Hybrid System Design

混合式系统设计方案

深度整合 TradingAgents + NautilusTrader，适配 GNN+Transformer 模型，构建决策与执行分离的下一代量化交易 Agent

设计理念硬件部署工作流架构优势

免责声明：本文档提供的系统设计方案仅供技术研究和讨论之用，不构成任何投资建议。金融市场存在固有风险，所有基于此方案的交易决策均由用户自行承担。在部署任何实盘交易系统前，请务必进行充分的回测和风险评估。

Core Design Philosophy

核心设计理念：决策与执行分离

为了最大化利用强大的分布式硬件设施并融合两个框架的独特优势，我们采用决策与执行分离（Decoupled Decision-Execution）的混合式架构。

策略层 (Reasoning Layer)

TradingAgents 驱动

负责宏观市场分析、复杂逻辑推理、策略生成和风险偏好设定。这是一个"慢思考"过程，充分利用 LLM 的多智能体协作与辩论能力，模拟真实交易公司的研究部门。

运行于 5080 主机

执行层 (Execution Layer)

NautilusTrader 驱动

负责处理实时市场行情数据流、执行具体交易指令、管理订单生命周期，并进行严格的事件级风险控制。这是一个"快执行"过程，Rust 核心确保低延迟、高可靠性。

运行于 5080 主机

GNN+Transformer (THGNN) 模型

在此架构中扮演着"超级量化分析师"的角色。它为策略层的 LLM Agent 提供精准、高维度的量化预测信号，作为其进行市场分析和决策的关键实证依据，极大地增强了决策的科学性和准确性。

Distributed Hardware Deployment

分布式硬件与服务部署

根据现有的四台设备进行明确的职责划分，实现计算资源的最优协同利用，构建全天候自动化工作流。

设备	角色	部署服务	职责说明
5080 主机	核心 AI 与交易引擎	TradingAgents, NautilusTrader, Ollama, THGNN 推理	系统的大脑和心脏，运行 LLM Agent 决策，执行交易，提供 THGNN 预测信号
联想 4070 笔记本	模型训练与数据处理	数据采集/清洗, THGNN 训练, Grafana	数据工厂，夜间自动进行模型训练、数据处理和特征工程
Mac Mini Pro	系统网关与前端	Open WebUI, Redis, n8n, MiniMax 代理	交互中枢，提供用户界面，Redis 缓存，n8n 编排自动化工作流
MacBook Pro M1	移动指挥中心	客户端应用 (Telegram/Discord)	移动驾驶舱，远程监控、下发指令、接收警报和通知

End-to-End Workflow

详细工作流

从模型训练到实盘交易的完整端到端工作流，分为三个阶段协同运作。

Phase I

夜间模型训练

联想 4070 笔记本

Stage 1

数据采集与特征工程

22:30 - 22:45

>拉取恒生科技成分股 2h K 线数据
>计算 14 维特征
>更新三源融合邻接矩阵

Stage 2

THGNN 模型训练

23:00 - 06:30

>加载最新特征数据
>周一：超参数搜索（60 trials）
>其他工作日：增量训练（50 epochs）

Stage 3

模型上传与评估

06:30

>上传模型至 5080 主机
>验证集评估：MAE, RMSE
>生成方向准确率指标

Phase II

日间交易决策与执行

5080 主机

NautilusTrader 启动

加载所有核心组件，包括 DataClient、ExecutionClient，以及专门设计的 THGNN_Signal_Actor

GNN 信号生成（实时）

THGNN_Signal_Actor 加载最新模型，订阅实时 K 线数据流。每当新 2h K 线形成，立即构建输入矩阵、调用模型推理，生成 THGNNSignalEvent 发布到 MessageBus

TradingAgents 激活

分析师团队订阅 THGNNSignalEvent，收到 GNN 预测信号后，将其作为核心量化输入，并从其他数据源获取信息，生成分析报告

多 Agent 辩论与决策

研究员团队和风控团队启动结构化辩论，将 GNN 信号强度、分析师观点和潜在风险作为焦点，最终形成 TradeDecisionEvent

NautilusTrader 策略执行

AgentBridgeStrategy 订阅 TradeDecisionEvent，解析指令后调用 submit_order，通过 ExecutionEngine 将订单发送到真实交易所

Phase III

全天候监控与通知

全链路协同

Stage 1

常规训练通知

每日 07:00

>联想 4070 通过 Webhook 触发 n8n
>n8n 调用 MiniMax API 生成语音摘要
>通过 Telegram/Discord 推送到移动设备

Stage 2

市场异动预警

实时

>NautilusTrader 监控价格异常突破
>Ollama 进行初步分析
>MiniMax 生成紧急语音和数据可视化视频

Architecture Advantages

架构整合优势

决策与执行的完美分离

TradingAgents 负责'思考'，NautilusTrader 负责'行动'。架构逻辑清晰，极大提高系统稳定性和可维护性。策略层的迭代不影响执行层的稳定，反之亦然。

极致的性能保证

所有高频的行情处理、订单管理和风险控制都由以性能著称的 NautilusTrader 负责，确保在瞬息万变的市场中交易的稳定性和低延迟。

深度智能驱动

LLM Agent 的深度分析和推理能力与 GNN 模型的精准预测能力相结合，使得最终交易决策既有坚实的数据支持，又具备人类专家般的宏观洞察力。

硬件资源最优化利用

充分利用强大的分布式硬件集群，将模型训练、AI 推理、交易执行、Web 服务等计算密集型任务合理分配到不同设备上，实现全天候高效自动化运转。

SuperAgentG

事件驱动型量化交易 Agent 系统

技术栈

TradingAgents + NautilusTrader + THGNN + OpenClaw

System Online

混合式系统 设计方案

核心设计理念： 决策与执行分离