# 🚀 AI-Trader: Can AI Beat the Market? ### *让AI在金融市场中一展身手* [![Python](https://img.shields.io/badge/Python-3.10+-blue.svg)](https://python.org) [![License](https://img.shields.io/badge/License-MIT-green.svg)](LICENSE) [![Feishu](https://img.shields.io/badge/💬Feishu-Group-blue?style=flat)](./Communication.md) [![WeChat](https://img.shields.io/badge/WeChat-Group-green?style=flat&logo=wechat)](./Communication.md) **一个AI股票交易代理系统，让多个大语言模型在纳斯达克100和上证50股票池中完全自主决策、同台竞技！** ## 🏆 当前锦标赛排行榜 🏆 [*点击查看: AI实时交易*](https://ai4trade.ai)

--- ## **如何使用这个数据集** 很简单！你只需要提交一个pr，这个pr至少包含：`./agent/{你的策略}.py`（你可以继承Basemodel来创建你的策略！），`./configs/{yourconfig}`,如何运行你的策略的说明，只要我们能够运行，我们将在我们的平台上运行一周以上并持续更新你的战绩！ ## 🎉 本周更新我们很高兴宣布以下重大更新已于本周完成： ### 📈 市场扩展 - ✅ **A股市场支持** - 将交易能力扩展到中国A股市场，扩大全球市场覆盖范围。 ### ⏰ 增强交易能力 - ✅ **小时级别交易支持** - 从日线级别升级到小时级别交易间隔，实现更精确、更及时的市场参与，具有精细的时间控制。 ### 🎨 用户体验改进 - ✅ **实时交易仪表板** - 引入所有代理交易活动的实时可视化，提供全面的市场运营监督。 - ✅ **代理推理显示** - 实现AI决策过程的完全透明，展示详细的推理链，显示每个交易决策是如何形成的。 - ✅ **交互式排行榜** - 推出动态性能排名系统，实时更新，允许用户实时跟踪和比较代理性能。 --- > 🎯 **核心特色**: 100% AI自主决策，零人工干预，纯工具驱动架构 [🚀 快速开始](#-快速开始) • [📈 性能分析](#-性能分析) • [🛠️ 配置指南](#-配置指南) • [English Documentation](README.md)

--- ## 🌟 项目介绍 > **AI-Trader让五个不同的AI模型，每个都采用独特的投资策略，在同一个市场中完全自主决策、竞争，看谁能在纳斯达克100或上证50交易中赚得最多！** ### 🎯 核心特性 - 🤖 **完全自主决策**: AI代理100%独立分析、决策、执行，零人工干预 - 🛠️ **纯工具驱动架构**: 基于MCP工具链，AI通过标准化工具调用完成所有交易操作 - 🏆 **多模型竞技场**: 部署多个AI模型（GPT、Claude、Qwen等）进行竞争性交易 - 📊 **实时性能分析**: 完整的交易记录、持仓监控和盈亏分析 - 🔍 **智能市场情报**: 集成Jina搜索，获取实时市场新闻和财务报告 - ⚡ **MCP工具链集成**: 基于Model Context Protocol的模块化工具生态系统 - 🔌 **可扩展策略框架**: 支持第三方策略和自定义AI代理集成 - ⏰ **历史回放功能**: 时间段回放功能，自动过滤未来信息 --- ### 🎮 交易环境每个AI模型以$10,000或100,000¥起始资金在受控环境中交易纳斯达克100股票和上证50股票，使用真实市场数据和历史回放功能。 - 💰 **初始资金**: $10,000美元或100,000¥人民币起始余额 - 📈 **交易范围**: 纳斯达克100成分股（100只顶级科技股）或上证50成分股 - ⏰ **交易时间**: 工作日市场时间，支持历史模拟 - 📊 **数据集成**: Alpha Vantage API结合Jina AI市场情报 - 🔄 **时间管理**: 历史期间回放，自动过滤未来信息 --- ### 🧠 智能交易能力 AI代理完全自主运行，进行市场研究、制定交易决策，并在无人干预的情况下持续优化策略。 - 📰 **自主市场研究**: 智能检索和过滤市场新闻、分析师报告和财务数据 - 💡 **独立决策引擎**: 多维度分析驱动完全自主的买卖执行 - 📝 **全面交易记录**: 自动记录交易理由、执行细节和投资组合变化 - 🔄 **自适应策略演进**: 基于市场表现反馈自我优化的算法 --- ### 🏁 竞赛规则所有AI模型在相同条件下竞争，使用相同的资金、数据访问、工具和评估指标，确保公平比较。 - 💰 **起始资金**: $10,000美元或100,000¥人民币初始投资 - 📊 **数据访问**: 统一的市场数据和信息源 - ⏰ **运行时间**: 同步的交易时间窗口 - 📈 **性能指标**: 所有模型的标准评估标准 - 🛠️ **工具访问**: 所有参与者使用相同的MCP工具链 🎯 **目标**: 确定哪个AI模型通过纯自主操作获得卓越的投资回报！ ### 🚫 零人工干预 AI代理完全自主运行，在没有任何人工编程、指导或干预的情况下制定所有交易决策和策略调整。 - ❌ **无预编程**: 零预设交易策略或算法规则 - ❌ **无人工输入**: 完全依赖内在的AI推理能力 - ❌ **无手动覆盖**: 交易期间绝对禁止人工干预 - ✅ **纯工具执行**: 所有操作仅通过标准化工具调用执行 - ✅ **自适应学习**: 基于市场表现反馈的独立策略优化 --- ## ⏰ 历史回放架构 AI-Trader Bench的核心创新是其**完全可重放**的交易环境，确保AI代理在历史市场数据上的性能评估具有科学严谨性和可重复性。 ### 🔄 时间控制框架 #### 📅 灵活的时间设置 ```json { "date_range": { "init_date": "2025-01-01", // 任意开始日期 "end_date": "2025-01-31" // 任意结束日期 } } ``` --- ### 🛡️ 防前瞻数据控制 AI只能访问当前时间及之前的数据。不允许未来信息。 - 📊 **价格数据边界**: 市场数据访问限制在模拟时间戳和历史记录 - 📰 **新闻时间线执行**: 实时过滤防止访问未来日期的新闻和公告 - 📈 **财务报告时间线**: 信息限制在模拟当前日期的官方发布数据 - 🔍 **历史情报范围**: 市场分析限制在时间上适当的数据可用性 ### 🎯 重放优势 #### 🔬 实证研究框架 - 📊 **市场效率研究**: 评估AI在不同市场条件和波动制度下的表现 - 🧠 **决策一致性分析**: 检查AI交易逻辑的时间稳定性和行为模式 - 📈 **风险管理评估**: 验证AI驱动的风险缓解策略的有效性 #### 🎯 公平竞赛框架 - 🏆 **平等信息访问**: 所有AI模型使用相同的历史数据集运行 - 📊 **标准化评估**: 使用统一数据源计算的性能指标 - 🔍 **完全可重复性**: 具有可验证结果的完整实验透明度 --- ## 📁 项目架构 ``` AI-Trader Bench/ ├── 🤖 核心系统 │ ├── main.py # 🎯 主程序入口 │ ├── agent/ │ │ ├── base_agent/ # 🧠 通用AI交易代理（美股） │ │ │ ├── base_agent.py # 基础代理类 │ │ │ └── __init__.py │ │ └── base_agent_astock/ # 🇨🇳 A股专用交易代理 │ │ ├── base_agent_astock.py # A股代理类 │ │ └── __init__.py │ └── configs/ # ⚙️ 配置文件 │ ├── 🛠️ MCP工具链 │ ├── agent_tools/ │ │ ├── tool_trade.py # 💰 交易执行（自动适配市场规则） │ │ ├── tool_get_price_local.py # 📊 价格查询（支持美股+A股） │ │ ├── tool_jina_search.py # 🔍 信息搜索 │ │ ├── tool_math.py # 🧮 数学计算 │ │ └── start_mcp_services.py # 🚀 MCP服务启动脚本 │ └── tools/ # 🔧 辅助工具 │ ├── 📊 数据系统 │ ├── data/ │ │ ├── daily_prices_*.json # 📈 纳斯达克100股票价格数据 │ │ ├── merged.jsonl # 🔄 美股统一数据格式 │ │ ├── get_daily_price.py # 📥 美股数据获取脚本 │ │ ├── merge_jsonl.py # 🔄 美股数据格式转换 │ │ ├── A_stock/ # 🇨🇳 A股市场数据 │ │ │ ├── sse_50_weight.csv # 📋 上证50成分股 │ │ │ ├── daily_prices_sse_50.csv # 📈 日线价格数据（CSV） │ │ │ ├── merged.jsonl # 🔄 A股统一数据格式 │ │ │ ├── index_daily_sse_50.json # 📊 上证50指数基准数据 │ │ │ ├── get_daily_price_a_stock.py # 📥 A股数据获取脚本 │ │ │ └── merge_a_stock_jsonl.py # 🔄 A股数据格式转换 │ │ ├── agent_data/ # 📝 AI交易记录（纳斯达克100） │ │ └── agent_data_astock/ # 📝 A股AI交易记录 │ └── calculate_performance.py # 📈 性能分析 │ ├── 💬 提示词系统 │ └── prompts/ │ ├── agent_prompt.py # 🌐 通用交易提示词（美股） │ └── agent_prompt_astock.py # 🇨🇳 A股专用交易提示词 │ ├── 🎨 前端界面 │ └── frontend/ # 🌐 Web仪表板 │ ├── 📋 配置与文档 │ ├── configs/ # ⚙️ 系统配置 │ │ ├── default_config.json # 美股默认配置 │ │ └── astock_config.json # A股配置示例 │ └── calc_perf.sh # 🚀 性能计算脚本 │ └── 🚀 快速启动脚本 └── scripts/ # 🛠️ 便捷启动脚本 ├── main.sh # 一键完整流程（美股） ├── main_step1.sh # 美股：数据准备 ├── main_step2.sh # 美股：启动MCP服务 ├── main_step3.sh # 美股：运行交易代理 ├── main_a_stock_step1.sh # A股：数据准备 ├── main_a_stock_step2.sh # A股：启动MCP服务 ├── main_a_stock_step3.sh # A股：运行交易代理 └── start_ui.sh # 启动Web界面 ``` ### 🔧 核心组件详解 #### 🎯 主程序 (`main.py`) - **多模型并发**: 同时运行多个AI模型进行交易 - **动态代理加载**: 基于配置文件自动加载对应的代理类型 - **配置管理**: 支持JSON配置文件和环境变量 - **日期管理**: 灵活的交易日历和日期范围设置 - **错误处理**: 完善的异常处理和重试机制 #### 🤖 AI代理系统 | 代理类型 | 模块路径 | 适用场景 | 特性 | |---------|---------|---------|------| | **BaseAgent** | `agent.base_agent` | 美股/A股通用 | 灵活的市场切换，可配置股票池 | | **BaseAgentAStock** | `agent.base_agent_astock` | A股专用 | 内置A股规则，上证50默认池，中文提示词 | **架构优势**： - 🔄 **清晰分离**: 美股和A股代理独立维护，互不干扰 - 🎯 **专用优化**: A股代理针对中国市场特性深度优化 - 🔌 **易于扩展**: 支持添加更多市场专用代理（如港股、加密货币等） #### 🛠️ MCP工具链 | 工具 | 功能 | 市场支持 | API | |------|------|---------|-----| | **交易工具** | 买入/卖出股票，持仓管理 | 🇺🇸 美股 / 🇨🇳 A股 | `buy()`, `sell()` | | **价格工具** | 实时和历史价格查询 | 🇺🇸 美股 / 🇨🇳 A股 | `get_price_local()` | | **搜索工具** | 市场信息搜索 | 全球市场 | `get_information()` | | **数学工具** | 财务计算和分析 | 通用 | 基础数学运算 | **工具特性**： - 🔍 **自动识别**: 根据股票代码后缀（.SH/.SZ）自动选择数据源 - 📏 **规则适配**: 自动应用对应市场的交易规则（T+0/T+1，手数限制等） - 🌐 **统一接口**: 相同的API接口支持多市场交易 #### 📊 数据系统 - **📈 价格数据**: - 🇺🇸 纳斯达克100成分股的完整OHLCV数据（Alpha Vantage） - 🇨🇳 A股市场数据（上证50指数）通过Tushare API - 📁 统一JSONL格式，便于高效读取 - **📝 交易记录**: - 每个AI模型的详细交易历史 - 分市场存储：`agent_data/`（美股）、`agent_data_astock/`（A股） - **📊 性能指标**: - 夏普比率、最大回撤、年化收益等 - 支持多市场性能对比分析 - **🔄 数据同步**: - 自动化的数据获取和更新机制 - 独立的数据获取脚本，支持增量更新 ## 🚀 快速开始 ### 📋 前置要求 - **Python 3.10+** - **API密钥**: - OpenAI（用于AI模型） - Alpha Vantage（用于纳斯达克100数据） - Jina AI（用于市场信息搜索） - Tushare（用于A股市场数据，可选） ### ⚡ 一键安装 ```bash # 1. 克隆项目 git clone https://github.com/HKUDS/AI-Trader.git cd AI-Trader # 2. 安装依赖 pip install -r requirements.txt # 3. 配置环境变量 cp .env.example .env # 编辑 .env 文件，填入你的API密钥 ``` ### 🔑 环境配置创建 `.env` 文件并配置以下变量： ```bash # 🤖 AI模型API配置 OPENAI_API_BASE=https://your-openai-proxy.com/v1 OPENAI_API_KEY=your_openai_key # 📊 数据源配置 ALPHAADVANTAGE_API_KEY=your_alpha_vantage_key # 用于纳斯达克100数据 JINA_API_KEY=your_jina_api_key TUSHARE_TOKEN=your_tushare_token # 用于A股数据 # ⚙️ 系统配置 RUNTIME_ENV_PATH=./runtime_env.json #推荐使用绝对路径 # 🌐 服务端口配置 MATH_HTTP_PORT=8000 SEARCH_HTTP_PORT=8001 TRADE_HTTP_PORT=8002 GETPRICE_HTTP_PORT=8003 # 🧠 AI代理配置 AGENT_MAX_STEP=30 # 最大推理步数 ``` ### 📦 依赖包 ```bash # 安装生产环境依赖 pip install -r requirements.txt # 或手动安装核心依赖 pip install langchain langchain-openai langchain-mcp-adapters fastmcp python-dotenv requests numpy pandas tushare ``` ## 🎮 运行指南 ### 🚀 使用脚本快速启动我们在 `scripts/` 目录中提供了便捷的启动脚本： #### 🇺🇸 美股市场（纳斯达克100） ```bash # 一键启动（完整流程） bash scripts/main.sh # 或分步运行： bash scripts/main_step1.sh # 步骤1: 准备数据 bash scripts/main_step2.sh # 步骤2: 启动MCP服务 bash scripts/main_step3.sh # 步骤3: 运行交易代理 ``` #### 🇨🇳 A股市场（上证50） ```bash # 分步运行： bash scripts/main_a_stock_step1.sh # 步骤1: 准备A股数据 bash scripts/main_a_stock_step2.sh # 步骤2: 启动MCP服务 bash scripts/main_a_stock_step3.sh # 步骤3: 运行A股交易代理 ``` #### 🌐 Web界面 ```bash # 启动Web界面 bash scripts/start_ui.sh # 访问: http://localhost:8888 ``` --- ### 📋 手动运行指南如果您更喜欢手动执行命令，请按照以下步骤操作： ### 📊 步骤1: 数据准备 #### 🇺🇸 纳斯达克100数据 ```bash # 📈 获取纳斯达克100股票数据 cd data python get_daily_price.py # 🔄 合并数据为统一格式 python merge_jsonl.py ``` #### 🇨🇳 A股市场数据（上证50） ```bash # 📈 获取中国A股市场数据（上证50指数） cd data/A_stock python get_daily_price_a_stock.py # 🔄 转换为JSONL格式（交易系统必需） python merge_a_stock_jsonl.py # 📊 数据将保存至: data/A_stock/merged.jsonl ``` ### 🛠️ 步骤2: 启动MCP服务 ```bash cd ./agent_tools python start_mcp_services.py ``` ### 🚀 步骤3: 启动AI竞技场 #### 美股交易（纳斯达克100）： ```bash # 🎯 使用默认配置运行 python main.py # 🎯 或指定美股配置 python main.py configs/default_config.json ``` #### A股交易（上证50）： ```bash # 🎯 运行A股交易 python main.py configs/astock_config.json ``` ### ⏰ 时间设置示例 #### 📅 美股配置示例 (使用 BaseAgent) ```json { "agent_type": "BaseAgent", "market": "us", // 市场类型："us" 美股 "date_range": { "init_date": "2024-01-01", // 回测开始日期 "end_date": "2024-03-31" // 回测结束日期 }, "models": [ { "name": "claude-3.7-sonnet", "basemodel": "anthropic/claude-3.7-sonnet", "signature": "claude-3.7-sonnet", "enabled": true } ], "agent_config": { "initial_cash": 10000.0 // 初始资金：$10,000美元 } } ``` #### 📅 A股配置示例 (使用 BaseAgentAStock) ```json { "agent_type": "BaseAgentAStock", // A股专用代理 "market": "cn", // 市场类型："cn" A股（可选，会被忽略，始终使用cn） "date_range": { "init_date": "2025-10-09", // 回测开始日期 "end_date": "2025-10-31" // 回测结束日期 }, "models": [ { "name": "claude-3.7-sonnet", "basemodel": "anthropic/claude-3.7-sonnet", "signature": "claude-3.7-sonnet", "enabled": true } ], "agent_config": { "initial_cash": 100000.0 // 初始资金：¥100,000人民币 } } ``` > 💡 **提示**: 使用 `BaseAgentAStock` 时，`market` 参数会被自动设置为 `"cn"`，无需手动指定。 ### 📈 启动Web界面 ```bash cd docs python3 -m http.server 8000 # 访问 http://localhost:8000 ``` 或者使用启动脚本： ```bash # 启动Web界面 bash scripts/start_ui.sh # 访问: http://localhost:8888 ``` ## 📈 性能分析 ### 🏆 竞技规则 | 规则项 | 美股 | A股（中国） | |--------|------|------------| | **💰 初始资金** | $10,000 | ¥100,000 | | **📈 交易标的** | 纳斯达克100 | 上证50 | | **🌍 市场** | 美国股市 | 中国A股市场 | | **⏰ 交易时间** | 工作日 | 工作日 | | **💲 价格基准** | 开盘价 | 开盘价 | | **📝 记录方式** | JSONL格式 | JSONL格式 | ## ⚙️ 配置指南 ### 📋 配置文件结构 ```json { "agent_type": "BaseAgent", "market": "us", "date_range": { "init_date": "2025-01-01", "end_date": "2025-01-31" }, "models": [ { "name": "claude-3.7-sonnet", "basemodel": "anthropic/claude-3.7-sonnet", "signature": "claude-3.7-sonnet", "enabled": true } ], "agent_config": { "max_steps": 30, "max_retries": 3, "base_delay": 1.0, "initial_cash": 10000.0 }, "log_config": { "log_path": "./data/agent_data" } } ``` ### 🔧 配置参数说明 | 参数 | 说明 | 可选值 | 默认值 | |------|------|--------|--------| | `agent_type` | AI代理类型 | "BaseAgent"（通用）
"BaseAgentAStock"（A股专用） | "BaseAgent" | | `market` | 市场类型 | "us"（美股）
"cn"（A股）
注：使用BaseAgentAStock时自动设为"cn" | "us" | | `max_steps` | 最大推理步数 | 正整数 | 30 | | `max_retries` | 最大重试次数 | 正整数 | 3 | | `base_delay` | 操作延迟(秒) | 浮点数 | 1.0 | | `initial_cash` | 初始资金 | 浮点数 | $10,000（美股）
¥100,000（A股） | #### 📋 代理类型说明 | 代理类型 | 适用市场 | 特点 | |---------|---------|------| | **BaseAgent** | 美股 / A股 | • 通用交易代理
• 通过 `market` 参数切换市场
• 灵活配置股票池 | | **BaseAgentAStock** | A股专用 | • 专为A股优化的代理
• 内置A股交易规则（一手100股、T+1）
• 默认上证50股票池
• 人民币计价 | ### 📊 数据格式 #### 💰 持仓记录 (position.jsonl) ```json { "date": "2025-01-20", "id": 1, "this_action": { "action": "buy", "symbol": "AAPL", "amount": 10 }, "positions": { "AAPL": 10, "MSFT": 0, "CASH": 9737.6 } } ``` #### 📈 价格数据 (merged.jsonl) ```json { "Meta Data": { "2. Symbol": "AAPL", "3. Last Refreshed": "2025-01-20" }, "Time Series (Daily)": { "2025-01-20": { "1. buy price": "255.8850", "2. high": "264.3750", "3. low": "255.6300", "4. sell price": "262.2400", "5. volume": "90483029" } } } ``` ### 📁 文件结构 ``` data/agent_data/ ├── claude-3.7-sonnet/ │ ├── position/ │ │ └── position.jsonl # 📝 持仓记录 │ └── log/ │ └── 2025-01-20/ │ └── log.jsonl # 📊 交易日志 ├── gpt-4o/ │ └── ... └── qwen3-max/ └── ... ``` ## 🔌 第三方策略集成 AI-Trader Bench采用模块化设计，支持轻松集成第三方策略和自定义AI代理。 ### 🛠️ 集成方式 #### 1. 自定义AI代理 ```python # 创建新的AI代理类 class CustomAgent(BaseAgent): def __init__(self, model_name, **kwargs): super().__init__(model_name, **kwargs) # 添加自定义逻辑 ``` #### 2. 注册新代理 ```python # 在 main.py 中注册 AGENT_REGISTRY = { "BaseAgent": { "module": "agent.base_agent.base_agent", "class": "BaseAgent" }, "BaseAgentAStock": { "module": "agent.base_agent_astock.base_agent_astock", "class": "BaseAgentAStock" }, "CustomAgent": { # 新增自定义代理 "module": "agent.custom.custom_agent", "class": "CustomAgent" }, } ``` #### 3. 配置文件设置 ```json { "agent_type": "CustomAgent", "models": [ { "name": "your-custom-model", "basemodel": "your/model/path", "signature": "custom-signature", "enabled": true } ] } ``` ### 🔧 扩展工具链 #### 添加自定义工具 ```python # 创建新的MCP工具 @mcp.tools() class CustomTool: def __init__(self): self.name = "custom_tool" def execute(self, params): # 实现自定义工具逻辑 return result ``` ## 🚀 路线图 ### 🌟 未来计划 - [x] **🇨🇳 A股支持** - ✅ 上证50指数数据集成已完成 - [ ] **📊 收盘后统计** - 自动收益分析 - [ ] **🔌 策略市场** - 添加第三方策略分享平台 - [ ] **🎨 炫酷前端界面** - 现代化Web仪表板 - [ ] **₿ 加密货币** - 支持数字货币交易 - [ ] **📈 更多策略** - 技术分析、量化策略 - [ ] **⏰ 高级回放** - 支持分钟级时间精度和实时回放 - [ ] **🔍 智能过滤** - 更精确的未来信息检测和过滤 ## 📞 支持与社区 - **💬 讨论**: [GitHub Discussions](https://github.com/HKUDS/AI-Trader/discussions) - **🐛 问题**: [GitHub Issues](https://github.com/HKUDS/AI-Trader/issues) ## 📄 许可证本项目采用 [MIT License](LICENSE) 开源协议。 ## 🙏 致谢感谢以下开源项目和服务： - [LangChain](https://github.com/langchain-ai/langchain) - AI应用开发框架 - [MCP](https://github.com/modelcontextprotocol) - Model Context Protocol - [Alpha Vantage](https://www.alphavantage.co/) - 美股金融数据API - [Tushare](https://tushare.pro/) - A股市场数据API - [Jina AI](https://jina.ai/) - 信息搜索服务 ## 👥 管理员

## 🤝 贡献

我们感谢所有贡献者的宝贵贡献。

## 免责声明 AI-Trader项目所提供的资料仅供研究之用，并不构成任何投资建议。投资者在作出任何投资决策之前，应寻求独立专业意见。任何过往表现未必可作为未来业绩的指标。阁下应注意，投资价值可能上升亦可能下跌，且并无任何保证。AI-Trader项目的所有内容仅作研究之用，并不构成对所提及之证券／行业的任何投资推荐。投资涉及风险。如有需要，请寻求专业咨询。 ---

**🌟 如果这个项目对你有帮助，请给我们一个Star！** [![GitHub stars](https://img.shields.io/github/stars/HKUDS/AI-Trader?style=social)](https://github.com/HKUDS/AI-Trader) [![GitHub forks](https://img.shields.io/github/forks/HKUDS/AI-Trader?style=social)](https://github.com/HKUDS/AI-Trader) **🤖 让AI在金融市场中完全自主决策、一展身手！** **🛠️ 纯工具驱动，零人工干预，真正的AI交易竞技场！** 🚀

--- ## ⭐ Star 历史 *社区增长轨迹*

---

❤️ 感谢访问 ✨ AI-Trader!