跳轉到

QuantDinger 研究筆記

資料來源

項目 連結
GitHub repo（後端） https://github.com/brokermr810/QuantDinger
前端 repo https://github.com/brokermr810/QuantDinger-Vue
行動 app repo https://github.com/brokermr810/QuantDinger-Mobile
官方網站 https://www.quantdinger.com
SaaS https://ai.quantdinger.com
AWS Marketplace AMI https://aws.amazon.com/marketplace/pp/prodview-naanrb7d2mbc6（ThinkCloud CentOS 9）
MCP server (PyPI) https://pypi.org/project/quantdinger-mcp/
Telegram / Discord / YouTube quantdinger / tyx5B6TChr / @quantdinger
規模 5,858 stars / 1,278 forks / Apache 2.0 / 創建 2025-12-28（約 5 個月）
版本 v3.0.10
語言 / 部署 Python 3.10+（Docker 3.12）+ Vue 前端 + Docker Compose + Postgres + Redis
多語 README EN / 簡中 / 日 / 韓 / 泰 / 越 / 阿拉伯（7 語）

概述

QuantDinger 的 slogan：「Your Private AI Quant Operating System」。定位很明確——自架式、本機優先的 AI 量化交易完整作業系統。「OS」這個詞用得不誇張，因為它整合了：

AI 研究（多 LLM 分析、機會雷達、watchlist）
   +
Python 原生策略撰寫（IndicatorStrategy + ScriptStrategy）
   +
伺服器端回測 + 績效指標 + 策略快照
   +
實盤交易（crypto、IBKR、MT5、Alpaca）
   +
通知（Telegram、Email、SMS、Discord、Webhooks）
   +
多使用者 + 角色 + Credits + USDT 計費（**可選的 operator primitive**）

→ 一個 Docker Compose 把這整套跑起來、用你自己的 API key、跑在你自己的機器——而非把分散在 ChatGPT + TradingView + Notion + 各種 bot 的工作流拼湊起來。

特別值得注意的是 operator 模式：repo 內建 multi-user / credits / USDT 計費——意味著你可以拿這個 repo 當基底自己開一個量化 SaaS，不只是個人工具。

三 repo 架構

Repo 內容
QuantDinger Flask 後端 + Docker Compose stack + 文件
QuantDinger-Vue Vue 前端原始碼（tag v* 會自動發 ghcr.io/brokermr810/quantdinger-frontend 映像）
QuantDinger-Mobile 開源行動 client，可配自架後端或 SaaS

→ 前後端拆 repo 是個聰明的解耦——一般使用者只 pull 前端 image，不用裝 Node.js。只有要改 UI 的人才碰前端 repo。

兩種策略寫法

類型 風格 適用
IndicatorStrategy DataFrame 訊號（向量化），含 chart overlay 技術指標 / 因子型 / 適合畫圖
ScriptStrategy Event-driven（on_bar callback + 明確下單） 多狀態 / 複雜訂單管理 / 需要 tick-level 控制

→ 一個 platform 同時支援向量化思路跟事件驅動思路是聰明的——對應到主流量化框架（zipline / backtrader 是事件驅動、vectorbt / bt 是向量化），讓兩派使用者都能上手。

交易管道

通道 標的
Crypto Exchange（直連） 各大 CEX
IBKR（Interactive Brokers） 全球股票 / ETF / 期貨 / 外匯
MT5（MetaTrader 5） 主要外匯 + 部分券商
Alpaca 美股 / ETF / Crypto

→ 對台灣使用者，IBKR 是最相關通道（永豐 / 元大要自寫 adapter）；MT5 對外匯交易者特別實用。

Agent Gateway + MCP（最有意思的設計）

/api/agent/v1 Agent Gateway

QuantDinger 內建一個 Agent Gateway，把整個平台暴露給 AI agent 用，但完全不暴露你的 exchange key 或 admin JWT：

Cursor / Claude Code / Codex
      │ MCP
      ▼
quantdinger-mcp (PyPI)
      │ HTTP + Agent Token
      ▼
/api/agent/v1 (QuantDinger Agent Gateway)
      │
      ▼
讀市場 / 管理策略 / 跑回測 / 下單（paper only 預設）

兩道安全閘：

閘 預設
Token 層 paper_only=true（只能紙上交易）
Server 層 AGENT_LIVE_TRADING_ENABLED=false

→ 必須兩個 flag 同時開才能讓 AI agent 下實盤。所有 agent call 都會被 audit-log。這是少見的「對 AI 給予具備風險能力但預設關閉」工程紀律。

MCP client 設定

{
  "mcpServers": {
    "quantdinger": {
      "command": "uvx",
      "args": ["quantdinger-mcp"],
      "env": {
        "QUANTDINGER_BASE_URL": "http://localhost:8888",
        "QUANTDINGER_AGENT_TOKEN": "qd_agent_xxxxxxxx"
      }
    }
  }
}

→ 用 uvx 跑 quantdinger-mcp PyPI 包，Cursor / Claude Code / Codex 同一份 config，唯一差異是 BASE_URL（SaaS vs 自架）。這個跨環境一致性的設計是 production 級 MCP 整合的標準姿勢。

兩條安裝路徑

1. 最輕（兩個檔案、不 clone）

curl -O https://raw.githubusercontent.com/brokermr810/QuantDinger/main/docker-compose.ghcr.yml
curl -o backend.env https://raw.githubusercontent.com/brokermr810/QuantDinger/main/backend_api_python/env.example
docker compose -f docker-compose.ghcr.yml pull
docker compose -f docker-compose.ghcr.yml up -d

SECRET_KEY 首次啟動自動產生。Open http://localhost:8888、登 quantdinger / 123456、立刻改密碼。

2. 標準（git clone）

git clone https://github.com/brokermr810/QuantDinger.git && cd QuantDinger \
  && cp backend_api_python/env.example backend_api_python/.env \
  && chmod +x scripts/generate-secret-key.sh && ./scripts/generate-secret-key.sh \
  && docker compose pull && docker compose up -d

重要：不要用 docker compose up --build——--build 會試圖在當前 repo build 前端，而前端在另一個 repo。預設 pull GHCR image 即可。

AWS Marketplace AMI

對企業客戶：AWS Marketplace 有預建好的 AMI（ThinkCloud CentOS 9），一鍵啟動，不用自己跑 Docker。對「想 PoC 但不想配環境」是極友善的入口。

系統架構圖（README 提供）

Trader / Operator / Researcher
        │
        ▼
[Frontend]  Vue Web App  →  Nginx Delivery
                                  │
                                  ▼
[Application]  Flask API Gateway
                ├─ AI Analysis Services
                ├─ Strategy & Backtest Engine
                ├─ Execution & Quick Trade
                └─ Billing & Membership
                              │
                              ▼
[State]  PostgreSQL 16  +  Redis 7  +  Logs/Runtime
                              │
                              ▼
[External]
    LLM Providers
    Crypto Exchanges  ↔  IBKR / MT5 / Alpaca
    Market Data / News
    TronGrid / USDT Payment
    Telegram / Email / SMS / Webhook

Crypto 市場資料管道跟下單管道是分離的——這個架構決策跟所有 production-grade 交易系統一致，failure isolation 必要。

7 個語言 i18n（少見的覆蓋面）

EN / 簡中 / 日 / 韓 / 泰 / 越 / 阿拉伯——涵蓋亞洲 + 中東，但沒繁中、沒西語。這個語言組合反映目標市場——東南亞 + 中東 + 中日韓 retail quant，避開歐美 / 拉美主場（那些有 Bloomberg、QuantConnect、Alpaca SaaS 等大廠卡位）。

目前限制與注意事項

  • License Apache 2.0 但 TRADEMARKS.md 限制商標使用：fork 改名做白牌 SaaS 沒問題，但不能用 "QuantDinger" 名稱繼續發。
  • 預設密碼 quantdinger/123456：首次登入務必改——很多人會忘，部署上網前必改。
  • 沒繁中 README：對台灣使用者要看英文或簡中。
  • 「Operator-ready」雙刃：內建 credits / USDT billing 讓你能變 SaaS，但也意味著 codebase 比純個人工具複雜很多。個人使用者可能用不到的功能會增加維護負擔。
  • AI agent 加入 live trading 必須兩道 flag 同開：保護機制好，但意味著從零開始用 MCP 做實盤需要明確意識——不是預設能跑的，要主動啟用。
  • 5.8k stars / 5 個月 / 1.3k forks：成長速度快、社群驗證度中等，但仍是相對年輕的專案。production 用實盤要慎重。
  • CN 使用者拉 Docker image 可能慢：repo 提供 IMAGE_PREFIX=docker.m.daocloud.io/library/ 鏡像替代——表示作者考慮了 GFW 場景。
  • 強相依 Docker：不像 [[fincept-terminal]] 走 native binary、不像 [[daily-stock-analysis]] 走 GitHub Actions——QuantDinger 走「Docker Compose 一套 stack」路線，對 Docker 不熟的使用者門檻較高。
  • 「AI 分析」≠「AI 決策」：跟 [[daily-stock-analysis]] 一樣，AI agent 出的建議是輔助分析，不是回測過的策略訊號，跟單風險高。

研究價值與啟示

關鍵洞察

  1. 「Self-hosted Quant OS」是個被低估的賽道：QuantConnect / TradingView 是雲端 SaaS、Bloomberg 是企業桌面、[[fincept-terminal]] 是個人桌面、[[daily-stock-analysis]] 是 cron job——「自架完整 stack、可變白牌 SaaS」這個生態位之前少有強參與者。QuantDinger 5 個月 5.8k stars 證明這個空缺真實存在。
  2. paper_only=true + 雙 flag 才能 live trade 是「對 AI 給力但預設關掉」的範式：對比 ChatGPT plugin 開放後不少人讓 AI 直接下單翻車，QuantDinger 的設計可以當作「AI 工具該如何給予危險權限」的標竿。對應到 [[zeuikli-claude-code-best-practices]] 第 7.2 章「Permission 系統 deny → ask → allow」原則完全一致。
  3. 「Agent Gateway」是把 AI agent 變成 API client 的範式：不直接給 admin JWT、發專用 agent token、加 audit log、加 rate limit、限制 scope——是 production 級「Agent as API consumer」的標準姿勢。任何把 AI agent 接進既有系統的人都該抄這個 pattern。
  4. 「operator primitive」是個體開發者用 OSS 變現的新路徑：repo 內建 multi-user + credits + USDT 計費——意味著作者鼓勵你拿這個 repo 開自己的 SaaS、不需要從零實作付費系統。這個策略 vs 純 OSS 策略形成有趣對比——「給工具」+「給做生意的腳手架」是更完整的 OSS 變現觀。
  5. MCP server 走 PyPI 而非自架：quantdinger-mcp 上 PyPI 用 uvx 跑——對 Claude Code / Cursor 使用者來說零摩擦。對比 [[cli-anything]] 的 CLI-Hub 自架 registry，QuantDinger 直接用 PyPI 作為發布通路是更輕量的設計。
  6. 多 LLM 分析 + 多通道執行 + 多語言 i18n 三個「多」是 SaaS 量化平台的基本盤：對應 [[daily-stock-analysis]] 也走多 provider 路線——「不綁定單一 vendor」已是 2026 量化開源工具的 hard requirement。
  7. AWS Marketplace AMI 揭示開源 + 企業通路雙軌策略：對 retail 走 GitHub OSS + Docker self-host、對企業走 AWS Marketplace ThinkCloud AMI。這條雙軌變現路線對任何想做嚴肅 OSS 商業化的個人 dev 是個值得抄的範本。
  8. 「Crypto 市場資料管道 vs 下單管道分離」是個關鍵架構決策：失敗隔離（market data 中斷不該影響下單）、安全（市場資料公開、下單需 key），任何 production 交易系統都該如此。

與其他研究的關聯

  • 與 [[fincept-terminal]]：兩者都是「Bloomberg Terminal 的開源版」野心——Fincept 走 native C++/Qt 桌面 app，QuantDinger 走 Docker Compose 自架 stack + Web UI。桌面 vs Web stack 的兩極對照。
  • 與 [[daily-stock-analysis]]：兩者都是 LLM 驅動量化——DSA 走 GitHub Actions 零成本 cron 路線、QuantDinger 走完整自架 stack + 可變 SaaS 路線。對「個人散戶 vs 小型量化 operator」兩種使用者各有對應。
  • 與 [[ai-hedge-fund]]、[[tradingagents]]、[[ai-trader]]：這些是 framework / research 性質，QuantDinger 是同類技術的 production product 化——從 lab repo 變成「能拿來營運」的完整平台。
  • 與 [[tlc-agent-skills]]：QuantDinger 的 quantdinger-mcp 可以寫成一個 Skill 上傳到 Tech Leads Club registry，被 19 個 agent 通用呼叫。兩者是 orthogonal 的 distribution layer。
  • 與 [[abdixere-api]]、[[cli-anything]]：abdixere 主張「工具乾淨小巧」、CLI-Anything 把所有軟體變 agent-native——QuantDinger 走的是「給 AI 一個完整 API gateway + audit + scope token」的中重路線，跟 CLI 風格不同但都解「agent 怎麼安全用工具」這個議題。
  • 與 [[openhuman]]：兩者都用 MCP server + token-based access 給 agent——OpenHuman 是個人生活 agent、QuantDinger 是金融交易 agent，但架構幾乎一致（gateway + token + audit + paper/safe default）。這個 pattern 正在成為「Agent 連進已有系統」的事實標準。
  • 對台灣 retail quant：可以直接 fork QuantDinger、用 backend_api_python 內 broker adapter 樣板加上永豐 / 元大 / 富邦 API——比從零起步快非常多。
  • 對 startup 機會：台灣沒有對應的「open-source quant OS」——目前都是純粹個人工具或券商 API wrapper。QuantDinger 的「operator-ready + 雙軌變現 + 開源」模板，可以做台版 / 繁中版本，搭配台股本土券商整合。