一图看懂AI Market Maker：项目代码结构与模块职责全梳理-港品优选

一图看懂AI Market Maker：项目代码结构与模块职责全梳理

【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-maker

AI Market Maker（AIMM）是一个开源的 AI 多智能体交易系统，让一群"AI 交易台"像对冲基金一样协作完成行情扫描、信号合成、组合管理与风控否决。本文带你一图看懂它的代码结构与模块职责，帮你 10 分钟建立完整的项目地图 🗺️。

为什么先读懂 AI Market Maker 的代码结构？

AIMM 的设计目标不是"一个交易机器人"，而是一家小型专业交易公司：

多个专职 AI Agent（交易台）并行分析市场
LangGraph 编排层把它们串成完整工作流
Risk Guard（风控守卫）拥有最终一票否决权
量化级纪律：中心化策略配置、买入持有基准、全链路可追溯

理解了"谁负责什么"，你就能快速定位任何功能在代码里的位置。

顶层目录结构一览 📁

项目根目录由 Python 核心 + 两个前端 + 配置文档组成，各目录职责如下：

目录 / 文件	职责	关键词
src/	核心 Python 逻辑：Agent、回测、API、OMS	大脑
web/	Next.js 仪表盘（Nexus 控制台、回测、拓扑图）	展示层 v1
web-v2/	Vite + React 新版门户 UI	展示层 v2
config/	JSON 策略与默认配置（策略、权重、运行设置）	单一事实源
docs/	工作流、配置、策略 schema、各角色人设文档	官方文档
openclaw/	OpenClaw 技能包（SKILL.md + 运行脚本）	技能封装
tests/	pytest 测试套件（单元 + E2E）	质量保障
alembic/	数据库迁移脚本	数据层
scripts/	平台 worker、榜单发布、筛选器等运维脚本	工具

配置哲学：策略与交易参数放在config/下的 JSON 文件（如 config/policy.default.json），密钥只放.env，详见 docs/configuration.md。

src/agents/：9+ 个 AI 交易台（核心看点）⭐

这是 AIMM 最有特色的部分。每个 Agent 都是一个"专职研究员"，统一遵循 src/agents/base_agent.py 定义的输入 → 处理 → 输出 → 反馈契约：

Agent 文件	角色	分析什么
market_scan.py	市场扫描	新币、动量、标的池覆盖
monetary_sentinel.py	宏观哨兵（1.1）	宏观周期 + 流动性评分
news_narrative_miner.py	新闻叙事（1.2）	事件影响 + 叙事新鲜度
pattern_recognition_bot.py	形态识别（2.1）	图表几何 + 形态质量
statistical_alpha_engine.py	统计 Alpha（2.2）	横截面 z-score 信号
technical_ta_engine.py	技术分析（2.3）	RSI、MACD、ATR 等 TA-Lib 指标
retail_hype_tracker.py	散户情绪（3.1）	FOMO 指数 + 背离预警
pro_bias_analyst.py	机构偏好（3.2）	ETF 流向 + 资金费率 + OI 变化
whale_behavior_analyst.py	巨鲸行为（4.1）	砸盘概率 + 筹码集中度（默认关闭）
liquidity_order_flow.py	流动性订单流（4.2）	滑点风险 + 盘口失衡

治理与执行类 Agent 单独放在 src/agents/governance/ 下：

Policy Orchestrator— 策略编排，可按权重开关各 Agent
Risk Guard— 硬性风控层，任何交易执行前都可一票否决
Portfolio Management— 多资产配置与提案生成

每个 Agent 的详细"人设说明书"见 docs/personas/ 下的 15 篇角色文档（如 14_risk_guard.md）。

src/workflow/：LangGraph 编排层如何串联全流程 🕸️

docs/langgraph-workflow.md 定义了完整的状态机，主流程如下：

policy_orchestrator → market_scan → [9 个 Tier-0 Agent 并行] → risk → desk_debate → signal_arbitrator → portfolio_proposal → risk_guard → portfolio_execute → audit

docs/personas/README.md 用一张表总结了各节点职责与默认权重（例如 2.3 技术分析权重 0.30 最高，1.1 宏观仅 0.05）。

src/workflow/ 目录中的关键模块：

模块	职责
weight_assigner.py	把 9 个 Agent 的因子信号归一化到 [0,1]，加权合成全局得分
weighted_arbitrator.py	默认仲裁引擎：确定性数学，零 LLM 成本
desk_debate.py	多空证据线"辩论"环节
routing.py	条件路由：所有路径都必须汇聚到 Risk Guard
execution_intent.py	从仲裁结果派生交易意图

决策阈值（BUY / SELL / HOLD）与对齐门控逻辑详见 docs/weighted-arbitrator.md。

src/backtest/：量化回测引擎 ⏱️

README 强调：单次盈利回测不等于有优势，每个回测自动附带买入持有基准对比、超额收益、完整交易账本与强制风控离场记录。

src/backtest/ 目录结构清晰分层：

子模块 / 文件	职责
engine.py / driver.py	回测核心引擎与驱动循环
loaders/	数据加载器：CCXT、YFinance、Futu、注册表
engines/perp.py	永续合约回测引擎
metrics.py / benchmark.py	绩效指标（Sharpe 等）与买入持有基准
trade_book.py	交易账本 JSONL 落盘
run_demo.py	多币种 Demo 回测入口（无需 API key）
langgraph_adapter.py	让回测复用与实盘相同的 LangGraph 工作流

运行入口 src/main.py 是整条 LangGraph 工作流的组装点：Agent 注册、状态图构建、路由与执行全部在此编排。

src/api/ 与 web/：API 层与仪表盘 🖥️

README 提到"现代 Web 仪表盘用于遥测与追踪"，其实现分两层：

后端— src/api/ 是 FastAPI 路由集合，按领域拆分：

路由文件	领域
main.py / flow_stream_server.py	应用入口与 WebSocket 流式推送
backtest_routes.py / signal_routes.py	回测任务与信号发布
leadpage_routes.py / provider_admin_routes.py	公开榜单页与 Provider 管理
auth_routes.py / wallet_auth.py	账号登录与钱包认证
futu 相关路由	富途行情/模拟下单（/futu 页面）

前端— web/ 是 Next.js 仪表盘，核心页面包括：

/console— Nexus 控制台：实时 Agent 思考流、拓扑图、提示词编辑
/backtests— 回测结果（资金曲线 + 交易明细）
/leaderboard— 榜单与信号
/futu— 港股/美股 K 线与模拟盘
web-v2/ 为 Vite 版新门户，含 MIGRATION_TODO.md 记录迁移进度

支撑模块速查表 🔩

目录	一句话职责
src/oms/	订单管理系统（OMS）：订单状态机、幂等去重、可选 SQLite 持久化账本
src/adapters/	交易所适配器：纸面交易 Nexus、Hyperliquid（dry-run）、Futu
src/llm/	LLM 客户端、结构化输出解析、决策缓存、工具注册表
src/schemas/	数据契约：Tier-0 JSON 契约、交易意图、Agent 追踪结构
src/nexus_data/	Nexus 数据源客户端（新闻、KOL、OI、资金费率）
src/tier1/	Tier-1 信号参数解析与指标目录（组合桥接层）
src/tools/	通用工具：技术指标计算、情绪分析工具、API 封装
src/memory/ / src/harness/	策略记忆与运行记忆
src/telemetry/ / src/flow_log.py	日志发布与事件流水账本
src/storage/	榜单结果本地数据库
src/config/	运行时配置加载：策略、运行模式、LLM 模式、OMS 参数

三种运行模式：同一套工作流 ⚙️

docs/run-modes.md 说明backtest/paper/live三种模式共用同一 LangGraph 工作流，仅由MODE环境变量切换：

模式	执行方式	安全机制
`backtest`	纯模拟成交	无需真实密钥
`paper`（默认）	Binance 测试网或模拟	开发测试推荐
`live`	真实下单	双闸门：`AI_MARKET_MAKER_ALLOW_LIVE=1`才能启动

执行层还叠加了多层保险：OMS 幂等键、dry-run 守卫、fail-closed（不支持的路径在启动时直接报错而非下单时出错）。

3 步上手阅读代码的路线 🚀

从图开始：读 docs/langgraph-workflow.md + docs/personas/README.md，掌握节点顺序与权重表
走一遍主干：打开 src/main.py，跟随 import 顺序看 StateGraph 如何把各节点连起来
深入一个交易台：任选 src/agents/ 下的一个 Agent，对照 docs/personas/ 里对应的人设文档，看它如何产出标准 Tier-0 契约

本地获取代码：

git clone https://gitcode.com/gh_mirrors/ai/ai-market-maker cd ai-market-maker && uv sync --extra dev

💡 更多资料：docs/weight-assigner.md（权重合成数学细节）、docs/policy-schema.md（策略字段全表）、openclaw/SKILL.md（OpenClaw 技能集成）、PRODUCTION.md（生产部署）。

总结 📌

AI Market Maker 的代码结构可以浓缩为一张"公司组织图"：

研究员（src/agents/）：9 个专职感知 Agent 并行输出标准化契约
决策会（src/workflow/）：加权合成 + 桌面辩论，全部路径必经风控
风控官（Risk Guard）：拥有真实的一票否决权
交易员（src/oms/+src/adapters/）：多层保险下的订单执行
审计室（src/telemetry/+ 榜单存储）：全链路追踪可回放

这种"分层职责 + 硬性风控"的架构，是它区别于普通交易机器人的核心，也是阅读这个项目最值得借鉴的设计思路 ✅

【免费下载链接】ai-market-makerAgentic AI Hedge Fund OS (AIMM)项目地址: https://gitcode.com/gh_mirrors/ai/ai-market-maker

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析