「QuantDinger」自托管 AI 量化工作台：把研究、回测、模拟盘和审计执行接成闭环

QuantDinger 不适合被写成“AI 自动赚钱工具”。它更像一套自托管的量化交易基础设施：把市场研究、策略代码、回测、模拟盘、实盘执行、账户管理和监控放进同一个 stack 里，让交易想法能从自然语言和 Python 策略一路走到可验证的运行环境。

这个项目真正有价值的地方，是把研究和执行之间的断点接起来。很多人会用 ChatGPT 写策略片段，用 TradingView 看图，用 Jupyter 做回测，再用交易所机器人或脚本执行，最后监控和审计又散在别处。QuantDinger 的思路是把 charting、indicator IDE、AI 研究、server-side backtesting、live bots、quick trade 和 broker account management 放在一个自托管产品里，底层用 PostgreSQL、Redis、Flask API 和预构建前端组成完整工作台。

它的 Agent Gateway 和 MCP 支持值得单独看。项目提供 /api/agent/v1 和 quantdinger-mcp，让 Cursor、Claude Code、Codex 这类 AI 客户端可以读取行情、管理策略、运行回测，甚至在授权范围内发起交易类操作。这里的关键不是“让 AI 直接下单”，而是它有 scope、token、allowlist、rate limit、audit log 这些工程边界：agent token 默认 paper-only，实盘执行需要 token 和服务端开关都显式允许。

交易覆盖面也比较广。README 里提到 CCXT 下的 10+ crypto 交易所，以及 IBKR、MT5、Alpaca 等渠道；策略层有偏 dataframe 信号的 IndicatorStrategy，也有 event-driven 的 ScriptStrategy；回测会输出 equity curve、drawdown、trade logs 和策略快照。对量化开发者来说，这些比“AI 分析一句行情”更重要，因为策略必须能被复现、比较和审计。

部署上，QuantDinger 提供一行 install.sh、GHCR Docker Compose、AWS Marketplace AMI 和 SaaS 试用入口；默认安装会拉取预构建镜像，不需要 Node.js。它同时支持多用户、OAuth、角色、计费/会员开关等商业化部件，所以更像一个可以二次开发的 quant OS，而不是单人脚本。

项目目前约 7182 个 Star，Python 实现，Apache-2.0 许可证。需要反复强调的是：它是研究、回测和执行基础设施，不提供投资建议，也不保证收益。真正适合它的人，是已经理解交易风险、需要把策略研发流程工程化的开发者、独立量化团队，或者想研究 AI agent 如何进入金融工作流的人。