能看行情、能下单、能自动跑、还能接入大模型。

但真正往里看一层，很多项目其实只是把“下单脚本 + 一个聊天壳”包在一起，离真正可长期运行的交易系统还差很远。

Nunchi 的 agent-cli 比较特别的地方在于，它明显不只是想做一个会下单的机器人，而是在搭一整套可组合的交易 Agent 操作系统。

这也是我觉得它值得写的原因。

从表面上看，它给出的卖点很抓人：14 个内置策略、APEX 多仓位 orchestrator、Guard 动态止损、Radar 机会筛选、Pulse 动量检测、REFLECT 夜间复盘、MCP server、Claude Code / OpenClaw / Agent Skills 集成，甚至还能直接挂 Telegram。

但这些名词如果只是并列堆出来，其实意义不大。真正关键的是，这些东西不是松散工具包，而是被组织成了一个完整闭环。

第一层是策略层。

它提供的不是单一策略，而是一组可切换、可组合的策略族：做市、套利、动量、均值回归、风险对冲、RFQ、大模型决策等等。单从策略种类上看，并不稀奇，真正有意思的是它把每个策略收束到统一抽象里：每个策略继承同一个基类，只需要关心自己的 on_tick 逻辑。

这意味着系统不是一堆彼此耦合的脚本，而是一个能持续扩展的框架。你后面要换策略、加策略、组合策略，都有清晰位置可以落。

第二层是 orchestrator。

APEX 是整个系统的核心大脑之一。它不是简单地“挑一个策略一直跑”，而是把机会发现、进场、持仓管理、风控、退出、定期健康检查这些动作编排成节奏化循环。不同信号源之间还有优先级：Pulse 的突发动量信号、Radar 的筛选结果、Guard 的止盈止损逻辑，都被纳入一个更高层的调度体系里。

这点特别重要。

因为真正的自动交易系统，最怕的不是没有策略，而是所有策略都只会各自说话，没有一个地方负责决定：什么时候该听谁、什么时候要让位、什么时候该停手。

第三层是风险控制。

这也是 agent-cli 比很多“会交易的 Agent”更像实盘系统的地方。它没有把风控当作附属功能，而是给了独立模块：

Guard 负责动态止损和利润保护；
Reconciliation 负责对账和状态修复；
冷却期、日损上限、仓位状态切换、崩溃时交易所侧止损继续生效，这些细节都被显式设计出来。

这说明它理解了一件本质性的事：一个系统是不是能自动交易，不在于能不能开仓，而在于能不能在混乱发生时不把自己炸掉。

很多 Agent 项目把“自主决策”当亮点，但对交易来说，真正值钱的往往是那些最不性感的模块：风控、回滚、状态同步、异常恢复、对账。agent-cli 在这些地方下了功夫，所以它不像 demo，更像一个真正想在市场里活下来的系统。

第四层是复盘和自我调整。

REFLECT 模块让我觉得这个项目的 ambition 明显比普通交易脚本大。它不是跑完就结束，而是把历史交易重新读回来，算胜率、费用拖累、方向偏差、持仓周期、monster trade dependency 等指标，然后基于这些发现对 APEX 参数做自动微调。

这件事非常像把“投后复盘”写进系统里。

注意，这不是通用意义上的 AGI 自我进化，而是一种被强约束的参数修正机制。也正因为它是强约束的，所以比那种“让模型自己想怎么优化”更现实。

如果说很多项目只是把 LLM 用在了决策入口，agent-cli 则进一步把它往“持续迭代系统”方向推了一步：系统不是只会执行，还会回头看自己执行得怎么样，并在边界内修正下一轮行为。

第五层是接口层。

这也是它很聪明的地方：它没有把自己做成一个封闭系统，而是主动暴露成多种入口。

你可以把它当纯 CLI 跑；
可以通过 MCP 暴露成工具集合；
可以接进 Claude Code；
可以接进 OpenClaw；
甚至可以部署成 Telegram 上可对话的交易 Agent。

这意味着它的价值不只在“跑策略”，还在于“成为其他 Agent 系统的交易能力后端”。

这一点非常符合现在的工具演化方向：不是所有能力都要在一个产品里从头做起，而是把高风险、高复杂度的执行层封装好，再暴露给上层 Agent 调用。

从这个角度看，agent-cli 真正厉害的地方，不是它是一个会交易的 AI，而是它把交易这件事拆成了可以被调用、被组合、被监控、被复盘、被继续编排的能力模块。

第六层是和 OpenClaw 的关系。

它明确支持作为 OpenClaw AgentSkill 使用，还提供了整套 OpenClaw on Railway 的部署路线。这一点对 1opc.ai 读者其实特别有吸引力，因为它不是在讲一个抽象概念，而是在讲：你真的可以把一套交易系统塞进 Agent 工作流里，通过 Telegram 去交互，通过 MCP 去调度，通过文件和技能系统定义行为边界。

当然，这里也要泼一点冷水。

像这种项目，最大的风险永远不是“有没有功能”，而是：

  • 策略在真实市场里是不是过拟合
  • 自动调参会不会把系统推向错误方向
  • MCP / Telegram / Agent 层会不会引入新的操作风险
  • 用户会不会因为它看起来太完整，就误以为可以无脑上主网

所以它真正适合的，不是“我下载就开干”，而是有一定量化、交易系统或 Agent 编排基础的人，把它看成一个研究框架和实盘骨架。

如果一定要用一句话总结 agent-cli，我会这样说：

它不是一个“帮你买卖币”的聊天机器人，
而是一套把策略、风控、调度、复盘、接口暴露和 Agent 编排放进同一个框架里的交易操作系统。

这类项目真正值钱的地方，不在于它一次交易赚了多少钱，而在于它展示了一个更大的方向：

未来很多高价值垂直 Agent，不会只是一个模型加几个 prompt，
而会越来越像这种——后面是严肃的执行系统，前面再接上可对话、可调度、可组合的智能入口。