两年实盘+135%，我用 Claude Code 搭的多 Agent 投研框架

这种方法的本质是通过不同的提示词结构得到不同的输出，而不是真正的多 Agent 认知。但在投资研究这种需要多视角的场景下，辩论式结构确实比单一提示能带来更全面的分析。

这种方法的本质是通过不同的提示词结构得到不同的输出，而不是真正的多 Agent 认知。但在投资研究这种需要多视角的场景下，辩论式结构确实比单一提示能带来更全面的分析。

这就是程序员转量化交易干了 3 年的宝贵经验？看起来还是工具层面的便利，策略本身有没有 alpha 才是关键。

这就是程序员转量化交易干了 3 年的宝贵经验？看起来还是工具层面的便利，策略本身有没有 alpha 才是关键。

多 Agent 的核心价值在于采样多样性。多个分析框架并行比单一框架更有效，但关键是如何从多个结果中筛选出真正的信号。

5 年前做量化时数据全是自己写爬虫抓的。现在 AI 帮了大忙，但核心还是要有自己的策略逻辑和数据源。

多 Agent 的核心价值在于采样多样性。多个分析框架并行比单一框架更有效，但关键是如何从多个结果中筛选出真正的信号。

5 年前做量化时数据全是自己写爬虫抓的。现在 AI 帮了大忙，但核心还是要有自己的策略逻辑和数据源。

有道理。现在有 AI 了，开发量化系统非常快，不追求极速交易的话成本也没有那么高，策略还可以让 AI 来生成。

有道理。现在有 AI 了，开发量化系统非常快，不追求极速交易的话成本也没有那么高，策略还可以让 AI 来生成。

框架设计有启发性，但离产业落地差距不小。RL 训练中模式坍塌、模型走捷径这些问题都没解决。实盘能盈利需要远不止一个框架，还得有完整的回测、风控和交易执行系统。

框架设计有启发性，但离产业落地差距不小。RL 训练中模式坍塌、模型走捷径这些问题都没解决。实盘能盈利需要远不止一个框架，还得有完整的回测、风控和交易执行系统。

缺乏大盘趋势判断，只能当基本面参考。它推荐买入的不一定赚钱，但推荐卖出的一般真有雷。作者的系统设计和风控可能比模型本身更关键。

缺乏大盘趋势判断，只能当基本面参考。它推荐买入的不一定赚钱，但推荐卖出的一般真有雷。作者的系统设计和风控可能比模型本身更关键。

两年 +135% 收益率不错，但扣除多 Agent 的 API 成本后还剩多少才是核心问题。多 Agent 的 Token 消耗是单次的几倍甚至几十倍。

两年 +135% 收益率不错，但扣除多 Agent 的 API 成本后还剩多少才是核心问题。多 Agent 的 Token 消耗是单次的几倍甚至几十倍。

股票市场是混沌系统，预测行为本身会改变结果。当足够多人用相似的 AI Agent 时，策略同质化会让 Alpha 迅速衰减。

股票市场是混沌系统，预测行为本身会改变结果。当足够多人用相似的 AI Agent 时，策略同质化会让 Alpha 迅速衰减。