RD-Agent 安装配置完整指南从 0 到跑通第一个自动化任务【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-AgentRD-Agent 安装配置 指南这是一个自动化数据驱动研发的框架AI 自动提出想法R、再实现为可运行代码D靠回测与数据反馈迭代。本教程带你走完最短路径——装好依赖、写对.env、跑通第一个自动量化任务适合第一次接触它的数据工程师和算法同学。 它是怎么工作的RD-Agent 把研发拆成两个会自我改进的角色RResearch负责基于现有知识和观测主动提出新假设DDevelopment负责把假设写成能跑的代码再用真实运行结果指标、损失曲线、回测作为反馈驱动下一轮提出更好的想法。两者不是各干各的而是在同一个循环里互相喂数据越跑越接近可用的模型和因子。下面这张图展示了它在金融、医疗、通用数据科学等场景下提出想法—实现—验证—再提出的闭环结构。✅ 动手前的检查开始装之前先确认这几项都满足能省掉后面大量的排查时间。RD-Agent 目前只支持 Linux所以先在 Linux 机器上操作。操作系统必须是 Linux验证uname -a输出含Linux。Docker 已装且免 sudo 可用大多数场景靠 Docker 执行代码。验证docker run hello-world能正常打印且不用加sudo才算合格。装 Docker 参考官方文档。Python 环境用 Conda 建 3.10 或 3.11CI 已测过conda create -n rdagent python3.10 conda activate rdagent。两个模型密钥一个对话模型chat、一个向量模型embedding且都支持你后面选的那家 API密钥提前申请好。 最短安装路径普通用户一条命令就够装完就有了rdagent命令入口pip install rdagent要试最新版或参与开发则从源码装并配开发环境先git clone https://gitcode.com/GitHub_Trending/rd/RD-Agent进目录后make dev。开发环境细节见 docs/development.rst。⚙️ 配置清单.env 一张表看懂所有要改的配置都写在项目根目录的.env文件里rdagent命令会自己读取它。先对照下面这张表再挑一档方案填即可。变量作用何时必填CHAT_MODEL对话模型名传给 LiteLLM统一调用多家模型提供商的中间层必填EMBEDDING_MODEL向量模型名用于检索与记忆必填OPENAI_API_BASE/OPENAI_API_KEY统一 API 地址与密钥两模型走同一 API 时必填LITELLM_PROXY_API_KEY/LITELLM_PROXY_API_BASE嵌入模型的独立密钥与地址嵌入模型走另一家时必填REASONING_THINK_RM剥离推理模型返回里的思维链标签用推理模型时设为TrueMODEL_COSTEER_ENV_TYPE/DS_CODER_COSTEER_ENV_TYPE代码执行环境docker或conda想改用本地 conda 时填新手首选方案聊天和嵌入走同一套 API配置最省事。# 对话与嵌入共用一个 API 地址 CHAT_MODELgpt-4o EMBEDDING_MODELtext-embedding-3-small OPENAI_API_BASE你的统一API地址 OPENAI_API_KEY你的API密钥进阶方案聊天用 DeepSeek便宜、嵌入用 SiliconFlowDeepSeek 无嵌入模型注意EMBEDDING_MODEL要带litellm_proxy/前缀。# 聊天模型DeepSeek 官方 API CHAT_MODELdeepseek/deepseek-chat DEEPSEEK_API_KEY你的DeepSeek密钥 # 嵌入模型SiliconFlow需带 litellm_proxy/ 前缀 EMBEDDING_MODELlitellm_proxy/BAAI/bge-m3 LITELLM_PROXY_API_KEY你的SiliconFlow密钥 LITELLM_PROXY_API_BASEhttps://api.siliconflow.cn/v1模型名必须与 LiteLLM 约定一致其它场景如金融因子想自定义训练/验证/测试的时间段可在.env加QLIB_FACTOR_TRAIN_START等变量默认值与更多说明见 docs/installation_and_configuration.rst。 跑起来并确认成功先跑健康检查它一次校验 Docker、端口和 API 配置三样东西rdagent health_check看到The docker status is normal、✅ Chat test passed.、✅ Embedding test passed.就说明配置通了。再启动一个最小任务比如自动量化因子模型联合演化rdagent fin_quant成功的样子是进程持续打印 R/D 循环日志逐步产出假设、代码与回测结果不是一闪而过或立刻报错。想边跑边看轨迹另开终端跑rdagent ui --port 19899 --log-dir log/ --data-science浏览器打开http://127.0.0.1:19899就能看到实时执行流。⚠️ 容易卡住的点现象docker run hello-world报权限错误。原因当前用户不在 docker 组。解决把用户加入 docker 组并重新登录保证免 sudo。现象health_check里嵌入测试失败、聊天正常。原因嵌入模型换了供应商却没加前缀。解决给EMBEDDING_MODEL加litellm_proxy/并补上LITELLM_PROXY_API_KEY/BASE。现象启动 UI 提示端口被占。原因19899已被其它进程占用。解决rdagent ui --port换一个空闲端口。现象推理模型输出里带\think标签干扰结果。原因未声明推理模式。解决在.env加REASONING_THINK_RMTrue。 接下来去哪官方文档与配置全集docs/各场景金融、Kaggle、数据科学等实现与示例rdagent/scenarios/自动微调 LLM 的 FT-Agent 玩法rdagent/app/finetune/llm/README.md【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 RD-Agent 安装配置完整指南：从 0 到跑通第一个自动化任务
RD-Agent 安装配置完整指南从 0 到跑通第一个自动化任务【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-AgentRD-Agent 安装配置 指南这是一个自动化数据驱动研发的框架AI 自动提出想法R、再实现为可运行代码D靠回测与数据反馈迭代。本教程带你走完最短路径——装好依赖、写对.env、跑通第一个自动量化任务适合第一次接触它的数据工程师和算法同学。 它是怎么工作的RD-Agent 把研发拆成两个会自我改进的角色RResearch负责基于现有知识和观测主动提出新假设DDevelopment负责把假设写成能跑的代码再用真实运行结果指标、损失曲线、回测作为反馈驱动下一轮提出更好的想法。两者不是各干各的而是在同一个循环里互相喂数据越跑越接近可用的模型和因子。下面这张图展示了它在金融、医疗、通用数据科学等场景下提出想法—实现—验证—再提出的闭环结构。✅ 动手前的检查开始装之前先确认这几项都满足能省掉后面大量的排查时间。RD-Agent 目前只支持 Linux所以先在 Linux 机器上操作。操作系统必须是 Linux验证uname -a输出含Linux。Docker 已装且免 sudo 可用大多数场景靠 Docker 执行代码。验证docker run hello-world能正常打印且不用加sudo才算合格。装 Docker 参考官方文档。Python 环境用 Conda 建 3.10 或 3.11CI 已测过conda create -n rdagent python3.10 conda activate rdagent。两个模型密钥一个对话模型chat、一个向量模型embedding且都支持你后面选的那家 API密钥提前申请好。 最短安装路径普通用户一条命令就够装完就有了rdagent命令入口pip install rdagent要试最新版或参与开发则从源码装并配开发环境先git clone https://gitcode.com/GitHub_Trending/rd/RD-Agent进目录后make dev。开发环境细节见 docs/development.rst。⚙️ 配置清单.env 一张表看懂所有要改的配置都写在项目根目录的.env文件里rdagent命令会自己读取它。先对照下面这张表再挑一档方案填即可。变量作用何时必填CHAT_MODEL对话模型名传给 LiteLLM统一调用多家模型提供商的中间层必填EMBEDDING_MODEL向量模型名用于检索与记忆必填OPENAI_API_BASE/OPENAI_API_KEY统一 API 地址与密钥两模型走同一 API 时必填LITELLM_PROXY_API_KEY/LITELLM_PROXY_API_BASE嵌入模型的独立密钥与地址嵌入模型走另一家时必填REASONING_THINK_RM剥离推理模型返回里的思维链标签用推理模型时设为TrueMODEL_COSTEER_ENV_TYPE/DS_CODER_COSTEER_ENV_TYPE代码执行环境docker或conda想改用本地 conda 时填新手首选方案聊天和嵌入走同一套 API配置最省事。# 对话与嵌入共用一个 API 地址 CHAT_MODELgpt-4o EMBEDDING_MODELtext-embedding-3-small OPENAI_API_BASE你的统一API地址 OPENAI_API_KEY你的API密钥进阶方案聊天用 DeepSeek便宜、嵌入用 SiliconFlowDeepSeek 无嵌入模型注意EMBEDDING_MODEL要带litellm_proxy/前缀。# 聊天模型DeepSeek 官方 API CHAT_MODELdeepseek/deepseek-chat DEEPSEEK_API_KEY你的DeepSeek密钥 # 嵌入模型SiliconFlow需带 litellm_proxy/ 前缀 EMBEDDING_MODELlitellm_proxy/BAAI/bge-m3 LITELLM_PROXY_API_KEY你的SiliconFlow密钥 LITELLM_PROXY_API_BASEhttps://api.siliconflow.cn/v1模型名必须与 LiteLLM 约定一致其它场景如金融因子想自定义训练/验证/测试的时间段可在.env加QLIB_FACTOR_TRAIN_START等变量默认值与更多说明见 docs/installation_and_configuration.rst。 跑起来并确认成功先跑健康检查它一次校验 Docker、端口和 API 配置三样东西rdagent health_check看到The docker status is normal、✅ Chat test passed.、✅ Embedding test passed.就说明配置通了。再启动一个最小任务比如自动量化因子模型联合演化rdagent fin_quant成功的样子是进程持续打印 R/D 循环日志逐步产出假设、代码与回测结果不是一闪而过或立刻报错。想边跑边看轨迹另开终端跑rdagent ui --port 19899 --log-dir log/ --data-science浏览器打开http://127.0.0.1:19899就能看到实时执行流。⚠️ 容易卡住的点现象docker run hello-world报权限错误。原因当前用户不在 docker 组。解决把用户加入 docker 组并重新登录保证免 sudo。现象health_check里嵌入测试失败、聊天正常。原因嵌入模型换了供应商却没加前缀。解决给EMBEDDING_MODEL加litellm_proxy/并补上LITELLM_PROXY_API_KEY/BASE。现象启动 UI 提示端口被占。原因19899已被其它进程占用。解决rdagent ui --port换一个空闲端口。现象推理模型输出里带\think标签干扰结果。原因未声明推理模式。解决在.env加REASONING_THINK_RMTrue。 接下来去哪官方文档与配置全集docs/各场景金融、Kaggle、数据科学等实现与示例rdagent/scenarios/自动微调 LLM 的 FT-Agent 玩法rdagent/app/finetune/llm/README.md【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