LangAlpha：AI Agent 工具实践指南

团队讨论LangAlpha时，我会先把用途说清楚：市场克劳德代码， ginlix-ai/LangAlpha。团队若要把它用于软件开发，应先处理依赖、接口和异常处理往往比主路径更影响采用，否则试用结果很容易失真。我的评估方法是在隔离分支完成一个可回滚的小任务，然后检查安装步骤、接口契约、测试结果和错误信息是否与文档一致。我会把它列入需要可检查开发流程而非单次演示的工程师的候选清单，而不是仅凭项目介绍直接纳入生产。

A 氛围代理 harness LangAlpha 旨在帮助解读市场并支持决策。

English ｜ 简体中文 ｜ 日本語

Getting Started • API Docs • Agent Core • Backend • Web • TUI • Plugins

Pin 来自仪表板的精选新闻简报，启动想法生成，并派遣并行子代理来筛选市场 - 然后在内联交互式仪表板中获得五个 long/short 配对交易想法，并根据您的 book.

进行校准

为什么是LangAlpha

如今，每一款 AI 工具都将视为一次性：提出问题，获得答案，然后继续。但真正的是贝叶斯——你从一篇论文开始，每天都有新数据到达，然后你相应地更新你的信念。这是一个需要数周和数月展开的迭代过程：完善论文、重新审视立场、将新分析叠加在旧分析之上。没有任何一个提示可以捕捉到这一点。

从氛围编码到氛围

受到软件工程的启发：代码库持续存在，每次提交都建立在之前的基础上。像 Claude Code 和 OpenCode 这样的代码代理工具通过构建采用这种模式的代理、探索现有上下文并以先前的工作为基础，取得了成功。 LangAlpha 带来了同样的见解：为代理提供持久的工作空间，研究自然地复合。

在实践中，您可以根据研究目标创建一个工作区（“第二季度再平衡”、“数据中心需求深度挖掘”、“能源部门轮换”）。代理会采访您的目标和风格，生成第一个可交付成果，并将所有内容保存到工作区文件系统中。明天回来，你的文件、线索和积累的研究仍然在那里。

特点亮点

• 渐进式工具发现 - 任何 MCP 工具作为上下文中的摘要加载，并将完整文档转储到工作区中，从而允许代理真正按需发现和使用工具。还支持将 json 工具与技能绑定，并且仅在激活技能时才向代理公开。
• 编程工具调用 (PTC) — 代理编写并执行 Python 来处理来自 mcp 服务器的财务数据，而不是将原始数据倒入 LLM 上下文窗口中，从而实现复杂的多步骤分析，同时大大减少令牌浪费。
• 数据生态系统 — 多层提供商层次结构，具有用于快速查找的本机工具和用于沙箱中批量数据处理、图表和多年分析的 MCP 服务器。
• 持久工作区 — 每个工作区都映射到一个专用沙箱，其中包含结构化目录和工作区注释文件 (agent.md)，该文件可跨会话和线程进行研究。单独的长期内存存储（.agents/user/memory/、.agents/workspace/memory/）可保留持久的用户偏好和跨沙箱知识，而用户管理的备忘录存储（.agents/user/memo/）可让您上传PDFs和Markdown研究笔记，代理可以按需读取。
• 研究技能 - DCF 模型的预构建工作流程、启动覆盖报告、收益分析、晨间笔记、文档生成等 - 可通过斜线命令或自动检测激活。
• 研究工作台 — Web UI，具有内联图表、多格式文件查看器、TradingView 图表、实时 WebSocket 市场数据、代理绘制的图表注释、每轮来源来源面板、可共享对话和子代理坚控。
• 多提供商模型层 — 与提供商无关的 LLM 抽象和错误时自动故障转移。
• 自动化 — 安排重复性或一次性任务，或设置当或指数达到实时价格条件时触发的价格触发自动化。
• 秘书 — Flash 代理兼作秘书：创建和管理工作区、在后台调度深度 PTC 分析、坚控正在运行的任务并检索结果 — 所有这些都通过经过人机参与批准的会话命令进行。
• 代理群 — 具有隔离上下文窗口的并行异步子代理、预加载的 toolset/skills、中间执行引导、基于检查点的恢复以及 UI 中的实时进度坚控。
• 实时转向 — 在 agent/subagent 正在努力纠正航向、澄清或重定向时发送后续消息，而无需等待其完成。
• 中间件堆栈 — 一个深度、可组合的中间件堆栈，处理技能加载、计划模式、多模式输入、自动压缩和上下文管理，以支持长时间运行的代理会话。
• 安全和保鲜库 - 通过 pgcrypto 进行静态加密、自动凭证泄漏检测和编辑、沙盒执行以及用于安全代理访问的每个帐户秘密存储
• 渠道集成 — 使用 Slack、Discord、飞书和 TG 平台 中的 LangAlpha，以及用于预定结果的电子邮件传送。
• 生产就绪基础设施 — SSE- 流式代理活动，具有 Redis 缓冲的重新连接重放、与 HTTP 连接解耦的后台执行以及 PostgreSQL-backed 状态持久性。

它的动力是什么

系统架构

%%{init: {'theme': 'neutral'}}%%

flowchart TB
    Web["Web UI
React 19 · Vite · Tailwind"] -- "REST · SSE" --> API
    Web -- "WebSocket" --> WSP
    CLI["CLI / TUI"] -- "REST · SSE" --> API

    subgraph Server ["FastAPI Backend"]
        API["API Routers
Threads · Workspaces · Market Data
OAuth · Automations · Skills"]
        WSP["WebSocket Proxy"]
        API --> ChatHandler["Chat Handler
LLM Resolution · Workflow Dispatch"]
        ChatHandler --> BTM["Background Task Manager
Decoupled Execution · Workflow Lifecycle"]
    end

    subgraph PostgreSQL ["PostgreSQL — Dual Pool"]
        AppPool[("App Data
Users · Workspaces · Threads
Turns · BYOK Keys · Automations")]
        CheckPool[("LangGraph Checkpointer
Agent State · Checkpoints")]
    end

    subgraph Redis ["Redis"]
        EventBuf[("SSE Event Buffer
150K events · Reconnect Replay")]
        DataCache[("API Cache
Market Data · SWR")]
        Steering[("Steering Queue
User Messages Mid-workflow")]
    end

    BTM --> AppPool
    BTM --> CheckPool
    BTM --> EventBuf
    BTM --> Steering
    API --> DataCache

    BTM -. "Sandbox API" .-> Daytona["Daytona
Cloud Sandboxes"]
    API -. "REST" .-> FinAPIs["Financial APIs
FMP · SEC EDGAR"]
    WSP -. "WebSocket" .-> GData["ginlix-data
Polygon.io · Massive"]

多提供商模型层

LangAlpha 在与提供商无关的模型层上运行，该模型层跨多个 LLM 后端进行抽象。无论哪种模型驱动它们，相同的中间件堆栈、工具和工作流程都可以工作。它具有两种模式：

• PTC 模式，用于深入、多步骤的研究。强大的推理驱动多步骤分析，代理计划其方法，思考财务数据，并编写复杂分析的代码。长上下文使其可以一次性关系叉引用 SEC 文件和研究报告。
• Flash 模式，用于快速对话响应和工作区编排：快速市场查找、MarketView 中的图表和聊天、轻量级问答以及管理工作区的秘书，在后台调度深度 PTC 分析，并通过自然对话将结果转发回来。

自带模型 — 直接使用您现有的 AI 订阅和 API 密钥。通过 ChatGPT 或 Claude 订阅连接 OAuth（OpenAI Codex OAuth、Claude Code OAuth），使用 Kimi (Moonshot)、GLM (Zhipu) 的编码计划， MiniMax，或豆宝（Volcengine），或通过 BYOK 为任何支持的提供商提供您自己的 API 密钥。所有密钥均通过 PostgreSQL pgcrypto 进行静态加密（请参阅 安全性）。

模型弹性 — 自动重试暂时性错误，然后故障转移到配置的后备模型。推理工作 (low/medium/high) 在提供者之间自动标准化。

编程工具调用（PTC）和工作区架构

大多数 AI 代理通过一次性 JSON 工具调用与数据交互，该工具调用将结果直接转储到上下文窗口中。编程工具调用翻转了这一点：代理不是通过 LLM 传递原始数据，而是在 Daytona 云沙箱内编写和执行代码，该沙箱在本地处理数据并仅返回最终结果。这极大地减少了令牌浪费，同时允许进行超出上下文限制的分析。

PTC 执行流程

%%{init: {'theme': 'neutral'}}%%

flowchart LR
    LLM["LLM"] -- "1 — Writes Python" --> EC["ExecuteCode Tool"]
    EC -- "2 — Sends to sandbox" --> Run["Code Runner"]

    subgraph Sandbox ["Daytona Cloud Sandbox"]
        Run -- "3 — import tools.*" --> Wrappers["Generated Wrappers
One module per MCP server"]
        Wrappers -- "4 — JSON-RPC stdio" --> MCP["MCP Servers
Subprocesses in sandbox"]
    end

    MCP -- "5 — REST / WS" --> APIs["Financial APIs
FMP · Yahoo · Polygon"]
    APIs -- "6 — Data" --> MCP
    Run -- "7 — stdout · charts · files" --> EC
    EC -- "8 — Result" --> LLM

此外，工作区环境还支持单个会话之外的持久性。每个沙箱都有一个结构化的目录布局 - work/<task>/ 用于每个任务工作区域（数据、图表、代码），results/ 用于最终报告，data/ 用于共享数据集 - 因此中间结果可以跨会话保存。根目录是 agent.md，这是代理跨线程维护的工作区注释文件：工作区目标、关键发现、线程索引和重要工件的文件索引。中间件层将 agent.md 注入每个模型调用中，因此代理始终拥有先前工作的完整上下文，而无需重新读取文件。与此正交的是，存储支持的长期内存系统（.agents/user/memory/、.agents/workspace/memory/）捕获持久的用户偏好和跨沙箱知识，在工作区重置后仍然存在，并且用户管理的备忘录存储（.agents/user/memo/）保存您上传的文档 - PDFs 是文本提取的服务器端和元数据由 LLM 异步生成，因此代理可以按主题找到并引用它们。每个工作区都支持与单个研究目标相关的多个对话线程。

Each 工作区映射到持久沙箱 - 按主题、组合或 thesis.

组织研究

该代理编写代码来构建交互式仪表板 - 这里是 Mag 7 + Semiconductors 催化剂 calendar.

数据生态系统

虽然 PTC 擅长复杂的工作，如多步骤数据处理、财务建模和图表创建，但为每个数据查找旋转代码执行是多余的。因此，我们还构建了一个原生数据工具集，将常用数据转换为 LLM- 可消化的格式。这些工具还附带直接在前端渲染的工件，为人类层提供即时视觉上下文以及代理的分析。

本机工具可通过直接工具调用进行快速参考：

• 公司概况，包括实时报价、价格表现、关键财务指标、分析师共识和收入明细
• SEC 文件（10-K、10-Q、8-K），包含收益电话会议记录和格式化降价以供引用
• 市场指数和行业表现针对广阔的市场背景
• 网页搜索（Tavily、Serper、Bocha、Exa、Parallel）——清单驱动的提供商选择，具有分层深度（快速查找深入研究），加上图像搜索和 AI 研究模式，每个用户可选择 — 以及网页获取，带有零键内置爬虫和可选的提供商委托（Firecrawl 等），由每个提供商的断路器保护，同时可选择加入站点爬行 (WebCrawl/WebMap)

MCP 服务器，用于通过 PTC 代码执行消耗的原始数据：

• 价格数据 OHLCV 、商品、加密货币和时间序列，以及空头利息和空头交易量分析
• 多年财务报表、比率、增长指标、估值、内幕交易、股息和分割、流通股、主要高管和技术指标的基本面
• 宏观经济学 GDP、CPI、失业、联邦、国债收益率曲线（1M–30Y）、国家风险溢价、经济日历和收益日历
• 期权 用于具有过滤功能的期权链、期权合约的历史 OHLCV 以及实时 bid/ask 快照
• 雅虎财经套件（价格、基本面、分析、市场），用于报表、分析师评级、持有者、筛选和日历的无密钥覆盖
• X (T@witter) 只读帖子搜索、user/tweet 查找以及用于情绪和事件跟踪的线程获取，以及用于 JS- 渲染和反机器人保护页面的 抓取 服务器

代理会自动选择正确的层：适合上下文的快速查找本机工具，当任务需要在沙箱中进行批量数据处理、图表或多年趋势分析时使用 MCP 工具。

MCP 服务器在您的帐户上安装一次，并根据工作区进行选择。可以单独禁用内置服务器，并且可以通过 API 或 UI 添加自定义 HTTP 或 stdio 服务器（包括从 保管库 读取凭证的服务器），并在每个工作区中打开或关闭，在几秒钟内生效，无需重新启动。

数据提供者后备链

LangAlpha 支持三层数据提供者层次结构。每个层都是可选的——当更高层不可用时，系统会正常降级：

默认情况下启用所有层。要仅使用免费数据（雅虎财经）运行，请运行 make config 并提示选择。您也可以手动编辑 agent_config.yaml。

[!NOTE] 雅虎财经数据来自社区，具有局限性：没有低于 1 小时间隔的盘中数据、延迟报价、有限的宏观覆盖范围以及偶尔的速率限制。强烈建议使用 FMP_API_KEY（免费套餐可用）。

研究技能

该代理附带 23 种预先构建的研究技能，每种技能均可通过斜线命令或自动检测激活。技能遵循 代理技能规范，并且可以通过将 SKILL.md 文件拖放到工作区中来扩展。

致谢：部分技能改编自anthropics/financial-services-plugins。

该比较分析技能提供 Excel 模型和 PDF 报告 - 包含来自同行 multiples.

的隐含价格范围

多模态智能

代理本机读取图像（PNG、JPG、GIF、WebP）和PDFs - 多模式中间件拦截文件读取，从沙箱或URLs下载内容，并将其注入为将 Base64 编码到对话中以进行直接视觉解释。在 MarketView 中，可以捕获用户的实时蜡烛图并将其作为多模式上下文发送给代理 - 捕获包括图表图像和结构化元数据（交易品种、区间、OHLCV、移动平均线、RSI、52 周范围），因此代理可以推理视觉模式和基础数据。

MarketView 将实时图表发送给代理商进行实时技术 analysis.

代理绘制的图表注释

要求代理标记 MarketView 图表，它会直接在画布上绘制 — 价格水平、趋势线、斐波那契回撤、事件徽章、矩形和文本标记。注释通过 SSE 实时流式传输，保留每个工作区和每个 symbol:timeframe 对（NVDA:1day 上的绘图与 NVDA:1hour 保持分离），并在重新连接时重播。当对话发生在 MarketView 之外时，聊天记录会显示一个带有注释图例的迷你预览卡和指向实时图表的一键链接。每当从 MarketView 发送消息时，图表注释技能就会自动加载，因此代理始终知道“图表”指的是哪个代码和时间范围。

自动化

代理可以在对话中安排自己的任务 - 不需要单独的 UI。用户还可以从专用自动化页面管理自动化，其中包含完整的 CRUD、执行历史记录和手动触发。所有自动化类型共享相同的AutomationExecutor、可配置的代理模式（PTC或Flash）以及连续失败后自动禁用。

基于时间 — 用于重复计划的标准 cron 表达式（“每周一在 9 AM 运行此分析”）和用于未来单次执行的一次性日期时间计划。

价格触发 — 设置任何或主要指数的价格目标或百分比变动，代理将在满足条件时执行您的指令。 PriceMonitorService 订阅到 ginlix-data 的共享上游 WebSocket 连接以获取实时报价（实时层上的，延迟层上的指数）。基于 Redis 的重复数据删除可防止跨服务器实例重复触发。

条件可以组合（AND 逻辑），每个价格自动化都支持一次性（触发一次）或重复模式，并具有可配置的冷却时间（至少 4 小时，或默认每个交易日一次）。

[!NOTE] 价格触发的自动化需要来自 ginlix-data 的实时 WebSocket 馈送。在测试期间，此功能仅在 托管平台 上可用。计划在未来版本中提供更广泛的 WebSocket 数据源支持。

Schedule 经常性研究 — 此处，Mag 7 预收益分析在每个 report.

之前自动运行

代理架构

%%{init: {'theme': 'neutral'}}%%

flowchart TB
    subgraph Orchestrator ["BackgroundSubagentOrchestrator"]
        direction TB
        Agent["Main Agent · LangGraph ReAct"]
    end

    Agent -- "Task(init · update · resume)" --> SubPool
    SubPool -- "results" --> Orchestrator

    subgraph SubPool ["Subagent Pool — Parallel Async"]
        direction LR
        S1["general-purpose"]
        S2["research"]
        S3["user-defined"]
    end

    subgraph Middleware ["Middleware Stack"]
        direction LR
        MW1["Tool Safety
Leak Detection
Protected Paths
Error Handling"]
        MW2["Context & Skills
agent.md Injection
Skill Loading
Multimodal"]
        MW3["Coordination
HITL · Plan Mode
Steering
Subagent Dispatch"]
        MW4["Resilience
Compaction
Retry + Fallback
Prompt Caching"]
    end

    Agent -- "wraps model + tool calls" --> Middleware
    Middleware --> LLM["Multi-Provider LLM
OpenAI · Anthropic · Gemini · DeepSeek
Qwen · Kimi · Doubao · GLM · MiniMax · ..."]

    Agent <--> Tools

    subgraph Tools ["Tool Layer"]
        direction LR
        T1["execute_code
bash"]
        T2["Filesystem
read · write · edit
glob · grep"]
        T3["Finance
Market Data · SEC
Options · Screener"]
        T4["Web
Search · Fetch"]
        T5["ShowWidget
Inline HTML"]
    end

    T1 <--> Workspace
    T2 <--> Workspace

    subgraph Workspace ["Workspace — Daytona Sandbox"]
        direction LR
        W1["agent.md
Workspace Notes"]
        W2["work/‹task›/
data · charts"]
        W3["results/
Reports"]
        W4["tools/
MCP Wrappers"]
    end

特工群

核心代理在 LangGraph 上运行，并通过 Task() 工具生成并行异步子代理。子代理与隔离的上下文窗口同时执行，防止长推理链中的漂移。每个子代理将合成结果返回给主代理，从而保持协调器的精简。主代理可以选择等待子代理的结果或继续其他未完成的工作。您还可以切换到 UI 中的 子代理 视图，以实时查看它们的进度（仅限 Web 前端）。

除了简单的调度之外，主代理还可以向仍在运行的子代理发送后续指令，或者恢复具有完整上下文的已完成指令以进行迭代细化。如果服务器重新启动，子代理状态会从其最后一个检查点自动重建。

Research 子代理在计算链上并行运行 — 结果合并到交互式 AI 计算时间线中，涵盖 NVIDIA、Google、AMD、AWS 和 industry.

的其余部分

中间件堆栈

该代理附带一个中间件堆栈，包括：

• 实时转向 - 代理可能会走错路、追逐不相关的数据或在分析过程中误解您的意图。转向让您无需等待即可纠正航向。在代理工作时随时发送后续消息 - 更新的说明、澄清或全新的问题 - 代理会在下一步之前接收它，就像您实时说出的一样。引导在每个级别都有效：重定向主代理，将后续信息发送到各个后台子代理，或者如果工作流程先完成，则让系统将未使用的消息正常返回到您的输入框。不会丢失任何工作，无需重新启动。
• 通过 LoadSkill 工具进行动态技能加载，使代理能够按需发现和激活技能工具集，保持默认工具界面精简，同时在需要时提供专用功能
• 多模态 拦截图像和 PDFs 的文件读取，从沙箱或 URLs 下载内容，并将其作为 base64 注入到对话中，以便多模态模型可以本地解释它们
• 计划模式具有人机交互中断功能，让您可以在执行前审查并批准代理的策略
• 自动压缩 在接近令牌限制时压缩对话历史记录，在释放空间的同时保留关键上下文
• 上下文管理自动将大型工具结果卸载到工作区文件系统，在上下文中保留简短的预览，并随着长对话的增长而压缩长对话 - 总结旧的轮次，同时保持完整的记录在工作区中可恢复。研究会议可以无限期地进行，而不会达到上下文限制。

全套请参见 src/ptc_agent/agent/middleware/。

致谢：一些中间件组件是受LangChain DeepAgents中的实现改编或启发的。

流媒体和基础设施

服务器通过 SSE 传输所有代理活动：文本块、带有参数和结果的工具调用、子代理状态更新、文件操作工件和人机交互中断。每个代理决策都可以在 UI 中完全追踪。

工作流程作为独立的后台任务运行，与 HTTP/SSE 连接完全解耦。如果浏览器选项卡关闭或网络断开，代理将继续工作。重新连接时，最多可重播 150,000 个缓冲事件，以便客户端可以准确地从中断处继续。

PostgreSQL 支持 LangGraph 检查点、对话历史记录和用户数据（监视列表、组合、首选项），因此座席状态和用户上下文在会话中保持不变。 Redis 缓冲 SSE 事件，以便浏览器刷新和网络丢失不会丢失传输中的消息：客户端自动重新连接和重播。用户数据以由数据库直接支持的虚拟 JSON 文件的形式向代理公开 - 按需读取序列化实时行，并在单个经过验证的事务中应用写入，没有沙箱同步往返 - 而技能在会话初始化时通过基于清单的缓存同步到沙箱，仅在更改时重新上传。有关详细信息，请参阅完整的 API 参考。

来源出处

代理接触的每个外部数据源都会被跟踪和显示。来源中间件记录每个网络搜索、页面获取、SEC 归档、市场数据调用、MCP 工具调用和工作区文件读取（包括后台子代理进行的访问），并为每个源发出 provenance 流事件，这些事件都不会进入 LLM 上下文。 UI 将这些呈现为每个回合旁边的“源”面板：按类型分组的源、网络来源的图标以及公开提供者、时间戳、捕获的参数、内容指纹和片段的详细视图。 本轮/所有来源切换显示整个线程中的完整数据足迹，单击文件或备忘录源可直接在工作区文件面板中打开它 - 每个研究输出背后的数据的完全可审计的跟踪。

安全与保鲜库

LangAlpha 在凭证、代码执行和用户提供的机密方面应用分层安全模型。

静态加密 — 所有敏感数据（BYOK API 密钥、OAuth 令牌、保管库机密）均使用 pgcrypto 在 PostgreSQL 内部加密。明文永远不会存储在数据库中。

凭证泄漏检测 — 每个工具输出在到达 LLM 上下文之前都会被扫描。中间件解析所有已知的秘密值（MCP 服务器密钥、沙箱令牌、保管库秘密）并将任何匹配项编辑为 [REDACTED:KEY_NAME]。同样的修订也适用于面向人的表面——文件读取和下载在到达客户端之前被清除。

沙盒代码执行 — 每个工作区都在自己的 Daytona 云沙箱中运行，具有专用文件系统和网络边界。受保护的路径防护可防止代理访问内部系统目录 - 阻止工具输入（在执行前短路调用）和工具输出（编辑泄漏路径）。

避难所

每个帐户都有一个内置秘密保鲜库，用于存储代理在代码执行期间可以使用的 API 密钥和凭证，这对于访问第三方数据源（经纪公司 APIs、外部数据供应商等）或在工作空间内构建 LLM- 支持的工作流程非常有用。在 UI 中存储一次秘密，每个工作区中的每个代理会话都可以通过简单的 Python API 使用它：

from vault import get, list_names, load_env

api_key = get("MY_API_KEY")       # retrieve a single secret
names = list_names()               # list available secret names
load_env()                         # bulk-load all secrets as env vars

Vault 机密继承了上面的每个保护层：静态加密、从所有代理和面向人类的输出中进行编辑，并阻止直接文件访问。只有帐户所有者才能创建、更新、泄露或删除机密。

前端

网络 UI 不仅仅是一个聊天界面 - 它是一个完整的研究工作台：

• 可配置的仪表板 — 从预设布局（早间简报、交易员、研究员、代理台、交易员 (TradingView) 或组合管理员）开始，或从涵盖市场、情报、个人背景、代理界面和工作区快捷方式的小组件库构建您自己的布局
• 内联财务图表 — 工具结果直接在聊天线程中呈现为交互式迷你图、条形图和概览卡
• 内联 HTML 小部件 — 代理可以通过 ShowWidget 工具直接在聊天中呈现交互式 HTML/SVG 可视化（Chart.js 图表、指标卡、数据表），并具有主题感知样式和沙盒 iframe
• HTML 研究报告 - 代理将完整的独立 HTML 文档写入 results/，并提供真实的浏览器语义（脚本运行、CDN 库加载、相关资产解析）、可全屏查看并可导出到 PDF - 与内联小部件不同和实时仪表板
• 多格式文件查看器 — PDF（分页、可缩放）、Excel、CSV、HTML 预览和源代码（具有 diff 模式的 Monaco 编辑器） — 所有内容均可内联查看，无需下载
• TradingView 图表 — 完整的 TradingView 高级图表，带有绘图工具、指标和专业烛台样式
• 实时市场数据 — 具有 1 秒报价分辨率的实时 WebSocket 价格反馈（US ）、延长时间可视化和多个移动平均线叠加
• 代理绘制的图表注释 — 代理在 MarketView 图表上标记价格水平、趋势线、斐波那契回撤和事件徽章，按照 symbol:timeframe 保留并在聊天中内嵌预览
• 可共享的对话 — 具有精细权限的一键共享（切换文件浏览和下载访问），通过公共 URL 重播
• 实时子代理坚控 — 实时观看每个后台任务的流输出和工具调用，并能够发送中间执行指令
• 来源出处面板 — 每轮都会列出代理访问的外部来源（网络、SEC 文件、市场数据、MCP 工具、文件）以及网站图标、内容指纹和每线程范围切换
• 自动化 — CRUD 管理，具有 cron 构建器、执行历史记录、手动触发器和价格触发自动化，当或指数达到实时价格条件时触发

该仪表板显示市场指数、个性化简介和您的观察列表 - 任何图块都可以作为聊天上下文固定到代理以启动研究 thread.

</td>

渠道整合

使用您已使用的工具中的 LangAlpha。集成网关在消息传递平台和核心代理之间中继消息，每个通道都以其本机格式接收响应。渠道集成仅在我们的托管服务上提供，具有一键设置和快速帐户绑定功能 - 请访问 集成 开始。

Slack 和 Discord 提供本机通道和线程级组，它们自然映射到 LangAlpha 工作区和线程 - 上下文是本机管理的。 TG 平台 和 WhatsApp 缺乏这些原语，因此它们运行简化的编排模式。飞书拥有完整的消息和基于卡片的 UI，OAuth 即将推出。 TG 平台 已提供部分支持，即将全面覆盖。 WhatsApp 已计划。

开始使用

[!TIP] 不想自行托管？ 尝试 托管版本 — 它包括开箱即用的完整数据基础设施（FMP、实时市场数据、云沙箱）。带上您自己的 LLM 密钥（BYOK），无需设置即可立即启动。

您可以仅使用 Docker 来启动 LangAlpha — 没有数据的 API 密钥，没有云沙箱。只需用于基础设施的 Docker 和您自己的 AI 模型的 LLM 订阅。

git clone https://github.com/ginlix-ai/langalpha.git
cd langalpha
make config   # interactive wizard — creates .env, configures LLM, data sources, sandbox, and search
make up       # starts PostgreSQL, Redis, backend, and frontend

• 前端： http://localhost:5173
• 后端 API: http://localhost:8000（交互式文档位于 /docs）
• 验证： curl http://localhost:8000/health

为了获得完整的体验，向导将提示您输入可选密钥 - 或稍后将它们添加到 .env：

[!NOTE] 如果没有外部服务密钥，您将获得功能性但会降低的体验：雅虎财经提供免费的价格历史记录、基本面、收益和分析师数据，但缺乏实时报价、盘中报价数据、宏观经济学和期权分析。 Docker 沙箱取代了 Daytona 云沙箱——完整的 PTC 代码执行工作正常，但安全性和隔离性降低。增量添加密钥以解锁更多功能。

运行 make help 查看所有可用命令。对于不使用 Docker 的手动设置，请参阅 CONTRIBUTING.md。

文档

• API 参考 具有用于聊天流、工作区、工作流状态等的端点
• 服务器运行时，交互式 API 文档位于 http://localhost:8000/docs

免责声明

LangAlpha 是一个研究工具，而不是财务顾问。本软件产生的任何内容均不构成建议、推荐或购买或出售任何的招揽。所有输出仅供参考和教育目的。请自行决定使用——在做出决定之前，请务必自行进行尽职调查。