自 Claude-4 发布以来，AI Agent 框架如雨后春笋般涌现，围绕用 AI 开发应用的浪潮也持续升温。
最近，这位小哥在外网火了。 他尝试用 AI 完成 70 个项目，给他带来超高收益：
其中几个项目确实取得了非常不错的回报。
今天，给大家分享四个近期的热点 Agent 框架，适合不同的使用场景和人群，看看能不能给大家提供一些思路~
我会把开源地址和简单教程全部展现在下面，大家可以尝试搭建自己的工作流。
AI Hedge Fund | AI对冲基金
项目地址：
https://github.com/virattt/ai-hedge-fund
有没有想过，有一天你可以拥有顶尖对冲基金，由世界顶尖操盘手组成：
股神沃伦·巴菲特、 全球收入最高的对冲基金经理詹姆斯·西蒙斯、 Duquesne Capital 前总裁斯坦·德鲁肯米勒， 以及比尔·阿克曼、卡尔·伊坎...
现在，这一切都可以通过这个开源、免费的 AI 对冲基金框架实现！
目前该项目已收获 3 万+ Star，热度不低，我自己也默默点了关注。
项目推出后，也是收获了网友的一波好评。
介绍
AI Hedge Fund 是基于 LangChain 构建的多代理系统，集成了 16 位风格各异的"AI 投资人"，共同协作进行投资决策：买入、卖出、做空、平仓、持有等操作。
其中部分代理包括：
Aswath Damodaran - 估值大师，专注于故事、数字和严格的估值 Ben Graham - 价值投资教父，只买有安全边际的隐藏宝石 Bill Ackman - 激进投资者，采取大胆的立场并推动变革 Cathie Wood - 成长型投资女王，相信创新和颠覆的力量 Charlie Munger - 沃伦·巴菲特的合作伙伴，只以公道的价格购买精彩的企业
除此之外，系统还支持同时分析多个股票、提供回溯测试和实时交易信号。
上手教程
环境设置：
git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund
# 安装 Poetry（如果尚未安装）
curl -sSL https://install.python-poetry.org | python3 -
#安装依赖项：
poetry install
#设置环境变量：
cp .env.example .env
# OpenAI API key
OPENAI_API_KEY=your-openai-api-key
# 或者Groq API key
GROQ_API_KEY=your-groq-api-key
# 金融数据API key
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key
经营对冲基金
poetry run python src/main.py --ticker AAPL,MSFT,NVDA
输出示例：
要注意的是该系统只是模拟交易决策，仅用于教育和研究目的。它实际上并不直接进行交易。
无论是想要学习顶尖操盘手是怎样交易的，还是想要学习如何搭建这样的框架的小伙伴，这都是一个非常不错的开源项目，值得玩一玩。
题外话
不过，将 AI 应用于对冲基金帮助决策并不是什么新鲜事。
来自美国旧金山的 Numerai 公司是全球首个"去中心化数据科学对冲基金"。它是由世界各地数据科学家提交的系统构建的 AI 对冲基金。
Numerai 应用机器学习来预测股票市场，目前每周执行的交易额已经超过 25 亿美元。
R&D Agent | 研究开发 Agent
项目地址：
https://github.com/microsoft/RD-Agent
试玩地址：
https://rdagent.azurewebsites.net
这个项目是由微软研究团队推出。他们设计的初衷是，想要通过AI Agent框架自动化的实现研究（Reasearch）和开发（Development）全过程。
具体实现过程：
研究阶段：从数据、财务报告中迭代想法，提出假说，并且进行持续的知识构建
开发阶段：逐步提取因子并生成代码。自动化实现和测试因子。
这个项目不仅限于金融方面的开发和研究，团队还提出了其他使用场景：
自动化量化交易 数据挖掘Agent：迭代提出数据与模型，并通过从数据中获取知识来实现它们。 研究助理：自动阅读研究论文，财务报告，并实现模型结构或构建数据集。 Kaggle代理：自动模型调优与特征工程，并将其应用于比赛中以取得更好成绩
以上这些使用，团队都放出教程视频，可以去GitHub上面观看学习。
当然，这个R&D Agent也不仅限于这些场景，欢迎发挥创意开发属于你自己的场景！
上手教程
推荐先观看他们的教学视频，然后在试玩地址上进行测试。
Demo 例子：
不过想要进行深度开发，R&D Agent 的安装也比较简单,几步就可以完成
1、下载对应库
pip install rdagent
rdagent health_check
cat << EOF > .env
OPENAI_API_KEY=<replace_with_your_openai_api_key>
# EMBEDDING_MODEL=text-embedding-3-small
CHAT_MODEL=gpt-4-turbo
EOF
rdagent fin_factor
他们还提供其他的几个使用场景的一键式运行代码，比如医疗模型迭代，Kaggle比赛模型优化等等，都可在GitHub上查看。
AgenticSeek | 本地版 Manus
项目地址：
https://github.com/Fosowl/agenticSeek
这是一款 100% 本地替代 Manus AI 的方案，专为数据敏感项目设计，确保所有数据留存在本地，不上传云端。
项目刚上线一个月，已接近一万 Star。
我也为大家提供了几个应该场景适合我们本地设备使用：
智能网页浏览：可自主上网搜索、阅读、提取信息，甚至填写表单，全程无需人工干预。 自主编码助手：可独立编写、调试并运行多种语言程序，如 Python、C、Go、Java，无需监督。 复杂任务执行：从旅行安排到项目管理，可自动拆解任务并协调多个 AI 协作完成。 语音交互：具备自然、快速的语音对话与转写功能，像科幻电影一样与 AI 助手交流。
安装教程这边不过多赘述，团队非常贴心为大家提供了中文教程，也很全面，方便我们中国的小伙伴快速上手体验。
中文教程：
https://github.com/Fosowl/agenticSeek/blob/main/README_CHS.md
Sage Agent| 多智能系统框架
项目地址：
https://github.com/ZHangZHengEric/Sage
Sage Agent 是一款由清华大学的大模型与 Agent 系统专家研发的模块化多智能体框架，旨在支持复杂任务的高效协作与执行。
Sgae Agent提供两种不同的工作模式：
深度研究模式：全面的多智能体协作，适用于复杂问题解决 快速执行模式：轻量级智能体优化，实现快速任务完成
提供两种模式下的任务分解和执行能力。
整体特性包括：
智能体流水线: 任务分析 → 规划 → 执行 → 观察 → 总结 工具系统: 可扩展的工具集成与自动注册 MCP服务器支持: 通过MCP协议管理外部工具 消息流: 智能体间的结构化消息传递 模块化设计: 易于扩展新智能体和工具
上手教程
git clone https://github.com/ZHangZHengEric/Sage.git
cd Sage
pip install -r requirements.txt
# 1. 安装所需依赖:
pip install uvicorn
# 2. 启动MCP服务器:
bash mcp_servers/run_all_mcp_server.sh
# 3.在mcp_servers/mcp_setting.json中配置服务器:
# 将需要使用的服务器设为disabled: false
# 根据需要配置API密钥和端点
streamlit run sage_demo.py -- --api-key your_api_key --model deepseek-chat --base-url https://api.deepseek.com/v1
中文教程：
https://github.com/ZHangZHengEric/Sage/blob/main/README_CN.md
最后
本期为大家带来了四个近期值得关注的 AI Agent 框架，适用于不同场景，无论是想开发 AI 应用、提升工作效率，还是学习框架架构，都值得一试！
喜欢这类内容的话，欢迎点赞、关注，我们会持续带来更多优质 AI 工具推荐。
>/ 本期作者：与之 & Tashi & JackCui
>/ JackCui：AI领域从业者，毕业于东北大学，大厂算法工程师，热爱技术分享。
没有评论:
发表评论