AI 驱动的量化研究、策略生成、回测验证与交易辅助平台。
中文文档 · English docs · 本地 API 文档
AI for Investor 面向量化交易者与投研团队，将自然语言研究、知识库检索、策略开发、数据预检、回测验证、交易工作区和组合风险观察连接成可追溯的工作流。它帮助研究人员更快形成和验证假设，但不替代数据校验、风险控制或人工交易决策。
| 阶段 | 在平台中完成什么 | 主要入口 |
|---|---|---|
| 研究依据 | 检索团队规范、数据说明和历史复盘，并查看引用来源 | /ai/chat、/ai/knowledge-base |
| 策略形成 | 创建、审查或生成 Backtrader 策略草案及研究目标 | /investment/strategies |
| 数据确认 | 选择标的、检查覆盖与质量，必要时主动刷新在线行情 | /data/market |
| 验证与迭代 | 运行回测、阅读指标/交易统计、执行稳健性或参数优化 | /research/workspaces、/backtest |
| 运行与风险观察 | 管理经审核的运行单元，查看账户、持仓、P&L 与回撤 | /trading、/portfolio |
| 领域 | 能力 |
|---|---|
| AI 与知识 | 知识库、文档索引、引用型问答、词法检索、可选语义检索、策略构思与审查、AI 投研 |
| 数据可信度 | MySQL 行情仓本地优先、AkShare 显式刷新、覆盖矩阵、质量检查、历史补齐缓存与回测前预检 |
| 策略与回测 | Backtrader、策略版本、内置模板、统一指标、回测报告、研究工作区、稳健性验证与参数优化 |
| 交易与组合 | 研究/交易工作区、模拟运行、网关状态、账户/持仓/成交、累计 P&L、回撤和资产配置 |
| 工程化 | FastAPI、Vue 3、SQLAlchemy、SQLite/PostgreSQL/MySQL、pytest、Vitest、Playwright 与 OpenTelemetry |
- Python 3.10+
- Node.js 20+
- Git
- Docker Compose v2（可选）
git clone https://github.com/cloudQuant/backtrader_web.git
cd backtrader_web
./scripts/dev/verify-dev-env.sh --preinstall
# 后端cd src/backend
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -e ".[dev,backtrader]"# 需要在线 AkShare 查询时：pip install -e ".[dev,backtrader,data]"# 需要语义向量检索时：pip install -e ".[dev,backtrader,rag]"
cp .env.example .env
# 前端cd ../frontend
npm install
cd ../..
./scripts/dev/verify-dev-env.sh --postinstall分别启动后端和前端：
cd src/backend &&source .venv/bin/activate && uvicorn app.main:app --reload --port 8000cd src/frontend && npm run dev- 前端：http://localhost:3000
- API / Swagger：http://localhost:8000/docs
- 健康检查：http://localhost:8000/health
Compose 基础文件位于 docker/docker-compose.yml，需配合环境覆盖文件使用：
# 开发环境
docker compose -f docker/docker-compose.yml -f docker/compose/dev.yml up
# 生产环境（先配置受保护的环境变量）
docker compose -f docker/docker-compose.yml -f docker/compose/prod.yml up -d生产环境的密钥、数据库密码、CORS 与备份要求见 部署文档。
- 在 数据 → 市场数据选择资产类别和标的，检查数据覆盖和质量。
- 需要最新行情时点击查询；这才会请求 AkShare，普通页面打开与标的切换优先读取本地 MySQL 行情仓。
- 在 投研 → 策略选择模板、已有策略或 AI 草案，并审查标的、周期、成本与风险假设。
- 将策略加入研究工作区，运行回测并查看交易次数、资金曲线、回撤和稳健性结果。
- 只有经过人工审核后，才将方案放入交易工作区；再通过组合页核对账户、持仓、成交和风险视图。
- 知识库不是整库喂给模型。 系统先在选定知识库的已索引文档块中检索，再由可选模型组织回答。
not_indexed、no_context_found、ai_not_configured和ai_provider_failed都有明确诊断含义。 - 行情页本地优先。 在线 AkShare 请求失败、无数据或不覆盖所选区间时，系统保留可用 MySQL 数据，并返回脱敏、可操作的提示。
- AI 策略必须复核。 “生成研究目标”允许选择默认方案或由当前模型优化；模型不可用时保留默认方案。策略代码在受限环境中运行，禁止覆盖
self.close()等交易方法；价格序列应使用self.dataclose等自定义属性保存。 - 回测不是实盘许可。 回测指标、RAG 回答和 AI 输出都需要人工复核；真实网关与账户权限属于高风险边界。
backtrader_web/
├── src/
│ ├── backend/ # FastAPI、SQLAlchemy、Backtrader 与领域服务
│ └── frontend/ # Vue 3、TypeScript、Pinia 与 ECharts
├── strategies/ # 内置策略模板与示例
├── scripts/ # 开发、运维、迁移与 CI 工具
├── docker/ # Compose 基础文件与环境覆盖文件
├── tests/ # 端到端与辅助测试资源
└── docs/ # 发布文档、工程手册、迭代记录与历史归档
所有业务 API 位于 /api/v1。当前运行环境中可用的端点、认证要求和请求/响应模型以 Swagger 为准：http://localhost:8000/docs。常用领域包括：
| 领域 | 前缀 |
|---|---|
| 认证与状态 | /auth、/status |
| 策略、回测与优化 | /strategy、/backtests、/analytics、/optimization |
| 工作区、运行与组合 | /workspace、/paper-runtimes、/live-trading、/portfolio |
| 数据与可信度 | /data、/data/trust、/quote |
| 知识库与 AI | /knowledge-base、/rag、/kb-chat |
关键环境变量保存在 src/backend/.env 或受保护的部署环境中：
| 配置 | 用途 |
|---|---|
DATABASE_TYPE、DATABASE_URL | 应用数据库（SQLite / PostgreSQL / MySQL） |
AKSHARE_DATA_DATABASE_URL | 独立的 MySQL 行情数据仓 |
AI_CHAT_* | OpenAI-compatible 生成模型接入 |
RAG_VECTOR_* | 可选语义检索的模型、集合和批处理设置 |
SECRET_KEY、JWT_SECRET_KEY | 加密与 JWT 签名；生产环境必须使用不同的高熵值 |
不要提交 .env、数据库导出、证书、网关或模型凭据。
# 后端cd src/backend
ruff check app tests
pytest -m "not e2e" -q --tb=short
mypy app
# 前端cd src/frontend
npm run typecheck
npm run lint
npm run test -- --run
npm run build
# 文档（仓库根目录）
python -m mkdocs build -f docs/mkdocs.yml --strict
python scripts/ci/check_doc_links.py| 目标 | 入口 |
|---|---|
| 产品概览与投研流程 | 项目介绍 / 中文文档首页 |
| 安装、知识库、市场数据、策略与回测 | 快速开始与功能文档 |
| 架构、API、数据库与配置 | 开发文档 |
| Docker 与生产运维 | 部署文档 |
| 文档分层与归档策略 | 文档导航 |
| 贡献规范 | CONTRIBUTING.md |
当前处于 v1.x 持续演进阶段。旧迭代、已完成方案和专项报告位于 docs/iterations/、docs/archive/ 和 docs/reports/archive/，仅用于追溯，不应替代当前操作文档。
与 backtrader_web 同属 cloudQuant 量化体系的相关资源：
| 项目 | 简介 |
|---|---|
| backtrader | 专业 Python 算法交易框架（回测 + 实盘），本仓库策略研究引擎的基础 fork。 |
| backtrader-skills | 离线可独立安装的策略"作者/评审/测试"产品：把本地数据集与 StrategySpec v1 转成 pytest 策略或三文件包，静态评审后在独立子进程中验证。 |
| backtrader-mcp | 本地优先的 MCP 服务器：CSV 固化为不可变数据集，类型化策略意图转为私有草稿，经评审后在受限子进程中运行并产出状态与报告（离线、仅回测）。 |
| backtrader_web | 本仓库：基于 Web 的 Backtrader 全周期策略管理工具，覆盖回测分析、模拟交易、实盘执行与数据管理。 |
| backtrader-agent | 离线优先的策略编写 agent 运行时：内容寻址存储、策略规范校验、14 种脚手架、静态评审、哈希绑定审批、固定子进程执行与会话溯源。 |
| fincore | 统一 Python 工具集：金融指标、绩效分析、回测、AI 洞察与多数据库/多数据源支持，服务量化金融工作流。 |