NeoTrade：把交易策略交给 Agent 执行并留痕
作者自费实测 NeoSoul 的 NeoTrade，认为其重点在策略执行、权限边界与决策记录，而非行情预测。
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