AutoHedge 研究筆記¶
資料來源¶
| 項目 | 連結 |
|---|---|
| GitHub repo（★6,082 / 877 forks / MIT / Python） | github.com/The-Swarm-Corporation/AutoHedge |
| PyPI 套件（最新 0.1.6，2026-02-18） | pypi.org/project/autohedge |
| 底層 agent 框架 Swarms | swarms.ai · github.com/kyegomez/swarms |
| 執行用的 Jupiter Ultra Swap API | dev.jup.ag |
本筆記的判斷全部來自實際讀 repo 原始碼（
autohedge/全部檔案 +.env.example+pyproject.toml），不是轉述 README。數據抓取時間 2026-09-14。
專案概述¶
AutoHedge 自稱「enterprise-grade autonomous agent hedge fund that trades on your behalf」——用 swarm intelligence 跑完整的市場分析 → 風控 → 下單閉環，目前支援 Solana 全自動交易，Coinbase 與其他交易所「coming soon」。
作者是 Kye Gomez（The Swarm Corporation），底層用他自己的 Swarms agent 框架。專案 2024-12-10 建立，累積 6,082 stars。
聽起來很猛。但這個筆記的重點是：把 README 講的跟 code 實際做的擺在一起看。
README 說的 vs. code 實際做的¶
| README 宣稱 | 實際 code |
|---|---|
| Director → Quant → Risk → Execution 四階段 pipeline（還附 mermaid 流程圖） | AutoHedge.run() 只做一件事：director_agent.run(task)。Director 是一個 handoffs=[sentiment, risk, execution, quant] 的 Swarms Agent——要不要 handoff、handoff 給誰，由模型自己決定。沒有確定性的四階段管線 |
| Full autonomous trading on Solana | execute_trade（Jupiter Ultra Swap、會用 solders 簽真交易）確實寫在 tools/ultra_tools.py，也收在 tools/tools_registry.py 的 get_tools() 裡——但 get_tools 在整個 package 沒有被任何檔案 import。workers.py 裡唯一掛上工具的是 sentiment agent 的 tools=[exa_search]。Quant / Risk / Execution 三個 agent 的 tools 是空的 |
| Execution Agent「generates and executes orders」 | prompt 要它輸出 order type / quantity / entry / stop loss / take profit / TIF——純文字輸出，沒有工具可呼叫，不會真的送單 |
| Real-Time Market Analysis：整合即時行情 | tools/ 下有 jupiter_price、polygon_api、yahoo_api，但同樣沒掛到任何 agent 上 |
| Risk-First Design：下單前先做風控 | Risk agent 存在，但 Director 的 handoff 順序由模型決定，架構上沒有任何東西保證 risk 在 execution 之前跑 |
.env.example 要你填 WALLET_PRIVATE_KEY |
ultra_tools.py 讀的是 SOLANA_PRIVATE_KEY。照 README 設定，簽章一定拋 ValueError |
ANTHROPIC_API_KEY 列在 .env.example |
五個 agent 的 model_name 全部寫死 gpt-4.1 / gpt-4o-mini，Anthropic key 沒有任何地方讀 |
| Basic Usage 程式碼範例 | README 的 python code block 裡只有一行字：autohedge。不是程式碼 |
程式碼盤點¶
整個 autohedge/ package（不含 tools/）約 22 KB：
| 檔案 | 大小 | 內容 |
|---|---|---|
prompts.py |
10,099 B | 最大的檔案——五個 agent 的 system prompt 字串 |
cli.py |
5,830 B | rich 做的 ASCII banner + 互動 REPL |
workers.py |
2,808 B | 五個 swarms.Agent 的宣告 |
main.py |
2,095 B | AutoHedge class，run() 本體約 20 行 |
env_loader.py |
867 B | 讀 .env |
__init__.py / __main__.py |
238 B | entry point |
五個 agent：
| Agent | 模型 | 工具 | 角色 |
|---|---|---|---|
| Trading-Director | gpt-4.1 | 無（只有 handoffs） | 產生交易論點、決定分派給誰 |
| Sentiment-Agent | gpt-4o-mini | exa_search |
唯一真的能查外部資料的 agent |
| Quant-Analyst | gpt-4.1 | 無 | 輸出 technical/volume/trend/probability 分數（0–1） |
| Risk-Manager | gpt-4.1 | 無 | 輸出部位大小、最大回撤、風險分數 |
| Execution-Agent | gpt-4.1 | 無 | 輸出訂單參數（文字） |
tools/ 另有 8 個檔案（exa_search、jupiter_price、jupiter_search、polygon_api、yahoo_api、ultra_tools、tools_registry），除了 exa_search 之外都是孤兒。experimental/ 還放了 btc_agent.py、market_making.py、crypto_agent_wrapper.py。
挖深一點（一）：CI 是演的¶
.github/workflows/ 底下有 18 個 workflow 檔。對一個 22 KB 的 package 來說已經很奇怪，實際讀完更奇怪——其中 4 個是測試 workflow，而 repo 根本沒有 tests/ 目錄：
| Workflow | 它想做什麼 | 為什麼跑不起來 |
|---|---|---|
run_test.yml |
pytest tests/ |
沒有 tests/，每次 push 都會失敗 |
testing.yml |
pytest tests/ |
同上，而且 trigger 是 branches: [master]——這個 repo 的預設分支是 main，永遠不會觸發 |
test.yml |
make test / make extended_tests，用 ./.github/actions/poetry_setup |
沒有 Makefile、沒有 .github/actions/ 目錄，trigger 也是 master |
unit-test.yml |
python3 -m unittest tests/ + docker build . --file Dockerfile |
沒有 Dockerfile；而且 python3 -m unittest tests/ 傳一個目錄給 unittest，本身就不是合法用法 |
另外還有 5 個各自獨立的 lint / 品質 workflow（lints.yml、ruff.yml、pylint.yml、quality.yml、code_quality_control.yml）。
test.yml 裡的 extended_testing extra、poetry_setup composite action、make test / make extended_tests 這組合是 LangChain 倉庫 CI 的特徵形狀——這 18 個檔案是從別的 repo 整包複製過來的模板，沒有一個被改成對得上這個專案。
重點不是「沒寫測試」，是 repo 首頁掛著一排 CI badge 的視覺份量，跟實際跑起來的東西完全脫鉤。看 repo 別只看 Actions 有沒有綠勾，要點進去看它到底跑了什麼。
挖深一點（二）：repo 裡躺著 37 MB 的假交易紀錄¶
logs/ 目錄被 commit 進 repo，裡面兩個檔案：
37 MB 的交易紀錄，在一個功能性程式碼只有 22 KB 的 repo 裡。 打開看內容：
2025-03-05 11:31:29.f,BTCUSDT,BUY,Price:667.8219070853885,Quantity:2.906810641961535,PnL:0
2025-03-05 11:31:29.f,BTCUSDT,SELL,Price:667.9554848245795,Quantity:4.855816776771281,PnL:0.6486290269661324
三個問題，每一個都能單獨說明這份檔案的性質：
- 時間戳最後是字面上的
.f。有人把%f（微秒）寫成.f，於是整份 37 MB 檔案的每一行都帶著兩個沒被格式化的字元。沒有人讀過這份輸出——讀過一眼就會看到。 - BTCUSDT 的價格是 $667。2025 年 3 月的比特幣在 $80,000 上下。這是模擬資料，不是任何真實市場的紀錄。
- 價格幾乎不動。11:31:29 的所有成交都在 667.82 / 667.95 這兩個價位之間，六秒後（11:31:35）漂到 665.72 / 665.87。這是一個對著近乎凍結的價格跑的造市模擬迴圈。
再往下追一層更妙：experimental/market_making.py 寫出來的檔名格式是 market_making_{pair}_{timestamp}.csv——跟 trades_*.csv 對不上。也就是說，這 37 MB 是由一支不在 repo 裡的腳本產生的，然後被 commit 進來留到今天。
挖深一點（三）：有人照 README 做了，然後沒人回他¶
Issue #42（2026-07-06，至今 open、0 則回覆）是一份寫得極為完整的驗證報告，結論跟本筆記讀 code 得到的完全一樣：
- 環境：Windows + Python 3.11 +
pip install -U autohedge→ 0.1.6 - 有效：CLI REPL 起得來、Director → handoffs → 子 agent 的多 agent 流程會跑、
EXA_API_KEY讓 Sentiment agent 的exa_search成功執行 - 找不到：「fully autonomous Solana execution」的任何一條有文件的路徑
- 他自己也注意到了：「Jupiter-related code exists in
autohedge/tools/」——程式碼存在，但沒有路徑通到它
他問的是「Solana 自動交易到底是 production-ready、roadmap、還是需要自己接？」。兩個多月過去，沒有人回答。
其他 open issue 也透露生態樣貌：#40 抱怨只支援 OpenAI/Anthropic 兩家（對照 code：模型還是寫死的）；#30 是一篇掛著 Telegram 頻道連結和另一個 repo 的「我跑了 $100k 實盤」推廣文。
挖深一點（四）：6,085★ 在自己的 org 裡是 34 倍離群值¶
The Swarm Corporation 這個 org 有 160 個 public repo、448 個 followers。把 star 數排開：
| Repo | Stars | 最後 push |
|---|---|---|
| AutoHedge | 6,085 | 2026-05-11 |
| ClawSwarm | 178 | 2026-09-14 |
| swarms-rs | 177 | 2025-12-15 |
| AI-CoScientist | 130 | 2026-07-13 |
| swarms-examples | 83 | 2026-07-13 |
同一個作者、同一套工程習慣、同一個框架，第二名只有 178★，AutoHedge 是它的 34 倍。程式碼份量沒有 34 倍的差距——差在題材。「autonomous hedge fund that trades on your behalf」這個 hook 本身就是那 6,000 顆星。
挖深一點（五）：prompts.py 有一半是死的¶
prompts.py 定義了 11 個 prompt 常數，workers.py 只 import 其中 5 個。死掉的六個是 RISK_ASSESSMENT_PROMPT、EXECUTION_ORDER_PROMPT、DIRECTOR_THESIS_PROMPT、QUANT_ANALYSIS_PROMPT、DIRECTOR_DECISION_PROMPT、DIRECTOR_TICKER_DISCOVERY_PROMPT。
從命名看得出來，它們屬於一個更早期、更確定性的架構——有明確的 thesis → quant analysis → risk assessment → execution order 階段，還有一個 DIRECTOR_DECISION_PROMPT（"According to the thesis, {thesis}, should we execute this order: {task}"）做明確的執行決策閘。這正是 README 的 mermaid 圖畫的那個東西。
2026-02-17 的 commit「[New tools] [Jupiter, polygon, massive] [Remove ticker agent]」之後，架構改成 Swarms 的 handoffs，那個確定性管線被拆掉了，但 README 沒改。所以 README 描述的不是幻想，是上一個版本的架構——只是沒人回來更新文件。
專案健康度¶
| 指標 | 狀況 |
|---|---|
| 最後一次功能性 commit | 2026-02-18（之後只有 3 筆 dependabot merge，到 2026-03-05） |
| PyPI 最新版 | 0.1.6，2026-02-18（共 10 個版本） |
| GitHub Releases | 0 個 |
| 測試 | repo 根目錄沒有 tests/，但 .github/workflows/ 有 18 個 workflow、其中 4 個在跑 pytest tests/ 之類的指令（兩個還綁在不存在的 master 分支上） |
logs/ 目錄 |
被 commit 進 repo：兩個 CSV 共 37 MB，時間戳帶著沒格式化的字面 .f、BTCUSDT 標價 $667、產生它的腳本不在 repo 裡 |
| 版本號一致性 | pyproject.toml 寫 0.1.5，cli.py fallback 寫 "0.1.2"，PyPI 是 0.1.6 |
| 免責聲明 | 完全沒有。一個會簽 Solana 交易、要你把私鑰放進 .env 的專案，README 裡沒有任何風險、法遵或績效免責 |
| 死碼 | prompts.py 的 11 個 prompt 常數只有 5 個被 import |
| Issue 回應 | 一份詳盡的「照 README 做不出來」驗證報告（#42）open 兩個多月、0 回覆 |
| org 內對照 | 母 org 有 160 個 repo，AutoHedge 6,085★，第二名 178★ |
| GitHub topics | blackrock、goldmansachs、jpmorgan——這三個跟專案內容零關係，是純 SEO 塞關鍵字 |
還是有可取之處¶
不是全無價值，以下兩點值得看：
-
Swarms
handoffs的極簡參考實作。workers.py不到 100 行就示範了「一個 Director agent 帶一組 specialist，用handoffs=做動態轉交」的寫法。想快速理解 Swarms 框架的 handoff 模式，這是個好起點——就 30 秒的閱讀量。 -
ultra_tools.py的 Jupiter Ultra Swap 串接是能用的程式碼。base58 私鑰 →Keypair→VersionedTransaction簽章 → 送/ultra/v1的流程完整，要自己做 Solana swap agent 的話可以直接抄這段（記得環境變數是SOLANA_PRIVATE_KEY）。
研究價值與啟示¶
關鍵洞察¶
-
6.1K stars 完全不代表 code 的份量。這個 repo 的 star 數比很多紮實的量化框架都高，但功能性程式碼不到 22 KB，其中最大的檔案是 prompt 字串。評估開源 AI 專案時，README 的說服力和 star 數都是雜訊，
git log的最後日期、有沒有測試、核心模組多大才是訊號。這一條對整個「AI Agent 做交易」的賽道特別重要，因為這個題材天生容易衝 star。 -
「工具寫了但沒掛上 agent」是 agent 專案最容易出現、也最難從外面看出的斷點。AutoHedge 把
execute_trade寫好、放進 registry，然後 registry 沒人 import——README 於是可以誠實地說「我們有 Solana 執行能力」，而跑起來的 agent 其實碰不到它。看 agent 專案一定要追一條線：工具函式 →(誰 import) → agent 的tools=參數。追不到就是沒接上。 -
和 Vibe-Trading 對照，能看出「會下真單的 agent」該長什麼樣。Vibe-Trading 用結構性 paper/live 判別器（帳號 ID 格式 / host 分離 / demo 旗標）、mandate gate（allowlist + 部位上限 + kill switch）、下單工具不上 MCP、research 路徑結構性禁觸 live endpoint，還有一份明確的免責聲明。AutoHedge 的對應設計是：沒有。同一件事（自主下單）的兩種做法擺在一起，就是最好的教材。
-
Prompt 不是架構。這個專案把「風控優先」寫在 Risk agent 的 system prompt 裡，但 Director 的 handoff 順序由模型自由決定——寫在 prompt 裡的保證，在架構上等於沒有保證。要讓風控真的先跑，得用確定性的程式流程，不是靠提示詞拜託模型。
-
免責聲明的缺席本身就是訊號。金融 + 會簽私鑰交易 + 沒有任何免責與風險說明，通常代表專案沒被當成真的要有人拿去用的東西在維護。
-
README 描述的常常不是幻想，而是「上一版的架構」。AutoHedge 的 mermaid 四階段管線、
DIRECTOR_DECISION_PROMPT這種明確的執行決策閘，在 2026-02 改成 Swarmshandoffs之前是真的存在的。重構拆掉了確定性流程，文件留在原地。 這比「作者在吹牛」更常見、也更難察覺——看到 README 和 code 對不上，先去翻 git log，通常能找到那個沒有回頭改文件的 commit。 -
CI badge 的視覺份量跟實際執行完全可以脫鉤。18 個 workflow、4 個測試 job、5 個 lint job，指向不存在的
tests/、不存在的Makefile、不存在的Dockerfile，兩個還綁在不存在的master分支。看 repo 要點進 Actions 看實際跑了什麼，不是看首頁有幾個綠勾。 -
commit 進 repo 的產出物是最誠實的證據。那 37 MB CSV 誰都沒看過——看過一眼就會發現時間戳壞了、BTC 標價 $667。一個專案的「沒被讀過的輸出」比它的 README 更能說明它被使用的真實程度。
與其他專案的關聯¶
| 對照 | 關係 |
|---|---|
| Vibe-Trading | 同為「agent 可下真單」；Vibe-Trading 把安全做進結構、18 家券商逐一標註 paper/live 能力邊界，AutoHedge 沒有任何護欄。兩者是同一問題的正反範例 |
| AI Hedge Fund | 該筆記把 AutoHedge 列為「支援 Solana 真實執行、是下一步的參考」——本筆記的結論是需要修正這個說法：執行能力寫了但沒接上 agent |
| TradingAgents | 同為多 Agent 交易團隊；TradingAgents 有論文與可重現流程，AutoHedge 只有 prompt |
| CrewAI / OpenAI Agents SDK | 同屬 multi-agent 框架的 handoff 範式；AutoHedge 是 Swarms 框架的一個薄應用層 |
| StockAgent | 同為 LLM 交易 agent 研究；StockAgent 走學術驗證路線，對照之下更凸顯 AutoHedge 缺少任何驗證層 |