【原】大模型LLM驱动的AI量化投资与AutoGen初体验。

以前叫AIGC，现在业内普遍称大模型，甚至在讨论AGI(通用人工智能)。

在这2021年以前，可能会被认为是天方夜谭。

自然语言这么多年，一直被认为AI皇冠上的明珠，不可攻克。

即便Alphago已经在围棋领域横扫世界冠军。

然而，ChatGPT横空出世，打开了魔盒。

联接主义再一次走上舞台中央。

Chat只是形式，并非只是AI来生产内容，智能问答这样的应用。

而是，AI能接受自然语言的提问，理解你的意图，然后去解决问题。

解决问题的能力，我们称之为“智慧”。

这是灵长类高级动物——人类才有的东西。

现在机器也有了。

所谓生产内容，就是一切。

人类日常通过对话或者文本输出信息，本质上不也是输出内容而已。

AI现在可以按你的要求写代码，而且写出的代码直接就可以运行。

还可以通过多轮对话对代码进行增量反复修改。

比如，在docker里安装ta-lib就比较麻烦，下面这一段，我就是让KIMI生成的，直接复制到dockerfile里，就可以在docker的python环境里编译打包ta-lib的依赖。

FROM python:3.9-slim

# ENV DEBIAN_FRONTEND noninteractive
ENV TZ=Asia/Shanghai

# RUN sed -i 's@/archive.ubuntu.com/@/mirrors.aliyun.com/@g' /etc/apt/sources.list &&     sed -i 's@/security.ubuntu.com/@/mirrors.aliyun.com/@g' /etc/apt/sources.list

# TA-LibRUN apt-get update &&     apt-get install -y --no-install-recommends     build-essential     wget     libta-lib0-dev &&     rm -rf /var/lib/apt/lists/*

RUN pip install TA-Lib

国内多数model都支持openAI标准，这个挺好的。

这里推荐微软的AutoGen多智能体框架。

原因：

一、易用，直接pip install就好了，还带有autogen studio低开码开发。生产上直接使用框架本身即可。

二、agent的能力清晰：LLM，调用工具，代码执行（本地和docker环境以及人工辅助）。

三、区别与langchain这种，以RAG为核心。RAG只是智能问答的一个环节罢了。

用AutoGen来做什么呢？

比如，自动生成因子，然后生成代码，直接计算IC值，评估后迭代因子，进行回测等。

分析某一支股票的技术面，技术面等情况，自动生成研报。

AI量化实验室——2024量化投资的星辰大海

作者：AI量化实验室（专注量化投资、个人成长与财富自由）