ┌─────────┐ ┌─────────┐ ┌────────┐ │
│ │hypothesis│ │data_eng │ │ quant │ │ ...
│ │:8642 │ │:8643 │ │:8644 │ │
│ └────┬────┘ └────┬────┘ └───┬────┘ │
│ │ │ │ │
│ └────────────┴───────────┘ │
│ │ │
│ ▼ │
│ ┌───────────────────────────────┐ │
│ │ 每个 Agent 内部调用 LLM API │ │
│ │ ANTHROPIC_BASE_URL │ │
│ │ ↓ │ │
│ │ Kimi Code (API) │ │ ←── Agent 的"大脑"
│ │ 完成文献调研 / 写代码 / 审计 │ │
│ └───────────────────────────────┘ │
└────────────────────────────────────────┘
│
▼ REST
┌──────────────┐
│ Data Router │ ←── SQLite Cache + IBKR TWS API
│ (Port 8888) │
└──────┬───────┘
▼
┌──────────────┐
│ IB Gateway │ ←── Paper Trading / Live
│ (Port 7497) │
└──────────────┘
| 层级 | 角色 | 说明 |
|---|---|---|
| 你 | 指挥官 | 用自然语言下达研究指令 |
| Kimi Code (CLI) | 入口 + 大脑 | 理解你的意图，调用 Orchestrator，把最终结果呈现给你 |
| Orchestrator | 调度器 | 按 DAG 顺序调用 5 个 Agent，处理失败重试、断点续跑 |
| Hermes Agent | 执行容器 | 接收任务，内部通过 API 再次调用 Kimi Code 完成具体工作 |
| Kimi Code (API) | 每个 Agent 的大脑 | 5 个 Agent = 5 个独立的 LLM 会话，各自完成专业任务 |
| Data Router | 数据网关 | 统一管理 IBKR 数据，避免 clientId 冲突，SQLite 缓存加速 |
| WebBridge | 浏览器桥接 | 宿主机的真实 Chrome，Agent 通过它访问 SSRN、QuantConnect、Seeking Alpha 等需登录网站 |
一句话总结：你对着 Kimi Code 说一个策略想法，Kimi Code orchestrates 5 个专业 Agent——其中 Hypothesis Agent 会打开你的 Chrome 浏览器深入 SSRN、QuantConnect 做文献调研——最终给你一个完整的双语研究报告。
| Agent | 职责 | 输入 | 输出 |
|---|---|---|---|
| hypothesis | 文献调研 + 可检验假设 | 研究主题 | 假设报告 (中英双语) + 数据需求清单 |
| data_engineer | 数据获取 + 特征工程 | 数据需求 | 特征矩阵 + 数据质量报告 (中英双语) |
| quant_analyst | 回测建模 + 绩效分析 | 假设 + 特征矩阵 | 回测结果 + 回测报告 (中英双语) |
| risk_auditor | 过拟合检验 + GO/NO-GO | 回测结果 | 审计报告 + 参数稳定性图 (中英双语) |
| strategy_writer | 交易 SOP + 知识沉淀 | 审计结论 | 策略文档 + 元数据 (中英双语) |
Pipeline 完成后自动生成：
- ✅ 归档报告 + 图表（
shared_workspace/archive/{run_id}/） - ✅ 交互式 HTML 报告（暗色主题、双语切换、Dashboard 指标）
- ✅ 中间数据自动清理（释放磁盘空间）
Quant Cluster 支持两种使用模式：
安装项目自带的 Kimi Code skill，然后用自然语言下达指令：
# 安装 skill（符号链接到 Kimi Code skill 目录）
ln -s $(pwd)/.kimi/skills/quant-cluster ~/.kimi/skills/quant-cluster之后你只需要说：
你: 研究一下动量与反转的边界条件
Kimi Code: 好的，我来启动 Quant Cluster pipeline...
[自动检查容器状态 → 启动 → 运行 5 个 Agent → 汇总结果]
已完成！HTML 报告在 archive/run_xxx/final_report.html
Kimi Code 会自动处理所有运维细节：健康检查、容器管理、stage 调度、失败重试。
直接运行 Orchestrator 命令（适合调试和自定义）：
python3 -m orchestrator.orchestrator run --topic "你的研究主题"- Docker Desktop
- IB Gateway（Paper Trading，port 7497）
- LLM API Key（支持 Anthropic API 兼容端点，如 Kimi Code、OpenRouter）
- Tavily API Key（Hypothesis Agent 文献调研用）
- WebBridge（宿主机 Chrome 浏览器守护进程，port 10086）— Hypothesis Agent 通过它访问需要登录的学术网站
cp .env.example .env
# 编辑 .env，填入你的 API keys
# 注意：ANTHROPIC_BASE_URL 指向 Kimi Code API，Agent 们用它作为"大脑"Hypothesis Agent 的文献调研依赖 WebBridge 访问需要登录的网站。WebBridge 是运行在宿主机上的 Chrome 浏览器守护进程：
# 启动 WebBridge（需要单独安装 Kimi Code CLI 的 WebBridge 组件）
# 默认监听 host.docker.internal:10086
# Agent 容器内通过 webbridge_client.py 调用为什么必须用它？
| 信息源 | Tavily/web_search | WebBridge |
|---|---|---|
| Google Scholar | 只能拿到标题+摘要 | 可访问完整页面 |
| SSRN | 经常返回空内容 | ✅ 利用宿主机登录态获取全文 |
| QuantConnect | 无法访问社区代码 | ✅ 可浏览论坛和策略实现 |
| Seeking Alpha | 付费墙阻挡 | ✅ 利用已登录态访问 |
| arXiv PDF | 提取失败 | ✅ 直接下载或浏览 HTML 版 |
Agent 会自动选择正确的方式：先用 web_search 获取候选链接，对关键链接用 terminal → webbridge_client.py 获取全文。
bash launch.shpython3 -m orchestrator.orchestrator health# 完整跑一个研究主题
python3 -m orchestrator.orchestrator run --topic "动量与反转的边界条件"
# Dry-run（不调用 Agent，验证流程连通性）
python3 -m orchestrator.orchestrator run --topic "测试" --dry-run
# 从中间 stage 恢复（跳过已完成的阶段）
python3 -m orchestrator.orchestrator run --topic "xxx" --from-stage quant_analyst
# 跳过归档（保留 workspace 所有文件）
python3 -m orchestrator.orchestrator run --topic "xxx" --skip-archive# 历史 runs
python3 -m orchestrator.orchestrator status
# 打开 HTML 报告
open shared_workspace/archive/run_*/final_report.htmlbash stop.sh| 组件 | 技术 |
|---|---|
| 入口指挥官 | Kimi Code CLI — 理解用户意图，调用 Orchestrator |
| Agent 大脑 | Kimi Code API (https://api.kimi.com/coding/) — 5 个独立 LLM 会话 |
| Agent 容器 | Hermes Agent (Docker) — 任务接收 + 工具执行 |
| Data Router | Python FastAPI + IBKR TWS API (ib_insync) + SQLite Cache |
| Orchestrator | Python asyncio + Rich CLI + Jinja2 HTML Reporter |
| 可视化 | ECharts (CDN) + 暗色主题 CSS |
| 部署 | Docker Compose |
quant-cluster/
├── agent_configs/ # 5 个 Agent 的配置
│ ├── hypothesis/SOUL.md # Agent 指令（中英双语报告要求）
│ ├── hypothesis/config.yaml
│ ├── data_engineer/SOUL.md
│ ├── data_engineer/config.yaml
│ ├── quant_analyst/SOUL.md
│ ├── quant_analyst/config.yaml
│ ├── risk_auditor/SOUL.md
│ ├── risk_auditor/config.yaml
│ ├── strategy_writer/SOUL.md
│ └── strategy_writer/config.yaml
├── data_router/ # IB Gateway REST 数据网关
│ ├── cache/ # SQLite 数据缓存
│ ├── ibkr/ # IBKR 客户端
│ ├── routers/ # FastAPI 路由
│ └── main.py
├── orchestrator/ # Pipeline 编排器
│ ├── core/
│ │ ├── orchestrator.py # 核心编排逻辑
│ │ ├── dag.py # Agent 注册 + 依赖图
│ │ ├── html_reporter.py # HTML 报告生成器
│ │ └── state_db.py # 运行状态数据库
│ └── orchestrator.py # CLI 入口
├── shared_workspace/ # Agent 产物工作区（运行时创建）
│ └── archive/ # 历史归档
├── docker-compose.yml # 8 个服务编排
├── launch.sh # 一键启动
├── stop.sh # 一键停止
└── .env.example # 环境变量模板
- 🧠 Kimi Code 双角色：既是你的入口界面，又是 5 个 Agent 各自的 LLM 大脑
- 🤖 5 Agent 协作：hypothesis → data_engineer → quant_analyst → risk_auditor → strategy_writer，DAG 依赖自动调度
- 🌐 中英双语报告：每个 Agent 同时产出中文 + 英文版本，HTML 报告支持语言切换
- 📊 自动可视化：ECharts Dashboard + 参数热力图 + 权益曲线 + 排列检验图
- 🗄️ 智能归档：保留报告和图表，清理 GB 级中间数据，每个 run 归档仅 ~10MB
- 🛡️ 归档安全保护：空 workspace / 归档失败时自动跳过清理，防止误删
- ⏯️ 断点续跑：
--from-stage跳过已完成阶段，从失败处恢复 - 🔍 WebBridge 文献调研：Hypothesis Agent 通过宿主机 Chrome 访问 SSRN、QuantConnect、Seeking Alpha、arXiv 等，利用真实登录态获取全文
- 📡 IBKR 数据路由：唯一 IB Gateway 客户端，Agent 通过 REST API 获取数据，避免 clientId 冲突
MIT — 详见 LICENSE
⚠️ 免责声明：本项目仅用于量化策略研究，不构成任何投资建议。回测结果不代表未来表现。