NeoTrade: letting an agent execute your trading strategy with audit trails
The author paid to test NeoSoul's NeoTrade and argues its value lies in strategy execution, permission limits, and decision logs rather than price prediction.
AI 交易员真正的考验是什么？龙哥认为嘴重要的是如何正确执行策略，后面可能是策略的进化。 龙哥常年在币圈、也交易美股、玩meme，跟踪热点。现在越来越觉得交易最难的是，24小时去看热点，新闻，K先，基本不现实，况且有时差。 如果市场行情上涨的时候，很多人都觉得自己就是币神股神，就像龙哥在6月22日抛了美股跑路，现在看看，一切都是基于行情的偶然。 所以，我后来一直在市场里研究 AI Agent 交易。目前为止已经亲身花钱测试了4款AI Agent。 于我而言，感兴趣的不是 AI 能不能预测下一根 K 线，也不是它能不能给出一份看起来很专业的市场分析。 我最喜欢的是，把一套交易思路交给 AI，它能不能按照预先设定的条件执行？ 遇到不符合条件的行情时，能不能选择不交易？ 每一次操作之后，又能不能留下足够的信息，让人知道它为什么这样做？ 而这些要求和观点，可能才是当下AI Agent最应该考虑的问题。 刚好 @0G_labs 生态 @NeoSoulAI 的 NeoTrade也在研究AI Agent。 龙哥研读了他们的白皮书和官网材料，并且实际下载了win版本在本地运行，为了让更深入测试，我还付了5美元。 经过测试，我发现它的思路是让用户把自己的交易想法转化为策略，再由 Agent 在相应的交易环境中执行。 这已经接近我的最初对于AI Agent的想法。 对我来说，这种产品方向比单纯让 AI 分析市场更有意思。 我详细在软件上逐项研究 NeoTrade 的时候，发现它已经做到并不只是给 AI 接一个行情接口，再让它自己决定买卖。 通读文档之后，我总结了一点用户首先要明确自己的目标、策略、可用资金、交易市场和风险边界。 Agent 再结合能获取的信息和策略配置进行判断，决定是执行、继续等待，还是放弃这次机会。 （当然了，目前是预测市场，meme即将开放。） AI只有在用户授权范围内的操作，才进入执行环节。而在这之后，订单执行情况、市场结果和异常信息还会留下记录，方便回头检查整个决策过程。 这套机制让我觉得，AI 交易员更需要解决两个不同的问题。 第一个是判断问题。 AI能不能从市场信息里找到有价值的信号，识别不确定性，只有充分获得信息，并且有能力对获得的信息进行完整的正确的整合之后得出判断结论。 第一个是执行问题。 AI即使判断非常合理，它是否有有能力和权限执行这笔交易？仓位有没有超过系统或者用户限制？市场条件或者行情突然发生变化时，是继续执行，还是重新分析判断再决定是否应该停下来？ 这两个问题我认为不能混为一谈，一定是一分为二的视觉来看待。 一个模型分析能力再强，如果缺少权限管理、风险控制和执行记录，也不一定适合接触真实资金。 我还在文档中看到 NeoTrade 有一个值得关注的设计，就是把交易过程中的行为和结果保留下来。 这样当我们实际评估 Agent 时，就不必只看最后赚了多少钱，还可以检查它有没有遵守策略、执行成本是否合理、遇到异常时如何处理。 目前，按照产品思路，我看到 NeoSoul 还在建设 evoevo 这套数据与评估系统。 按照设计，在获得用户明确授权后，符合条件的反馈数据可以用于后续评估和改进，这点我是非常支持的，没有实际运行数据的正反馈和负反馈，很难促进AI Agent的自我进化。 期待后续产品的更新。 @NeoSoulAI @EchoHunt_ai