用于加密货币市场分析的 AI 代理：Reasoning + Action 模式

加密货币基本面分析中 AI 智能体的推理 + 行动模式

现有自动化市场分析项目在处理指标和新闻时存在核心缺陷。以 TauricResearch/TradingAgents 为例：其流程从 Reddit、X、彭博社、路透社和雅虎财经拉取数据。两个智能体展开辩论——一个看多，一个看空——进行固定轮次讨论。论据更强的方获胜。

但在底层，RSI 和 Stoch RSI 等原始指标以纯文本形式喂给大模型。模型难以优先级排序：推理链条混乱。例如：

• RSI 显示超卖——看多假设。
• 缺少回测假设的工具。
• Stoch RSI 闪现超买——直接下结论。

硬编码的优先级权重扼杀适应性，导致亏损。动态优先级需要 20 万 token 回测——从 1.2 美元（Haiku）到 6 美元（Opus）。无指标时，系统对社交媒体噪音视而不见：一个水军影响者或昂贵 API（X 月费 200 美元）。

node-ccxt-backtest 按主题部署 8 个智能体：

• 链上平衡：链上储备、交易所流出、长期持有者供应、HODL 波。
• 资金流：ETF 流入、矿工压力、稳定币、OTC。
• 基本面：算力、MVRV、NVT、Stock-to-Flow。
• 网络收入：手续费、Lightning 网络、DeFi TVL。
• 内部人士：MicroStrategy、BlackRock ETF、Grayscale GBTC。
• 资产新闻：监管、黑客攻击、机构动向。
• 全球宏观：美联储、CPI、DXY、恐惧与贪婪指数、M2。
• 价格历史：异常成交量、突破。

问题在于？忽略投资组合指标（最大回撤、夏普比率），错过现实变数：总统推文瞬间翻转一切。

为什么静态方法失效

以上示例都依赖固定查询来源。市场日新月异：适应性不可或缺。「推理 + 行动」模式解决此痛点：大模型交替分析与新闻搜寻。智能体锁定关键触发器，过滤噪音。

智能体实现：2026 年 4 月信号示例

4 月基本面分析高喊卖出：负面堆积——美联储高利率、DXY 强势、BlackRock ETF 流出、算力低迷、资金费率 15%、恐惧指数 28。

{
  "reasoning": "所有报告凸显看空信号：1) 宏观——美联储维持高利率、美元强势、就业数据强劲 → 风险厌恶情绪...",
  "signal": "SELL"
}

4 月 5 日——地缘政治（伊朗最后通牒）：观望。价格低于均线、RSI 44、恐惧指数 12，但无催化剂。

4 月 8 日——特朗普停火推文：买入。价格反弹至 7.2 万美元、4.25 亿美元空头爆仓、成交量超 200 万 BTC/小时。止损 7 万美元。

4 月 9 日——混合信号（突破 7.1 万美元 vs. 矿工抛售、17% 看跌期权）：观望。

智能体源代码

网页搜索智能体

import { addAgent } from "agent-swarm-kit";
...
import { str } from "functools-kit";

addAgent({
  agentName: AgentName.WebSearchAgent,
  completion: CompletionName.OllamaTextCompletion,
  keepMessages: Infinity,
  prompt: str.newline(
    "你是交易系统集群中的网页搜索智能体。",
    "",
    "你的任务是编制客观报告..."
  ),
  tools: [
    ToolName.WebSearchTool,
  ],
});

信号生成器

import {
  addOutline,
  commitAssistantMessage,
  commitUserMessage,
  dumpOutlineResult,
  execute,
  fork,
  IOutlineHistory,
  IOutlineResult,
} from "agent-swarm-kit";

...

const DISPLAY_NAME_MAP = {
  BTCUSDT: "比特币",
  // ...
};

const SEARCH_PROMPT = str.newline(
  "你搜寻突发事件触发器...",
  "一级——突发事件..."
);

代码利用 agent-swarm-kit 构建智能体集群。搜索针对新鲜触发器：突发新闻、黑客事件、特朗普推文、宏观意外。输出为含推理和信号（买入/卖出/观望）的 JSON。

关键要点

• 「推理 + 行动」模式带来适应性：智能体分析中途拉取新闻。
• 聚焦突发事件（推文、地缘政治）胜过静态指标。
• 成功指标：最大回撤、夏普比率——回测必备。
• 成本：优化 Ollama，避免昂贵 API。
• 客观性：优先看空信号，多轮查询。

— Editorial Team