RD-Agent 安装与上手从零跑通一个自主数据研发循环【免费下载链接】RD-AgentResearch and development (RD) is crucial for the enhancement of industrial productivity, especially in the AI era, where the core aspects of RD are mainly focused on data and models. We are committed to automating these high-value generic RD processes through RD-Agent, which lets AI drive>项目地址: https://gitcode.com/GitHub_Trending/rd/RD-Agent当你不再想手动调参、手写因子而是希望 AI 自主提出假设、写代码、跑实验并复盘失败时RD-Agent 就是为此而生的它是一个自动化数据与模型研发的 Agent 框架内置量化因子、模型训练、数据科学竞赛等场景。下面带你走通最小路径。它到底能干什么提出想法到落地成代码一条龙Research 模块主动探索并给出新假设Development 模块把假设实现成可运行代码两者靠执行反馈迭代省去你反复试错的人力。场景开箱即用量化因子挖掘、因子模型联合演化、Kaggle 风格的数据科学任务都是预置的 CLI 场景一条命令即可启动。过程透明可回看内置 Web UI 展示每一步的假设、代码、日志与反馈你随时知道 Agent 在想什么。️ 跑起来之前先检查什么RD-Agent 目前只支持 Linux且代码执行依赖 DockerLLM 能力依赖你的 API 密钥。开始前把下面这张表过一遍依赖项用途验证方式Linux 系统项目当前仅支持 Linux 运行uname -aPython 3.10运行环境3.10/3.11 经过 CI 验证python --versionDockerAgent 在容器内执行它生成的代码docker run hello-worldLLM 聊天与嵌入模型驱动研发循环的核心智能第 4 步的rdagent health_check注意 Docker 验证要能免 sudo 执行否则后面积量化流程会在拉取镜像时卡住。 最小安装路径创建并激活独立的 Python 环境conda create -n rdagent python3.10 -y conda activate rdagent安装 RD-Agent 本体开发同学若想改代码再 clone 仓库后执行make devpip install rdagent在项目运行目录写一个.env告诉它用哪个模型。以统一 API 为例只保留必填四项选填项如执行环境MODEL_COSTEER_ENV_TYPE、时间分段QLIB_FACTOR_*等文档 docs/installation_and_configuration.rst 里都有默认值就能跑CHAT_MODELgpt-4o EMBEDDING_MODELtext-embedding-3-small OPENAI_API_BASE你的API地址 OPENAI_API_KEY你的API密钥跑一次体检它会依次验证模型连通性、Docker 状态和端口占用rdagent health_check看到All tests completed与The docker status is normal说明环境已就绪。▶️ 跑通第一个例子直接启动量化因子场景这是官方 Live Demo 同款命令rdagent fin_factor预期你会看到终端进入自主研发循环每轮打印一条因子假设Hypothesis、生成的因子代码、在 Docker 中的执行结果与回测反馈本地生成log/目录存放完整轨迹。想看得更直观另开终端执行rdagent ui --port 19899 --log-dir log/浏览器打开后就能看到和下图一致的流程视图。❓ 常见卡点Qhealth_check 提示 No valid configuration was foundA它没读到模型配置。CLI 只从当前目录的.env加载变量确认.env就放在你执行命令的目录下且CHAT_MODEL与 API 密钥都非空再跑一次即可。Qdocker run hello-world要输 sudo 密码A当前用户没有 Docker 权限。把用户加入 docker 组后重新登录或让管理员启动 Docker 服务免 sudo 是硬性要求否则所有执行场景都会失败。Q嵌入模型和聊天模型来自不同厂商一直报错A给EMBEDDING_MODEL加上litellm_proxy/前缀并补上LITELLM_PROXY_API_KEY和LITELLM_PROXY_API_BASE两行例如EMBEDDING_MODELlitellm_proxy/BAAI/bge-m3。 接下来去哪配置全量参数说明docs/installation_and_configuration.rst各场景量化、数据科学、Kaggle使用文档docs/scens/想改行为看 CLI 入口与各场景源码rdagent/app/cli.py、rdagent/scenarios/【免费下载链接】RD-AgentResearch and development (RD) is crucial for the enhancement of industrial productivity, especially in the AI era, where the core aspects of RD are mainly focused on data and models. We are committed to automating these high-value generic RD processes through RD-Agent, which lets AI drive>项目地址: https://gitcode.com/GitHub_Trending/rd/RD-Agent创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考