构建了6个AI智能体，在交易印度股票前进行多空辩论，每天仅花费$0.87

让我惊讶的数字是：一整个交易日，200次LLM调用、370k tokens、483次辩论和148+笔交易，总共只花了$0.87。我设定了每天$50的预算，从没接近过$2。 这个系统叫sudo-trade，约7000行Python，采用asyncio加事件总线。各组件之间从不互相import。筛选器发出agent:screened事件并附带股票代码，主控监听该事件，双方都不知道彼此的存在。这就是为什么我可以把Groww换成Zerodha，或者从模拟盘切到实盘，而无需改动任何其他部分。 我真正在意的部分是辩论。当筛选器发现一只股票时，两个智能体就这只股票展开争论：一个带BULL_SYSTEM提示词，一个带BEAR_SYSTEM提示词。两轮交锋——先陈述观点再反驳。第三个"组合经理"智能体阅读双方论点，最终给出strong_buy到strong_sell的评级。提示词中那句"No vague optimism（不许含糊的乐观）"发挥了大部分作用。没有它，智能体只会说"基本面强劲"；有了它，多头会引用USFDA的批准和150+的ANDA管线，空头则会点名FDA的警告信和8-12%的美国市场定价侵蚀。辩手们还会记住同一股票过往的辩论记录以及自己是否获胜。 成本技巧：Claude Opus只用于辩论和最终决策。研究和筛选用便宜的模型，而且筛选器在任何LLM接触股票之前，先对120+只股票做一次免费的量化初筛。每个智能体的预算自动设限，如果辩手超支，主控会回退到启发式规则。 失败之处：开箱即用时，共识引擎保守得毫无用处。每一条评级都是"持有"，置信度65%。它辩论了15只股票，一只也没买。我必须在提示词中倾向行动，并把当前持仓喂给主控，它才肯下单。 结果：从10万卢比到23.66万卢比，历时2026年3月动荡的10个交易日，但这些是模拟成交、不含滑点，所以对具体数字要持保留态度。