个人项目

coreytrading

基于 LLM 智能体的交易运营系统，所有状态变更均经审核、可审计

独立作者 · 2026.08 — 至今

Python pandas Claude Code Codex exchange-calendars

项目背景

LLM 擅长阅读证据、撰写分析，但不应直接改动状态或动用资金。设计上的核心问题是：如何让它们协作完成研究，同时由代码完全掌控数据、计算和写入。

调度器 → 主控程序 → 证据采集（券商与行情缓存、估值台账；冻结并计算哈希）→ 角色 worker（Claude / Codex，仅输出结构化 JSON，无工作区或券商访问权限）→ 主控校验（策略、时效性、版本）→ 受控卡片写入器 → 回执 → 人工审核与手动执行。

每个智能体接收经冻结并计算哈希的证据快照，且必须返回通过 schema 校验的 JSON

状态变更经由受控写入器：写前备份、版本校验、预生成回执，并以基于哈希的对账代替盲目重试

角色到模型的路由，每次调用显式指定模型和 effort；调用预算（并发 2 个，滚动每小时 12 次）

按交易所日历触发的定时任务：盘前简报、收盘后状态切换、由代码渲染的宏观视角、周度复盘

约 12.1 万行 Python 代码，约 2,900 个自动化测试

worker 获取冻结的证据并返回结构化提议；主控程序依据策略和目标对象的当前版本进行校验，然后才由受控写入器执行。

Why: 模型输出属于不可信输入。校验、版本检查和回执让每一次变更都可解释、可回滚。

每次写入都有一份预先生成、包含写入前后哈希的回执；崩溃后，恢复流程比对哈希并更新回执，而不是重复写入。

Why: 与我在工作中处理发放任务时相同的幂等原则，应用到了一个单用户系统上。

corey@coreyverse:~/projects/coreytrading

$ cat README.md

[personal]

基于 LLM 智能体的交易运营系统，所有状态变更均经审核、可审计

独立作者 | 2026.08 — 至今

PythonpandasClaude CodeCodexexchange-calendars

## Background

## Architecture

## Highlights

01: 每个智能体接收经冻结并计算哈希的证据快照，且必须返回通过 schema 校验的 JSON

02: 状态变更经由受控写入器：写前备份、版本校验、预生成回执，并以基于哈希的对账代替盲目重试

03: 角色到模型的路由，每次调用显式指定模型和 effort；调用预算（并发 2 个，滚动每小时 12 次）

04: 按交易所日历触发的定时任务：盘前简报、收盘后状态切换、由代码渲染的宏观视角、周度复盘

05: 约 12.1 万行 Python 代码，约 2,900 个自动化测试

## Implementations

01: 模型提议，代码决定

worker 获取冻结的证据并返回结构化提议；主控程序依据策略和目标对象的当前版本进行校验，然后才由受控写入器执行。

why: 模型输出属于不可信输入。校验、版本检查和回执让每一次变更都可解释、可回滚。

02: 结果不确定的写入以对账处理，而非重试

每次写入都有一份预先生成、包含写入前后哈希的回执；崩溃后，恢复流程比对哈希并更新回执，而不是重复写入。

why: 与我在工作中处理发放任务时相同的幂等原则，应用到了一个单用户系统上。