作者：量子位
一不小心，查理·芒格和巴菲特就被煉化，個個加入投資Agent軍團，人人可用了。
這就是最近 GitHub 最熱的項目之一 AI Hedge Fund。
12 位世界級投資大咖，隨時在線為您分析股票、完善交易策略；6 位分析師彙總觀點，最終決策並下單。
這支由傳奇投資人“煉化”打造的 Agent 軍團不僅能實時分析，還內置了回測模塊。
可以先用歷史數據跑一遍策略，再決定是否投入真實資金。
相當全面。
在部署上，項目門檻也很低，兼容 OpenAI、Anthropic、Groq、DeepSeek 等 13 種大模型，本地跑也沒問題。
目前，這個由獨立開發者 Virat Singh 打造的項目，開源後迅速登上 GitHub Trending 榜單，獲得 51.7k Star、9k+ Fork。
有網友看完直接下了定論：能不能賺，不知道。但至少學了點 Agent 框架知識。
Is it about making money? Maybe it can help reduce losses.
讓傳奇投資人重出江湖
實話說，大部分散戶的規模，遠未達到讓頂級投資人親自操盤的程度，而量化模型又高度依賴數據和算力，普通人也難以掌控。
AI Hedge Fund 的核心理念，就是把投資哲學編碼成 Agent，讓小散有了「大師模型」。
每個投資大師 Agent 都被注入了對應人物標誌性的選股邏輯與風險偏好，在面對同一隻股票時，各自给出獨立判斷，最終由投資組合經理 Agent 汇总裁決，輸出買入、賣出或持有信號。
目前系統共內置 18 個專職 Agent，分為兩大類型：
首先是，傳奇投資人 Agent 軍團：
Warren Buffett（巴菲特）——奧馬哈先知，尋找護城河寬闊、價格合理的優質企業。
Charlie Munger（芒格）——巴菲特的黃金搭檔，只在合理價格買入卓越生意，重視管理層質量與可預測性。
Ben Graham——價值投資之父，嚴守安全邊際，專獵被低估的隱藏明珠。
Bill Ackman——積極主義投資者，敢於重倉押注、推動企業變革。
Cathie Wood（木頭姐）——成長投資女王，篤信顛覆式創新與科技變革。
Michael Burry——《大空頭》原型，逆向思維獵手，專注深度價值挖掘。
Peter Lynch——平民投資大師，在日常生活中發現十倍股。
Phil Fisher——成長股精研者，以深度閒聊調研法（Scuttlebutt）著稱。
Stanley Druckenmiller——宏觀傳奇，專尋高度不對稱的進攻機會。
Mohnish Pabrai——Dhandho 投資者，低風險博取高賠率。
Nassim Taleb——《黑天鵝》作者，專注於尾部風險與反脆弱性。
Aswath Damodaran——估值大師，以嚴謹的財務建模為所有資產定價。
然後是，專業分析 Agent 團隊：
估值代理：計算內在價值，生成估值交易信號
基本面代理：解讀財務數據，生成基本面信號
Technicals Agent：分析技術指標，捕捉趨勢與動量
Sentiment Agent：追蹤市場情緒，量化多空博弈
風險管理員：計算風險敞口，設定倉位上限。
Portfolio Manager：彙總所有信號，做出最終交易決策。
12 位大師各執己見，6 位分析師冷靜把關。一支華爾街夢之隊，就這麼拉起來了。
技術架構
在技術架構方面，AI Hedge Fund 採用前後端分離的三層架構設計。
前端基於 React 18 + TypeScript 建構，核心亮點是整合了 React Flow 可視化流程編輯器。
用戶可以像搭積木一樣，把不同的 Agent 節點拖拽連接成一套投資策略圖譜，直觀設計屬於自己的投資委員會。
後端由 Python + FastAPI 驅動，並以 LangGraph 編排多智能體工作流。
All agents share the same AgentState dictionary, with information flowing and being passed between nodes, ensuring state consistency and allowing each agent's analysis results to be dynamically referenced by downstream nodes.
數據層對接多路外部 API，支援實時行情、財務報表、市場情緒等數據的統一接入，也可通過 “FINANCIAL_DATASETS_API_KEY” 接入專業金融數據源。
整套系統支援13種主LLM供應商，也可透過 —ollama參數接入本地大模型，無需上網即可運行完整推理流程。
前面提到的回測模組，一行命令即可啟動：poetry run python src/backtester.py —ticker AAPL,MSFT,NVDA
系統會自動調用各 Agent 對歷史區間內的股票逐日研判，最終輸出策略的歷史收益曲線與關鍵績效指標。
如何部署
在部署方面，AI Hedge Fund 提供命令行與 Web 應用兩種方式。
我們先來看命令列方式：
第一步，克隆倉庫：git clone https://github.com/virattt/ai-hedge-fund.git cd ai-hedge-fund
第二步，安裝依賴（使用 Poetry）：curl -sSL https://install.python-poetry.org | python3 - poetry install
第三步，配置 API 密鑰：
複製 .env.example 至 .env，填入至少一個 LLM 服務的密鑰，例如：OPENAI_API_KEY=your_key_here FINANCIAL_DATASETS_API_KEY=your_key_here
第四步，啟動分析：poetry run python src/main.py —ticker AAPL,MSFT,NVDA
如需使用本地大模型，加上 —ollama 參數即可。
啟動後，他的範例是這樣的。
對於不太熟悉命令行的朋友，Web 應用提供視覺化操作介面。
首先，啟動後端服務：cd app/backend poetry run uvicorn main:app —reload
然後，啟動前端介面（另開終端）：cd app/frontend pnpm install pnpm dev
最後，訪問 http://localhost:3000，即可進入可視化 Agent 流程編輯器，拖拽搭建你的專屬 AI 投資委員會。
還有一件事
有一說一，最近這類「煉化大師」的投資 Agent 真還不少。
例如李誕的「蝦」就發佈了自己的巴菲特－呼蘭投資技能，將段永平、巴菲特、芒格和呼蘭的投資策略全部納入其中。
而像 AI Hedge Fund 這樣整合各家投資方法論的開源項目也越來越多，投資大師 Agent 化正在成為一個小趨勢。
不過值得注意的是，大部分框架都還沒有確切的投資回報率，也沒實盤過，想嘗試的小散千萬還得牢記風險。
對此，網友的評價也很真實。
有人直接開噴：木頭姐拉——
很多人想成為的是西蒙斯，獲得穩定收入。
也有人拋出了靈魂一問：
如果大師們的觀點是衝突的，我們該聽誰的？
But ultimately, what the Agent replicates is the investment philosophy, not the investment outcomes.
12位大師坐在同一張桌子上，本來就不可能意見統一——
但也許，這恰恰是它最有價值的地方：你聽到的不是一個聲音，而是一場辯論。
