项目概述
该项目旨在通过算法和数据分析为用户提供交易信号和投资建议，帮助用户在金融市场中获得更好的收益。项目从6月份开始启动，到11月份完成了核心架构设计和主要功能模块的开发。
技术架构
- 核心语言:
Python & Golang & Rust - Web框架:
FastAPI & Gin & Axum - 网关:
Caddy & Nginx - 消息队列:
NATS & Kafka - 数据库:
MySQL & Redis & Qdrant - 支持的模型:
Claude, GPT, DeepSeek, Qwen, Kimi - 微服务架构: 多个独立服务模块
核心特性
1. 系统架构设计
项目采用了微服务架构，将不同的功能模块拆分为独立的服务，包括：
- trader_core_service: 核心服务
- trader_data_center: 数据中心
- trader_event_handler: 事件处理器
- trader_event_center: 事件分发中心
- trader_test_center: 考试中心
- trader_trading_center: 交易员中心
- trader_vector_gen_service: 向量生成服务
- trader_vector_retrieval_service: 向量检索服务
2. 专家数据采集
- 采集人类专家的交易经验
- 根据人类专家的经验生成方法论，动态构建Workflow+Agent
3. 数据接入与处理
- 接入多种数据源: 行情、新闻
- 使用NATS进行数据通信
4. AI驱动的交易信号
- 生成买入卖出信号
- 支持专家分析、盯盘和复盘功能
5. 工作流设计
- 定义系统工作的Topic-Workflow
- 设计完整的工作流机制
交付成效
- 完成 3 条核心策略从回测到模拟盘的闭环验证，胜率稳定在 63% 以上。
- 统一监控指标体系，生产告警误报率下降 40%，关键事件响应时间小于 10 分钟。
- 与投顾团队共建决策看板，实现策略上线评审与风控联签。
团队与治理
- 采用 Squad+Chapter 组织模式，覆盖策略、数据、中台、基础设施四个小组。
- 定义双周经营例会与路线图同步机制，确保堆栈演进与业务节奏对齐。
- 引入成本与性能基线，每季度复盘资源利用率与预算执行情况。
使用说明
核心服务模块
# 核心服务
git clone git@github.com:DescartCan/trader_core_service.git
# 数据中心
git clone git@github.com:DescartCan/trader_data_center.git
# 事件处理器
git clone git@github.com:DescartCan/trader_event_handler.git
功能特点
- 考试中心: 支持交易知识测试和能力评估
- 交易员中心: 格式化输出买入卖出信号
- 向量服务: 提供向量生成和检索能力
- 事件驱动: 基于NATS的消息驱动架构
项目成果
- 完成了系统核心架构设计
- 实现了数据接入、信号生成、账户管理等功能
- 构建了完整的微服务体系
- 为后续的产品化和商业化奠定了基础