INALPHA ◆ OPEN-SOURCE QUANT AGENT FRAMEWORK ◆ D-9 ◆ REV 0.9 ◆ 2026.05.26 ◆ AUDIT-GRADE EVOLUTION ◆ FACTOR LAB · RISK ENGINE ◆ PLAN · APPROVE · EXECUTE ◆ AGENTS · FIRST-CLASS ◆ AGPL-3.0 ◆ ALPHA QUALITY ◆ 12 MARKETS
Inalpha/open-source quant framework

可审计的量化 agent,
能进化的策略。

因子实验室 · 风控引擎 · 策略进化 · Plan/Exec 审批——每个因子提案、每次策略变异、每笔订单路由都有日志、有版本、可复核。LLM 只负责写代码,工程纪律为每个决策背书。

$git clone https://github.com/mirror29/inalpha
查看 GitHub
01 / 01 / 问题

你以为在做量化研究,
实则在仰仗一个黑盒。

大多数 LLM 量化框架,只给你一个分值加一段散文。无法回放、无法审计,也无从质疑。Inalpha 把每一个因子、计划、订单都当作有版本的记录看待——不是凭感觉的猜测。

你想要的
黑盒 LLM 给的
Inalpha 给的
信号
一个分值
带 rationale 的 plan + 对立分析师
依据
「相信我」
Hooks 强制的决策记录
回放
无法复现
JSONL 落盘 + token 签名审计链
02 / 02 / 为什么是 Inalpha

两条底线,
缺一不可。

A.

A. Agent 是一级公民

  • 因子 / 风控 / 进化 各 agent 独立工具集
  • 研究辩论中立场天然对立
  • 决策可追溯,不靠玄学
  • 任意时间点皆可回放
── 不是 chat wrapper,不是 UI 包了个 LLM。

B.

B. 工程纪律是底线

  • 每个 tool call 都走中间件
  • 权限按角色 scope
  • Plan → approve → execute · 一次性 token 兜底
  • 决策记录落盘,声明式配置入库
── 不靠运气,每一步皆可审计。

─── 只有 A,是 chat wrapper。只有 B,是又一个回测框架。两者同时成立,方为 Inalpha。

03 / Architecture · system schematic

Hub → spokes → convergence.

策略代码只写一次。回测 vs 实盘切换 Clock;模拟盘 vs 撮合切换 Gateway——业务逻辑不动。剩下能让分歧出现的,只有物理差异(滑点、延迟、数据精度)。

INALPHA · SYSTEM SCHEMATICREV 0.9-D92026.05.269 NODES · 12 LINKS100300500700promptdispatchfeedexecuteappendaudit01youINPUT · ENTRY对话发起任意 prompt02OrchestratorMASTRA · ROUTER调度 + 决策记录 + 工具沙箱hookspermsplan-execMCP03BullAGENT · LONG做多论据 · 证据锚定04BearAGENT · SHORT做空论据 · 反方持仓05DataFEED · MULTI-VENUE12 venue · freshness 锚定06Risk gateGATE · SIZING权限 · 仓位上限07ThesisDEBATE · CONSENSUS对立论据汇合 · 仓位裁定08KernelB = P = L回测 / 模拟 / 实盘 共一份代码09decision_recordJSONL · AUDIT每个决策落盘 · 任意回放LINK · KEYPROMPTDATADECISIONFEEDBACKCONTROL◯ SCHEMATIC · NOT TO SCALE↳ FOR REFERENCE ONLY
04 / Unified kernel · same code, three modes

一份代码,
三种模式。

策略代码只写一次。回测 vs 实盘切换 Clock;模拟盘 vs 撮合切换 Gateway——业务逻辑不动。剩下能让分歧出现的,只有物理差异(滑点、延迟、数据精度)。

-backtest
from inalpha_paper import BacktestEngine
engine = BacktestEngine(bars=bars_2024)
strategy.run(engine)
+live
from inalpha_paper import LiveEngine
engine = LiveEngine(broker=ibkr)
strategy.run(engine)
01 / kernelv0.x

data

多 venue 行情:crypto / 美股 / A 股 / 港股 / 日韩澳印巴英德 / 全球指数 / FRED 宏观。freshness 锚定。

from inalpha_data import get_bars
02 / kernelv0.x

paper

内存撮合 + 回测引擎 + 持久化模拟盘。状态可任意回放。

from inalpha_paper import run_backtest
03 / kernelv0.x

research

多分析师 LLM 对抗辩论。立场天然对立。绝不把过期数据当洞察。

from inalpha_research import debate
05 / Engineering harness · claude code, adapted

Claude Code 的工程哲学,
应用于量化交易。

声明式配置规定每个 agent 的工具调用权限。Plan → approve → execute 由一次性、短 TTL 的 token 强制——LLM 永远不会绕过审批触达订单路径。subagent 隔离风险与复盘。MCP 协议接入工具,免去胶水代码。

permissions.yaml
$ research:
  allow:
    - data.get_bars
    - data.get_news
  deny:
    - paper.place_order

risk:
  allow: ["*"]
  require_human: ["place_order > 0.5"]
  • 01

    hooks

    每个 tool call 都走中间件。

  • 02

    permissions

    工具权限按角色 scope。

  • 03

    plan-exec

    先 plan 后 exec,one-shot token。

  • 04

    subagent

    风险与复盘住在独立子 agent。

  • 05

    MCP

    原生支持 Model Context Protocol。

  • 06

    Swarm

    并行 worker 跑参数网格回测。

06 / Coverage · twelve markets, one kernel

同一内核 · 同一 prompt · 同一组 agent。

所有市场共享同一个 orchestrator。新增一个 venue,所有 agent 即刻可用。

── Crypto / 1

  • Crypto

── 股票 / 9

  • 美股
  • A 股
  • 港股
  • 日股
  • 韩股
  • 澳股
  • 印度
  • 英股
  • 德股

── 宏观 / 2

  • 全球指数
  • FRED 宏观
0── stars
0── 贡献者
0── 提交
0── markets
alpha 阶段

── 诚实告知 ——

  • 01D-9 进行中:LLM 自创策略 E1 MVP(三道沙盒 + 多目标 fitness)
  • 02RiskEngine 规则在 paper HTTP 边界生效(仓位上限 / 价格偏离 / 回撤一票否决)
  • 03暂不支持真金部署——每一次改动都经 plan/exec 审批,决策记录落盘
07 / 07 / 开始agpl-3.0 · audited · open

Star 它。读它。彻底拆解它。

Inalpha 仍在 alpha 阶段,AGPL-3.0 协议。请暂缓真金部署——但每一行代码都在 GitHub 公开。

$git clone https://github.com/mirror29/inalpha