LangAlpha

用自然语言驱动金融市场分析与交易策略，像对话一样搞定量化研究。

LangAlpha 是一个面向金融市场的开源智能体框架，定位为“金融市场的 Claude Code”。它旨在解决金融领域中复杂数据分析、交易策略生成与执行、以及市场情报提取等任务，通过自然语言交互降低金融编程和数据分析的门槛。其核心能力包括：接入实时与历史市场数据源，支持多资产类别（股票、加密货币等）；提供可扩展的智能体工具链，允许用户自定义分析流程和交易逻辑；内置策略回测与模拟交易环境，方便验证想法；同时支持与主流大语言模型（如 OpenAI、Anthropic 等）集成，实现对话式市场问答和自动化报告生成。项目基于 Python 构建，模块化设计，适合量化研究员、个人投资者和金融开发者快速搭建自己的 AI 金融助手。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1772

维护状态活跃

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ginlix-ai

所属国家

官网地址https://langalpha.ai

GitHubhttps://github.com/ginlix-ai/LangAlpha

定价模式free

价格说明开源项目，Apache-2.0 许可证，可免费使用和部署。

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agent,investment,langchain,langraph,llm,mcp,skills,trading

GitHub 星标★ 1772

30天Star增速

HF 下载量

上线时间2026-01-18 00:00:00

最近更新2026-09-23 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 15 分钟部署方式：Docker 5 步

环境要求

已安装 Docker（用于运行 PostgreSQL、Redis、后端与前端等基础设施）
已安装 git 与 make
自备一个大语言模型（LLM）的 API 订阅/密钥，用于驱动智能体
无需任何数据源密钥也能启动，但功能会有所缩减（可选）

安装与启动步骤

1克隆仓库

从 GitHub 拉取 LangAlpha 源码到本地，README 给出的仓库地址为 ginlix-ai/langalpha。
```
git clone https://github.com/ginlix-ai/langalpha.git
```
2进入项目目录

切换到刚克隆下来的项目根目录，后续的 make 命令都要在此目录执行。
```
cd langalpha
```
3运行配置向导

交互式向导会生成 .env，并配置 LLM、数据源、沙箱与搜索服务；可选密钥可暂时跳过或稍后手动补进 .env。
```
make config
```
4启动全部服务

一条命令拉起 PostgreSQL、Redis、后端与前端，首次执行需要拉取镜像与依赖，耗时较长。
```
make up
```
5验证服务状态

调用后端健康检查接口，返回正常即说明后端已就绪；前端页面可直接在浏览器打开。
```
curl http://localhost:8000/health
```

关键配置

配置项	必填	说明	示例
`FMP_API_KEY`	否	解锁高质量基本面、宏观、SEC 文件与期权数据（有免费额度）	`your_fmp_api_key`
`DAYTONA_API_KEY`	否	启用支持跨会话工作区的持久化云端沙箱	`your_daytona_api_key`
`SANDBOX_PROVIDER`	否	手动指定沙箱提供方；未设置时依据 Daytona 密钥自动识别	`docker`
`SERPER_API_KEY`	否	启用网络搜索（SERPER/TAVILY/EXA/PARALLEL 任一即可）	`your_serper_api_key`
`FIRECRAWL_API_KEY`	否	升级网页抓取与站点爬取能力，内置爬虫无需密钥	`fc-xxxxxxxx`
`LANGSMITH_API_KEY`	否	为 LangGraph 运行开启 LangSmith 链路追踪	`lsv2_xxxxxxxx`

如何确认成功

执行 curl http://localhost:8000/health 返回正常，并可在浏览器打开 http://localhost:5173 看到前端界面。

常见问题

Q：不想自己部署怎么办？

A：可直接使用官方托管版本 https://langalpha.ai，已内置 FMP、实时行情与云沙箱等完整数据基础设施，只需带上自己的 LLM 密钥（BYOK）即可开始。

Q：没有数据源密钥能用吗？

A：可以。Yahoo Finance 免费提供价格历史、基本面、财报与分析师数据，但缺少实时报价、盘中逐笔、宏观与期权分析；Docker 沙箱会替代 Daytona 云沙箱，PTC 代码执行可用但安全隔离级别降低。

Q：如何查看所有可用命令？

A：在项目根目录执行 make help 查看全部命令。

Q：不用 Docker 能手动安装吗？

A：可以，README 指向 CONTRIBUTING.md 的 manual-setup 章节，具体步骤需查阅该文档。

注意事项

仅凭 Docker 即可启动，无需数据源密钥和云沙箱，但无密钥时体验功能会缩减。
前端默认地址 http://localhost:5173，后端 API 为 http://localhost:8000，交互式 API 文档在 /docs。
可选密钥可在 make config 时填入，也可稍后手动追加到 .env 中。
make up 会启动 PostgreSQL、Redis、后端和前端四个组件，请确认这些端口未被占用。

核心亮点

内置多源市场数据接入和统一接口，省去繁琐的数据清洗工作
支持策略回测与模拟交易，可直接验证想法再上实盘
工具链模块化，可灵活扩展自定义分析或交易插件

不足之处

项目仍处于早期成长阶段，API 和文档可能不够稳定
实盘交易支持有限，更多偏向研究和模拟场景

适用场景

量化研究员快速验证交易策略想法
个人投资者用自然语言查询市场数据并生成分析报告
金融开发者构建定制化 AI 投顾助手

替代项目

FinGPT、TradingAgents、StockBot

项目介绍

LangAlpha 是行业应用领域的开源项目，由 ginlix-ai 开发，是 2026 年新上线的项目。

在全站 13,109 个收录项目中，它的 GitHub 星标数（1,772）位列前 30%，在行业应用分类的 546 个项目里位列前 15%。

近 42 天，它的 GitHub 星标从 1,623 增加到 1,772，净增 149。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-23。Apache-2.0 许可证，可免费使用和部署。

它主要面向的使用场景是：量化研究员快速验证交易策略想法。同类可对比的替代方案包括 FinGPT、TradingAgents、StockBot。

上一篇：Introduction-to-Quantitative-Finance

下一篇：Awesome-LLM-for-RecSys