Vibe-Trading 接入兼容模型 API

结论：把它当研究工作台，不当单模型脚本

Web、MCP、研究工具和回测一体化平台。它适合需要一个统一界面组织多市场数据、工具和研究任务的团队，不适合只想用一句 Prompt 得到买卖答案的用户。 当前 verified 仅覆盖 LangChain 模型构造和项目自身调用。Web、数据库、MCP、市场数据插件、回测与任何券商功能仍要分别验收；功能入口多，不应被包装成全部能力已交付。

官方工作台展示真实产品形态

画面从锁定版本的官方 Frontend 视频抽取，展示的是项目自身研究工作台，不是通用金融插画。它证明项目有可交互前端，但不证明画面中的每个后端插件在你的部署里已经配置。

平台调用链要拆成五层

浏览器只负责发起任务；Agent 编排模型与工具；MCP 或插件访问市场数据；数据库保存任务；回测模块输出实验结果。模型兼容端点只替换其中一层。

配置正式的 OpenAI 兼容 provider

锁定版本通过 provider、模型名、Key 和 Base URL 创建 LangChain 客户端。模型 ID 从目录复制，不要把显示名或厂商名写进去。

LANGCHAIN_PROVIDER=openai
LANGCHAIN_MODEL_NAME=从模型页复制模型ID
OPENAI_API_KEY=sk-your-key
OPENAI_BASE_URL=https://api.kkaiapi.com/v1

用 LangChain 最小调用隔离模型问题

先在同一 Python 环境中验证 LangChain 客户端，再启动整个平台。若这一步成功而 Web 任务失败，就检查项目配置读取、数据库和工具，而不是继续猜模型端点。

import os
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(
    model=os.environ["LANGCHAIN_MODEL_NAME"],
    api_key=os.environ["OPENAI_API_KEY"],
    base_url=os.environ["OPENAI_BASE_URL"],
    temperature=0,
)
reply = llm.invoke("Reply exactly: ok")
assert reply.content.strip(), "empty response"
print("langchain model layer: ok")

证据矩阵：已通不等于全平台已通

Vibe-Trading 的模型、前端、MCP、数据和回测属于不同运行层。每层都要记录当前证据与未验证项，避免把底层 smoke 误写成全平台验收。

金融数据和回测必须可复现

多市场行情、新闻、数据库和可选 MCP 工具。固定标的、时间窗口、数据版本、手续费、滑点和基准后再比较模型；如果数据插件在不同时间返回不同修订值，要保留原始响应或快照。 Agent 建议、回测结果和实时行情是三类对象。报告必须标注哪一段来自工具、哪一段是模型推断，以及哪些字段未获得。

成本、并发和故障定位

一次任务成本 = 输入 token × 输入单价 + 输出 token × 输出单价 + 缓存读写费用 + 外部数据费用。模型价格和实际 token 只从当前模型目录与控制台调用日志读取，不在文章里复制一份会过时的数字。 工作台会同时产生规划、工具选择、总结和重试调用。401 检查 Key；404 检查模型 ID；前端一直等待时分别检查模型首字延迟、MCP 超时和任务队列；回测失败不能自动重试成多个独立实验。用 trace_id 串起浏览器任务、Agent 调用与工具日志。

常见问题