OpenAlice 深度研究报告
项目地址: https://github.com/TraderAlice/OpenAlice
官网: https://www.traderalice.com
Live Demo: https://www.traderalice.com/live
文档: https://deepwiki.com/TraderAlice/OpenAlice
协议: MIT
报告日期: 2026-02-20
一句话概括
OpenAlice 是一个文件驱动的 AI 交易 Agent 引擎，支持加密货币和证券市场，核心理念是让 AI 通过持续推理（而非预设规则）做交易决策，并将全部推理过程公开可读。
🏗️ 架构设计
OpenAlice 的架构明显受 OpenClaw/Cursor/Claude Code 启发，分四层：
1. Provider 层 — 可切换的 AI 后端
- Claude Code CLI: 作为子进程运行
claude -p，获得完整 Claude Code 能力 - Vercel AI SDK: 进程内运行，兼容 Anthropic/OpenAI/Google 等任意模型
- 运行时切换，无需重启
2. Core 层 — 引擎 + 调度
- Engine: 管理 AI 对话，路由工具调用，上下文自动压缩
- Session Store: JSONL 文件持久化对话
- Scheduler: 心跳循环 + Cron 驱动自主运行
- Delivery Queue: 指数退避重试 + 崩溃恢复
3. Extension 层 — 领域工具集
- Analysis Kit: 技术指标、新闻搜索、价格模拟（沙箱执行）
- Crypto Trading: 基于 CCXT（Bybit/OKX/Binance），git-like 钱包流程（stage → commit → push）
- Securities Trading: Alpaca 集成，美股纸盘/实盘
- Brain: 认知状态系统（前额叶记忆、情绪追踪、commit 历史）
- Browser: 浏览器自动化
4. Connector 层 — 外部接口
- Telegram Bot、HTTP Webhook、MCP Server
💡 核心设计理念
文件驱动（File-Driven）
> Markdown 定义人格和任务，JSON 定义配置，JSONL 存对话。人和 AI 通过读写文件控制 Alice。没有数据库，没有容器，只有文件。
这和 OpenClaw 用 .md 文件做系统配置的思路一脉相承。作者直接说了："vibe coding 的读写原语直接迁移到 vibe trading"。
推理驱动（Reasoning-Driven）
Alice 不是传统量化策略的执行器。每轮决策都走完整 AI 推理链：读市场数据 → 分析指标 → 回测策略 → 提交订单。因为推理过程足够完整，多次运行或用不同 AI 分析同一决策，结论趋近一致 —— 这意味着可复现性。
单租户设计
一个实例服务一个交易者，所有交互通过交易者偏好的 Connector 路由。
📊 实盘表现（Live Demo 数据，截至 2026-02-15）
从 https://www.traderalice.com/live 可以看到 Alice 的真实交易记录：
- 共运行 145 轮（每4小时一轮），从 2026-01 开始
- 前期（Round 28-55）表现强劲: 峰值 PnL 达 +$875
- 1月底开始持续回撤: 从 Round 57 的 +$121 一路下滑
- 当前（Round 145）: -$153，近两周持续亏损
📉 诚实的亮点：项目方没有隐藏亏损，所有数据完全公开。这在 AI 交易项目中相当罕见。
🔧 技术栈
| 组件 | 技术 |
|---|---|
| 语言 | TypeScript / Node.js 20+ |
| 包管理 | pnpm |
| AI | Claude Code CLI / Vercel AI SDK |
| 加密交易 | CCXT（Bybit 默认 demo） |
| 证券交易 | Alpaca（纸盘/实盘） |
| 配置校验 | Zod |
| 消息 | Telegram Bot |
| 持久化 | 文件系统（JSONL + JSON + Markdown） |
🤔 与我们 Polymarket 系统的对比
| 维度 | OpenAlice | 我们的 Polymarket Agent |
|---|---|---|
| 学习方式 | AI 推理链（每轮重新推理） | 非参数学习（.md 策略文件积累） |
| 交易执行 | 自动下单（CCXT/Alpaca） | 模拟交易 + 手动确认 |
| 市场覆盖 | 加密 + 美股 | Polymarket 预测市场 |
| 架构 | 类 OpenClaw Agent 框架 | Python 脚本 + Cron |
| 复盘机制 | Brain Extension（情绪+记忆） | 结构化复盘 → 策略文件更新 |
值得借鉴的点：
- git-like 钱包流程（stage/commit/push）很优雅，可以借鉴到模拟交易记录
- Delivery Queue + 崩溃恢复的设计很成熟
- persona.md 定义策略人格 —— 和我们用 .md 策略文件异曲同工
⚠️ 风险与局限
1. 实盘持续亏损：145 轮后 PnL 为负，说明"AI 推理"并不等于"赚钱"
2. 单租户限制：不是 SaaS，需要自己部署和维护
3. 依赖 AI API 成本：每4小时一轮完整推理，API 费用不低
4. "Invite Only" 功能：自定义策略和 Alice Agent 还在内测
5. 没有传统风控：全靠 AI 推理判断，缺少硬性止损/仓位管理规则
✅ 总结
OpenAlice 是一个架构精良、理念前卫的 AI 交易 Agent 开源项目。它把 "vibe coding" 的范式搬到了交易领域，用文件系统代替数据库，用 AI 推理代替硬编码策略。
值得关注的原因：
- 完全开源 MIT，代码质量看起来不错
- 实盘数据 100% 透明，包括亏损
- 架构设计受 OpenClaw/Cursor 启发，对我们理解 Agent 框架有参考价值
需要警惕的地方：
- 实盘表现说明 AI 推理 ≠ alpha，持续亏损是事实
- 作为交易工具使用需要谨慎，建议先跑 demo/纸盘