第28章量化投资Agent系统的完整配置与实现

本章顾问：沈飞（量化风控）、龙马（系统集成）
预估时长：7小时
本章前置检查：

□ 已完成第24-27章的数据治理、Agent映射和Skill开发
□ 熟悉OpenClaw和Hermes的ACP配置（第14章）
□ 理解共享记忆的三层架构（第16章）

本章难点提示：

28.2节的配置文件示例较多，建议先通读，再按顺序逐个Agent创建并测试。建议从Data Pipeline Agent开始，最后配置Portfolio Manager。
28.3节的ACP通信和Cron调度需要反复调试，特别是优先级队列的设置，建议先用模拟信号测试。
28.4节的一致性检查清单是实盘前最后一道防线，不可跳过任何一项。
本章完成后，你将拥有一个可运行的一人量化投资Agent系统雏形。

🎯 本章教学目标：将所有前期组件整合为一个完整的一人量化投资Agent系统，配置核心Agent的AGENTS.md和SOUL.md，搭建ACP通信和共享记忆，设置Cron定时任务调度，完成回测-实盘一致性检查，并通过模拟盘验证整体流程。

28.1 环境准备与基础设施

🎯 本节目标：搭建运行量化Agent系统所需的硬件、软件、数据源和交易接口环境。

预计时长：1.5小时

28.1.1 硬件与操作系统建议

配置项	最低要求	推荐配置	说明
CPU	2核	4核+	多Agent并行时CPU负载较高
内存	4 GB	8 GB+	Hermes运行本地模型需要更多内存
磁盘	20 GB	50 GB+	存储历史数据、日志、记忆
网络	稳定互联网	低延迟专线	交易执行对网络延迟敏感
操作系统	Ubuntu 20.04 / macOS 12+ / WSL2	Ubuntu 22.04 LTS	生产环境推荐Linux

龙马注：个人开发者可使用云服务器（如阿里云ECS 2核4G）入门，约100元/月。随着策略复杂度增加，再逐步升级配置。

28.1.2 软件依赖安装

创建安装脚本 install_quant_agent.sh：

bash

#!/bin/bash
# 安装系统依赖
sudo apt update
sudo apt install -y python3-pip redis-server git curl

# 安装 OpenClaw 和 Hermes（参考第2章和第8章）
# 假设已安装，这里仅安装量化相关Python库
pip3 install tushare pandas numpy pytest backtrader redis

# 启动Redis（用于共享记忆）
sudo systemctl enable redis-server
sudo systemctl start redis-server

# 验证Redis
redis-cli ping  # 应返回 PONG

28.1.3 Tushare数据源配置（附录T给出完整脚本）

在~/.hermes/.env和~/.openclaw/.env中统一配置：

TUSHARE_TOKEN=你的token
TUSHARE_PRO_URL=https://api.tushare.pro

在~/.hermes/config.yaml中添加Tushare工具集（如果需要）：

yaml

toolsets:
  enabled:
    - tushare  # 需安装社区提供的tushare插件

沈飞注：Tushare免费版日调用次数有限，建议将历史数据批量下载后本地存储，每日仅增量更新。付费版（约500元/年）可大幅提高频率。

28.1.4 交易接口配置（附录S给出详情）

在~/.openclaw/.env中配置券商API（示例为中泰证券XTP）：

text复制下载

TRADE_MODE=SIMULATE   # SIMULATE / PAPER / LIVE
XTP_ACCOUNT=123456
XTP_PASSWORD=xxxx
XTP_SERVER_IP=127.0.0.1
XTP_SERVER_PORT=6001

交易接口在Skill中通过统一抽象调用，详见附录S。

验证数据链路：

python

# 测试Tushare连通性
python -c "import tushare as ts; ts.set_token('你的token'); print(ts.pro.daily(ts_code='600519.SH', trade_date='20250101'))"

🛠️ 实践任务（本节）：在你的服务器或本地机器上完成上述依赖安装，并测试Tushare数据拉取。

💭 本节总结（不看书写3行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

28.2 Agent配置文件完整示例

🎯 本节目标：为量化系统中的核心Agent编写完整的AGENTS.md和SOUL.md配置文件。

预计时长：2小时

龙马注：本节提供可直接使用的配置模板。请根据你的实际业务调整工作流细节和约束条件。

28.2.1 Portfolio Manager Agent（OpenClaw Team Lead）

目录：~/.openclaw/workspace/agents/portfolio_manager/

AGENTS.md：

markdown

---
name: Portfolio Manager
role: 投资总监 - 策略组合管理与资产配置
type: team_lead
---

## 职责
- 统筹所有策略的实盘运行状态
- 根据市场环境调整各策略的资金分配权重
- 审批新策略上线请求
- 汇总每日绩效报告，发送到飞书

## 目标
- 年化收益率 > 15%
- 最大回撤 < 15%
- 夏普比率 > 1.0

## 技能
- position_sizing (资金管理Skill)
- performance_attribution
- risk_budgeting

## 工作流
1. 每日9:00：检查各策略信号，汇总待执行任务
2. 每日9:15：根据波动率目标计算各策略仓位，写入`execution.portfolio_weights`
3. 盘中：监听风控告警，必要时暂停策略
4. 每日15:30：收集各策略当日收益，更新绩效归因表
5. 每日16:00：生成日报推送飞书

## 约束
- 单策略仓位不得超过总权益的30%
- 所有策略总仓位不得超过80%（保留20%现金）
- 任何策略上线必须经过你的人工审批（飞书按钮）

## 输出格式
参见第26章数据格式规范

SOUL.md：

markdown

# SOUL.md - 基金经理人格

## 核心特质
- 冷静客观，数据驱动
- 风控优先，不追逐短期收益
- 善于分散风险，不过度集中

## 沟通风格
- 以表格呈现绩效数据
- 告警使用红色标记
- 每日报告使用MD格式，附关键指标

## 禁止事项
- 禁止在未检查风控指标的情况下调整仓位
- 禁止跳过审批流程

28.2.2 Risk Management Agent（独立Hermes，必须独立）

目录：~/.hermes/agents/risk_manager/

AGENTS.md：

markdown

---
name: Risk Manager
role: 风控专员 - 独立监控市场风险和持仓风险
type: default
---

## 职责
- 实时计算持仓组合的VaR、CVaR、最大回撤
- 监控各策略的集中度、换手率异常
- 触发止损/减仓指令
- 生成合规审计日志

## 技能
- risk_metrics (VaR/Drawdown)
- stop_loss_executor
- audit_log

## 工作流
1. 每5分钟：读取`execution.positions`和最新行情，计算组合VaR
2. 若VaR超过阈值（如2%），将告警写入`risk.alerts`并飞书推送
3. 若回撤超过8%，自动将`risk.pause_trading`设为true
4. 每笔交易后：记录审计日志到`audit.log`

## 约束
- 风控Agent不能进行除止损外的任何交易
- 不能修改策略参数
- 不能读取交易Agent的私有记忆
- 必须独立运行在不同的内存空间

## 权限
- 只读：`execution.positions`，`market_data`
- 只写：`risk.alerts`，`risk.pause_trading`
- 可调用：`send_warning`（发飞书），`execute_stop_loss`（在硬止损线触发时）

⚠️ 关键强调：风控Agent的stop_loss_executor必须预设硬止损阈值（如净值下跌10%全平），无需人工批准，这是最后的物理防线。

28.2.3 Data Pipeline Agent（OpenClaw Cron）

由于Data Pipeline Agent主要是Cron脚本，AGENTS.md可以简化：

markdown

---
name: Data Pipeline Agent
role: 数据工程师 - 自动获取、清洗、存储数据
type: default
---

## 职责
- 每日收盘后自动拉取最新日线数据
- 执行数据质量检查
- 将清洗后的数据写入共享记忆（Redis）

## 工作流
1. 15:30触发Cron任务
2. 调用`fetch_data.py`从Tushare获取所有关注股票的日线
3. 执行清洗（去极值、复权、填充缺失）
4. 计算必要衍生指标（如20日均线等）
5. 写入Redis的`data:daily:{ts_code}`键，设置过期时间30天
6. 如果数据异常（缺失率>5%），发送告警

## 约束
- 不能写入交易相关键
- 不能修改Agent配置文件

28.2.4 Agent注册与启用

在~/.openclaw/openclaw.json中注册Agent：

json

{
  "agents": {
    "list": [
      { "id": "portfolio_manager", "path": "workspace/agents/portfolio_manager" },
      { "id": "risk_manager", "path": "workspace/agents/risk_manager" },
      { "id": "data_pipeline", "path": "workspace/agents/data_pipeline" }
    ]
  }
}

在Hermes侧，通过~/.hermes/config.yaml中配置Agent，或者直接将Skill放置在~/.hermes/skills/目录下，不需要单独注册Agent。风控Agent独立运行，可以使用单独的Hermes进程。

龙马注：建议为风控Agent启动一个独立的Hermes实例（不同端口、不同工作目录），彻底隔离。命令示例：hermes --workspace ~/.hermes_risk gateway start。

🛠️ 实践任务（本节）：创建上述三个核心Agent的配置文件和SOUL.md，加载到OpenClaw和Hermes中，用openclaw agent list和hermes skills list验证。

💭 本节总结（不看书写3行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

28.3 协作工作流配置

🎯 本节目标：配置ACP通信、任务优先级、共享记忆和Cron定时任务，使Agent间能够自动化协作。

预计时长：2小时

28.3.1 ACP通信配置（OpenClaw ↔ Hermes）

编辑~/.openclaw/openclaw.json，添加ACP连接：

json

{
  "acp": {
    "connections": [
      {
        "name": "hermes_main",
        "transport": "stdio",
        "command": "hermes",
        "args": ["acp", "serve"],
        "timeout": 60,
        "retry": { "max_attempts": 3 }
      }
    ]
  }
}

若还需连接独立的风控Hermes实例：

json

{
  "name": "hermes_risk",
  "transport": "tcp",
  "address": "localhost:50052",
  "timeout": 10
}

启动Hermes ACP服务（主实例和风控实例）：

bash

hermes acp serve --listen tcp://0.0.0.0:50051
hermes_risk acp serve --listen tcp://0.0.0.0:50052

28.3.2 任务优先级配置

在OpenClaw中设定规则：风控告警优先级最高，交易指令次之，策略研发任务最低。

在openclaw.json中配置：

json

{
  "gateway": {
    "queue": {
      "priorities": [
        { "pattern": "risk.*alert", "level": 10 },
        { "pattern": "trade.*execution", "level": 8 },
        { "pattern": "factor.*mining", "level": 3 }
      ]
    }
  }
}

28.3.3 共享记忆配置（Redis三层结构）

在docker-compose.yml中启动Redis（可选持久化）：

yaml

version: '3'
services:
  redis:
    image: redis:7-alpine
    ports:
      - "6379:6379"
    volumes:
      - ./redis_data:/data
    command: redis-server --appendonly yes

然后在~/.openclaw/config.yaml和~/.hermes/config.yaml中配置Redis连接：

yaml

memory:
  redis:
    host: localhost
    port: 6379
    db: 0
    password: ""

共享记忆命名空间使用规范（参见26.3.2），所有Agent遵循。

28.3.4 Cron定时任务配置

以下是完整的Cron任务列表（通过OpenClaw添加）：

bash

# 数据拉取（每日15:30）
openclaw cron add --name "data_pipeline" \
  --cron "30 15 * * 1-5" --tz Asia/Shanghai \
  --message "执行日线数据拉取和清洗" \
  --agent data_pipeline --session isolated

# 因子挖掘（每日17:00）
openclaw cron add --name "factor_mining" \
  --cron "0 17 * * 1-5" --tz Asia/Shanghai \
  --message "调用Hermes factor_mining Skill" \
  --acp hermes_main --method agent/delegate \
  --params '{"task":"挖掘今日候选因子"}' --session isolated

# 策略研发（每日18:00）
openclaw cron add --name "strategy_dev" \
  --cron "0 18 * * 1-5" --tz Asia/Shanghai \
  --message "基于新因子组合测试策略" \
  --acp hermes_main --method agent/delegate \
  --params '{"task":"回测最新多因子模型"}' --session isolated

# 风控检查（每5分钟）
openclaw cron add --name "risk_check" \
  --every "5m" \
  --message "执行风控监控" \
  --acp hermes_risk --method agent/delegate \
  --params '{"task":"计算VaR和回撤"}' --session isolated

# 资金管理校准（每日9:00）
openclaw cron add --name "position_sizing" \
  --cron "0 9 * * 1-5" --tz Asia/Shanghai \
  --message "根据波动率目标调整仓位" \
  --agent portfolio_manager --session isolated

28.3.5 整体启动脚本

start_quant_system.sh：

bash

#!/bin/bash
# 启动Redis
redis-server --daemonize yes

# 启动Hermes主实例（策略Agent）
hermes gateway start &
hermes acp serve --listen tcp://0.0.0.0:50051 &

# 启动Hermes风控实例（独立）
export HERMES_WORKSPACE=~/.hermes_risk
hermes_risk gateway start &
hermes_risk acp serve --listen tcp://0.0.0.0:50052 &

# 启动OpenClaw Gateway
openclaw gateway start &

echo "量化Agent系统已启动"

龙马注：Cron任务中的--session isolated参数确保每个任务在独立会话中运行，不会阻塞主会话。另外，--acp参数需要OpenClaw版本≥0.6.0，老版本可用openclaw acp call包装脚本替代。

🛠️ 实践任务（本节）：按照上述配置，在你的环境中搭建ACP连接、启动Redis，并添加至少2个Cron任务。手动触发一次任务验证。

💭 本节总结（不看书写3行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

28.4 回测-实盘一致性检查清单

🎯 本节目标：在实盘上线前，逐项检查回测环境与实盘环境的差异，确保回测结果可信。

预计时长：1小时

沈飞注：这个清单不是可选项，是我在过去5年中复盘亏损教训后总结的必做检查。缺一项，就可能在实盘中付出代价。

28.4.1 一致性检查表

检查项	回测环境	实盘环境	是否一致	不一致时处理
数据源	Tushare免费版	Tushare付费版/券商数据	尽量一致	使用同一数据源，免费版可作为参考，但实盘以券商数据为准
复权方式	后复权（adj_factor）	前复权？	必须后复权	统一使用后复权
滑点模型	固定0.1%	实际滑点可能更高	回测略保守	回测使用0.2%作为安全边际
手续费	万2.5	万2.5（印花税卖出千1）	一致	修正回测模型
流动性约束	无限制	订单不能超过日均成交量1%	回测中加入	回测时限制
涨跌停限制	未考虑	涨跌停无法成交	回测中加入	信号产生时检查
停牌处理	停牌期间无法交易	回测中跳过	一致	使用前向填充价格，但信号暂停
未来函数	无	无	必须	使用`shift()`避免
交易延迟	忽略	信号到成交有延迟	回测中加入	模拟延迟1分钟

28.4.2 自动化一致性验证脚本

check_consistency.py：

python

def compare_backtest_live(backtest_file, live_file):
    """
    对比回测和实盘产生的订单/收益序列
    """
    backtest = pd.read_csv(backtest_file)
    live = pd.read_csv(live_file)
    # 对齐时间
    merged = pd.merge(backtest, live, on='date', suffixes=('_backtest', '_live'))
    # 收益相关性
    corr = merged['return_backtest'].corr(merged['return_live'])
    print(f"收益相关性: {corr:.4f}")
    if corr < 0.8:
        print("⚠️ 警告：回测与实盘收益相关性过低，可能存在未建模的成本或数据差异")
    # 每日收益差
    diff = (merged['return_backtest'] - merged['return_live']).abs()
    print(f"平均绝对偏差: {diff.mean():.6f}")
    if diff.mean() > 0.005:
        print("⚠️ 警告：平均绝对偏差过大，请检查滑点或延迟模型")

28.4.3 实盘前的模拟盘验证期

最小模拟盘周期：3个月（包含至少一次完整买卖周期）
必须满足条件：模拟盘与回测的绩效指标（夏普、回撤）差异在可接受范围内（如夏普比率下降不超过0.3）
如果模拟盘表现显著差于回测：请逐项核对上述表格，并修正回测模型。

沈飞注：我见过太多“回测曲线完美，模拟盘亏钱”的案例。原因往往是回测中使用了未来数据或忽略了滑点。请务必诚实面对每一项检查。

🛠️ 实践任务（本节）：为你的双均线策略执行一致性检查，至少完成3项检查并记录结果。

💭 本节总结（不看书写3行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

28.5 系统集成测试与上线

🎯 本节目标：执行单元测试、集成测试、模拟盘验证，最后安全上线实盘。

预计时长：0.5小时

28.5.1 测试金字塔

        /\
       /  \   UI测试（人工）
      /____\  
     /      \ 集成测试（ACP链、共享记忆）
    /________\
   /          \ 单元测试（Skill函数、数据清洗）
  /____________\

28.5.2 单元测试示例（Pytest）

python

# test_factor_tools.py
import pytest
from scripts.factor_tools import calculate_ic

def test_calculate_ic():
    factor = pd.Series([0.1, 0.2, 0.15, 0.3], index=dates)
    forward_ret = pd.Series([0.01, 0.02, 0.015, 0.025], index=dates)
    ic = calculate_ic(factor, forward_ret)
    assert -1 <= ic <= 1

运行所有单元测试：pytest tests/

28.5.3 集成测试（模拟ACP调用）

使用OpenClaw的--dry-run参数测试ACP委托：

bash

openclaw acp call --connection hermes_main --method agent/ask \
  --params '{"task":"ping"}' --dry-run

若返回正常，再实际执行。

28.5.4 模拟盘运行流程

启动系统：执行start_quant_system.sh
注入历史数据：让系统回放过去30天的行情，观察信号生成和交易
对比：模拟盘输出与回测报告对齐
异常处理：故意触发风控条件（如模拟回撤超限），验证告警和暂停机制
运行至少2周，记录所有Agent日志

28.5.5 实盘上线检查清单

模拟盘已运行≥1个月，与回测绩效偏差<20%
一致性检查清单9项全部通过
风控Agent的硬止损已配置且测试生效
飞书告警通道已配置，能接收实时通知
实盘交易接口已申请，模拟盘和实盘使用相同券商API
初始资金仅占总资产的1-5%（用于试错）
已备份所有配置文件和数据库
设置了每日资金限额（如每日最大亏损≤5%）
你本人已熟悉紧急停机流程（openclaw gateway stop、redis-cli set risk/pause_trading true）

28.5.6 上线后监控

第一周每日人工核对订单与信号的一致性
每日收盘后运行check_consistency.py对比模拟盘和实盘
如果实盘出现连续3日亏损超过回测最大回撤的2倍，立即暂停并分析原因

龙马注：我见过最惨痛的教训，是上线第一天没限制单笔仓位，一个信号直接买了总仓位的50%，然后市场跳水。请务必在实盘前设置好硬性限额，即使Agent犯错也不会造成不可挽回的损失。

🛠️ 实践任务（本节）：运行一次完整的模拟盘（至少一周），记录所有Agent的交互日志，完成后填写上线检查清单。

💭 本节总结（不看书写3行）：
1.
2.
3.

📊 用时记录：计划____min → 实际____min → 偏差原因：________

第28章参考资料与扩展阅读

OpenClaw ACP 配置官方文档 https://docs.openclaw.ai/zh-CN/protocol/acp
Redis 持久化与复制 https://redis.io/docs/manual/persistence/
Cron 表达式生成器 https://crontab.guru/
Pytest 单元测试框架 https://docs.pytest.org/
Tushare Pro 行情接口实时/历史数据说明 https://tushare.pro/document/2?doc_id=27

第五篇综合任务（第28章完成后）

任务：完成以下所有检查项。

所有依赖软件安装成功，Tushare数据拉取正常
Portfolio Manager、Risk Manager、Data Pipeline Agent的配置文件已创建并加载
ACP连接建立成功，openclaw acp call 测试通过
Redis共享记忆运行正常，各Agent能读写指定命名空间
至少添加了3个Cron定时任务，手动触发一次验证
完成回测-实盘一致性检查清单（至少5项）
运行模拟盘1周以上，记录日志
填写实盘上线检查清单，确保满足所有条件

完成后，保存整个系统的配置快照，命名为chapter28_quant_system_snapshot.zip。

顾问审校意见

沈飞（量化顾问）：

“第28章的系统集成是全书实操的顶峰。特别值得肯定的是28.4节的一致性检查清单——这是我从血泪教训中总结出来的，每一条都对应着真实亏损。我强烈建议读者在实盘前逐条核验，并保留检查记录。

另外，28.5节的实盘上线检查清单中的‘初始资金仅占总资产的1-5%’是最重要的一条。即使系统通过了所有测试，市场仍可能有未知风险。用极小资金验证3-6个月，再逐步加仓，才是稳健的做法。”

龙马（技术顾问）：

“本章的ACP配置和Cron任务示例已经非常详细。我在实际部署中补充两个点：

建议为关键Agent配置健康检查端点，使用openclaw gateway status和hermes gateway status监控，并集成到飞书告警中。

Redis的内存使用要监控，特别是存储大量历史数据时。可以为data:daily:*键设置过期时间，如EXPIRE data:daily:600519 2592000（30天）。

最后，强烈建议读者在正式实盘前，使用模拟盘模式运行至少一个月，期间故意注入异常行情（如大幅跳空）来测试风控Agent的响应。这样才能在真金白银面前从容应对。”

下一章预告：第29章量化投资Agent系统的运行、监控与持续优化 —— 你将学习如何通过Web UI和低代码仪表盘监控系统运行状态，处理异常，执行绩效评估和策略迭代，并实施压力测试。这是从“搭建系统”到“运营系统”的进阶。

文章版权归作者所有，未经允许请勿转载。

THE END

搭建一人公司给自己的书一人多Agent公司
# openclaw # 一人公司 # Hermes # AI量化 # 给自己写的书

第28章量化投资Agent系统的完整配置与实现

第28章量化投资Agent系统的完整配置与实现

28.1 环境准备与基础设施

28.1.1 硬件与操作系统建议

28.1.2 软件依赖安装

28.1.3 Tushare数据源配置（附录T给出完整脚本）

28.1.4 交易接口配置（附录S给出详情）

28.2 Agent配置文件完整示例

28.2.1 Portfolio Manager Agent（OpenClaw Team Lead）

28.2.2 Risk Management Agent（独立Hermes，必须独立）

28.2.3 Data Pipeline Agent（OpenClaw Cron）

28.2.4 Agent注册与启用

28.3 协作工作流配置

28.3.1 ACP通信配置（OpenClaw ↔ Hermes）

28.3.2 任务优先级配置

28.3.3 共享记忆配置（Redis三层结构）

28.3.4 Cron定时任务配置

28.3.5 整体启动脚本

28.4 回测-实盘一致性检查清单

28.4.1 一致性检查表

28.4.2 自动化一致性验证脚本

28.4.3 实盘前的模拟盘验证期

28.5 系统集成测试与上线

28.5.1 测试金字塔

28.5.2 单元测试示例（Pytest）

28.5.3 集成测试（模拟ACP调用）

28.5.4 模拟盘运行流程

28.5.5 实盘上线检查清单

28.5.6 上线后监控

第28章参考资料与扩展阅读

第五篇综合任务（第28章完成后）

请登录后发表评论

香樟树旁的龙虾公司（钱卫篇）

梧桐树下的阿尔法

第9章 Hermes三层记忆系统

第11章 Hermes工具集与子Agent委托

第14章协作架构设计与ACP协议安装配置

《一人多Agent公司：OpenClaw与Hermes的自学搭建AI量化》完整目录

第28章 量化投资Agent系统的完整配置与实现

第28章 量化投资Agent系统的完整配置与实现

28.1 环境准备与基础设施

28.1.1 硬件与操作系统建议

28.1.2 软件依赖安装

28.1.3 Tushare数据源配置（附录T给出完整脚本）

28.1.4 交易接口配置（附录S给出详情）

28.2 Agent配置文件完整示例

28.2.1 Portfolio Manager Agent（OpenClaw Team Lead）

28.2.2 Risk Management Agent（独立Hermes，必须独立）

28.2.3 Data Pipeline Agent（OpenClaw Cron）

28.2.4 Agent注册与启用

28.3 协作工作流配置

28.3.1 ACP通信配置（OpenClaw ↔ Hermes）

28.3.2 任务优先级配置

28.3.3 共享记忆配置（Redis三层结构）

28.3.4 Cron定时任务配置

28.3.5 整体启动脚本

28.4 回测-实盘一致性检查清单

28.4.1 一致性检查表

28.4.2 自动化一致性验证脚本

28.4.3 实盘前的模拟盘验证期

28.5 系统集成测试与上线

28.5.1 测试金字塔

28.5.2 单元测试示例（Pytest）

28.5.3 集成测试（模拟ACP调用）

28.5.4 模拟盘运行流程

28.5.5 实盘上线检查清单

28.5.6 上线后监控

第28章 参考资料与扩展阅读

第五篇综合任务（第28章完成后）

请登录后发表评论

香樟树旁的龙虾公司（钱卫篇）

梧桐树下的阿尔法

第9章 Hermes三层记忆系统

第11章 Hermes工具集与子Agent委托

第14章 协作架构设计与ACP协议安装配置

《一人多Agent公司：OpenClaw与Hermes的自学搭建AI量化》完整目录

第28章量化投资Agent系统的完整配置与实现

第28章量化投资Agent系统的完整配置与实现

第28章参考资料与扩展阅读

第14章协作架构设计与ACP协议安装配置