多一个Agent，不是多一票
中金发布的量价Multi-Agent架构，把交易分析拆成三个角色：量价指标Agent负责波动率、ADX、MACD、ROC、OBV等数值指标；识图Agent负责K线结构、趋势通道、量柱变化和指标演化；最终决策Agent综合两份上游报告，输出5日和20日方向评分。
先别急着把多Agent想成委员会。它更像一条流水线，任何一站都可能把噪声带进下一站。
回测从2023年1月跑到2026年8月。强看多组未来5日平均超额收益1.58%，胜率52%；20日平均超额收益2.71%，胜率54%。全样本IC为0.0369，强多空收益差2.60%，四年均为正。
这些数字不算神话，却足够说明分工有价值。真正值得讨论的是报告同时列出的风险：指标误读、图形识别偏差、叙事性过度解释、同源证据重复计权和输出随机性。 其中最危险的是同源证据重复计权。
同一个事实不能算三次
一只股票放量上涨，收在高位，跳空高开，当日大涨，K线呈强势阳线。这些描述看似来自不同维度，实则可能是同一批交易行为的不同投影。
量价Agent会说成交量和涨幅同步扩张；识图Agent会说阳线实体长、收盘位置高；事件Agent会说市场情绪强。如果最终决策Agent把它们当成三条独立证据，共识就会被虚假放大。
这不是模型不够聪明，而是证据结构没有被设计好。多个Agent读同一张图，不等于多个独立样本。它们只是把同一个信号翻译成三种语言。
《金字塔原理》的核心规则之一，是同一层的思想必须相互独立，合起来又完整覆盖母问题。Multi-Agent系统也需要这个检查。上游报告之间可以互补，但不能互相复读。
一个实用的做法是给证据打标签：原始事实、派生指标、解释判断和执行约束。派生指标与原始事实高度相关时，只能合并为一个证据簇，不能重复计入共识。
分工要区分观察、解释和决策
我自己的工作流长期同时使用多个agent，最重要的经验不是它们更聪明，而是必须把观察、解释和决策分开。
观察层只回答发生了什么：价格、成交、公告、板块、指数、时间。解释层提出假设：这是延续、反转、资金流出还是情绪拥挤。决策层另算两件事：这个假设值不值得下注，以及错了以后如何退出。
很多系统失败，是因为把解释当成观察。Agent看见长上影线，就说抛压很大。但抛压是解释，不是事实；事实只是收盘价距离最高价有一定距离。若没有盘口和成交明细，不能把形态语言写成资金事实。
《系统之美》提醒过，系统观察者容易被自己设置的边界和测量指标反噬。Multi-Agent也一样。你让识图Agent找趋势，它就会尽量找到趋势；你让指标Agent解释强势，它就会把强势指标排到前面。
因此，上游Agent的输出必须保留不确定性，而不是把结论包装成确定性事实。决策Agent还应该能追问：哪些证据来自同一数据源？哪些结论彼此矛盾？缺了哪个关键数据？
尾部筛选有效，不等于全序排列
中金报告里有一个很诚实的发现：2023年1月至2026年8月，强看多和强看空的区分能力较好，中间评分组存在局部倒挂。也就是说，框架更擅长尾部筛选，不擅长给所有股票排出完整顺序。
这个发现也提醒我们，不要把筛选器硬改成排序器。
这符合复杂系统的常态。极端状态的特征更明显，中间状态充满噪声。把它硬改成全序排名，会放大随机性。
正确用法是分层。第一层用Multi-Agent找值得人工复核的候选；第二层做基本面、流动性和风险约束；第三层才进入执行。不能把模型评分直接换算成仓位。
另一个重点是时间窗口。报告显示20日区分能力强于5日，说明量价状态需要时间反应。如果把20日信号拿来做日内交易，就是拿尺子称重量。把工具放错时间刻度，比没有工具更容易造成错觉。
到这里可以停一下。时间窗口同时也是投资期限和风险期限
我的验收清单
第一，独立性。每个证据簇的数据源、变换方式和时间窗口必须可追溯。第二，稳定性。同一输入重复运行，结论不能大幅漂移。第三，反证。每个假设都要写清什么数据出现就失效。第四，责任边界。Agent给证据，人保留决策权。第五，执行约束。仓位、滑点、流动性和止损不能被模型评分覆盖。 《金字塔原理》的独立与完整测试，在这里就是最后一道闸。
Multi-Agent不是把一个智能体变成一群智能体，而是把一条决策流水线拆得更清楚。道是证据独立，术是数据分层和反证，势是决策权留在人手里。若拆开后只是重复说话，系统没有变强，只是变得更自信。
2026年 Sources
- Clippings 2026-08-28：中金《大模型系列（8）：量价Multi-Agent架构，事件驱动的智能交易引擎》
- Horizon 2026-08-27：Claude Code自动模式安全漏洞，提示agent权限与验证边界
- 本地写作：2026-08-23《AIagents不是让人闲下来而是把人变成调度台》