Uruchom ai-hedge-fund na niestandardowym base URL kompatybilnym z OpenAI.

Szybka odpowiedź: OPENAI_API_BASE plus jeden klucz.

Dostawca OpenAI w ai-hedge-fund jest tworzony jako ChatOpenAI(model=model_name, api_key=api_key, base_url=base_url), a ten base_url pochodzi z os.getenv("OPENAI_API_BASE") w src/llm/models.py. Nadpisanie to więc dwie linijki w .env: wskaż OPENAI_API_BASE na https://api.apisrouter.com/v1 i ustaw OPENAI_API_KEY na swój klucz bramki. Każdy model działający przez dostawcę OpenAI wysyła teraz żądania do bramki. Zwróć uwagę na dokładną nazwę zmiennej: to OPENAI_API_BASE, konwencja z ery LangChain, a nie OPENAI_BASE_URL. Wyeksportowanie złej nazwy jest po cichu ignorowane, a żądania nadal trafiają do api.openai.com, co jest najczęstszym powodem, dla którego ta konfiguracja sprawia wrażenie niedziałającej.

OPENAI_API_BASE=https://api.apisrouter.com/v1
OPENAI_API_KEY=sk-APIsRouter-...
FINANCIAL_DATASETS_API_KEY=...   # market data, unrelated to the LLM endpoint

Jak ai-hedge-fund wybiera model i dostawcę.

ai-hedge-fund (virattt na GitHubie, około 62 tys. gwiazdek) symuluje fundusz jako komitet agentów: persony analityków wzorowane na znanych inwestorach, plus agenci wyceny, sentymentu, fundamentów i analizy technicznej, które zasilają risk managera i portfolio managera produkujących finalne sygnały. Wszyscy dzielą jeden wybór modelu na uruchomienie, więc jedno uruchomienie mnoży Twoją decyzję modelową przez każdego agenta i każdy ticker. Wybór modelu ma dwie ścieżki. Interaktywnie, uruchomienie poetry run python src/main.py --ticker AAPL,MSFT,NVDA bez flagi modelu otwiera selektor questionary. W trybie skryptowym flaga --model przyjmuje nazwę modelu, ale tylko taką, która istnieje w rejestrze modeli repozytorium: find_model_by_name() wyszukuje string w src/llm/api_models.json, a każdy wpis rejestru niesie display_name, model_name i provider. Jeśli wyszukiwanie zawiedzie, CLI nie zgaduje dostawcy; wraca do interaktywnego selektora, co ma znaczenie dla automatyzacji, ponieważ nieznany identyfikator zamienia skryptowe uruchomienie w takie, które czeka na wejście z klawiatury. To pole provider decyduje o routingu. Wpisy oznaczone OpenAI idą przez ChatOpenAI i respektują OPENAI_API_BASE; wpisy oznaczone Anthropic idą przez ChatAnthropic i ANTHROPIC_API_KEY, całkowicie omijając Twój base URL. To jest kluczowy wgląd dla routingu przez bramkę: kolumna provider wybiera klienta, a więc i endpoint, niezależnie od tego, kto faktycznie stworzył model.

Pełna konfiguracja: .env plus wpis rejestru dla każdego modelu bramki.

Dla modeli, które rejestr już wymienia pod dostawcą OpenAI, samo nadpisanie .env wystarcza; string modelu jest przekazywany do endpointu bez zmian. Żeby uruchomić identyfikator Claude, DeepSeek albo Qwen przez bramkę na tym samym kluczu, dodaj wpis do src/llm/api_models.json z identyfikatorem z katalogu jako model_name i, co kluczowe, "OpenAI" jako provider. Provider wybiera klienta, więc wpis oznaczony jako OpenAI idzie przez ChatOpenAI i Twój OPENAI_API_BASE, mimo że sam model nie jest modelem OpenAI. Wpis pojawia się wtedy w interaktywnym selektorze i rozwiązuje się przez --model w skryptach. To trzyliniowa edycja JSON w Twoim klonie, nie zmiana kodu, i jest to udokumentowany kształt, którego rejestr już używa. Miej w pamięci wpisy natywne dla dostawcy jako kontrast: wybranie modelu z rejestru oznaczonego jako Anthropic będzie szukać ANTHROPIC_API_KEY i pójdzie prosto do endpointu Anthropic. Jeśli Twoim celem jest jeden klucz bramki dla wszystkiego, uruchamiaj modele przez wpisy oznaczone OpenAI, a klucze per dostawca możesz zostawić całkowicie nieustawione.

{
  "display_name": "Claude Sonnet 4.6 (gateway)",
  "model_name": "claude-sonnet-4-6",
  "provider": "OpenAI"
},
{
  "display_name": "DeepSeek V4 Pro (gateway)",
  "model_name": "deepseek-v4-pro",
  "provider": "OpenAI"
}

Dobór modelu dla komitetu agentów.

Ponieważ rejestr czyni każdego kandydata adresowalnym za jedną flagą, uczciwa ewaluacja jest empiryczna: przepuść te same tickery i daty przez dwa albo trzy modele i porównaj sygnały oraz wydatki. Widok użycia per klucz wycenia każde przemiatanie za Ciebie, co zamienia wybór modelu z debaty w pomiar.

• Jedno uruchomienie to wiele werdyktów. Każda persona analityka rozumuje nad tymi samymi dokumentami i danymi cenowymi per ticker, więc wybór modelu mnoży się przez liczbę agentów razy liczbę tickerów. Identyfikator z czołówki rozumowania (claude-opus-4-7, gpt-5.5) podnosi jakość każdego werdyktu przy odpowiednio pomnożonym rachunku za tokeny.
• claude-sonnet-4-6 to rozsądny domyślny wybór: wystarczająco mocny, żeby rozumowanie person pozostawało spójne przy długim kontekście fundamentalnym, wyceniony pod uruchomienia rozchodzące się na kilkanaście agentów i koszyk tickerów.
• deepseek-v4-pro i qwen3.7-max warto zbenchmarkować przy szerokich przemiataniach, gdzie różnica ceny per uruchomienie kumuluje się przez każdą datę backtestu.
• Cokolwiek wybierzesz, przypnij to. Sygnały z różnych migawek ruchomego modelu nie są porównywalne w oknie backtestu; używaj dokładnych identyfikatorów i zapisuj string modelu obok wyników, jak ziarno losowości.

Płatność za użycie · poniżej cen oficjalnych

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

Tryby awarii charakterystyczne dla ai-hedge-fund.

Zła zmienna środowiskowa. To repozytorium czyta OPENAI_API_BASE. OPENAI_BASE_URL, zmienna używana przez inne narzędzia, nie jest sprawdzana, a jej ustawienie nie robi nic poza przekonaniem Cię, że nadpisanie jest zepsute. Jeśli żądania nadal trafiają do api.openai.com, sprawdź nazwę zmiennej, zanim zrobisz cokolwiek innego. --model z niezarejestrowanym identyfikatorem. find_model_by_name() zna tylko wpisy w api_models.json. Podaj identyfikator z katalogu, który nie jest zarejestrowany, a CLI wypisze komunikat not-found i wpadnie w interaktywny selektor, co w zadaniu cron albo uruchomieniu CI oznacza ciche zawieszenie, nie wyjście z błędem. Zarejestruj identyfikator najpierw; wtedy skryptowe uruchomienia rozwiążą go deterministycznie. Wpisy oznaczone providerem omijające bramkę. Wybranie modelu z rejestru, którego provider to Anthropic, Google albo DeepSeek, kieruje przez natywnego klienta i klucz tego dostawcy. Jeśli spodziewałeś się, że uruchomienie pojawi się w Twoim logu użycia bramki, a się nie pojawiło, wyjaśnieniem jest kolumna provider wybranego modelu. Błędy danych udające błędy LLM. Dane cenowe i fundamentalne pochodzą z API danych finansowych konfigurowanego przez FINANCIAL_DATASETS_API_KEY, całkowicie osobnego serwisu. Brakujący albo wyczerpany klucz danych zawodzi uruchomienie przed albo między wywołaniami LLM, a traceback może czytać się jak problem modelu. Te dwa poświadczenia zawodzą niezależnie; debuguj je niezależnie. Interaktywne prompty w automatyzacji. Nawet przy pełnej konfiguracji, zapomnienie flagi --model otwiera selektor. Dla uruchomień bez nadzoru zawsze podawaj --model z zarejestrowanym identyfikatorem.

Kto kieruje ai-hedge-fund przez bramkę.

• Osoby robiące backtesty, przemiatające tickery i zakresy dat, gdzie komitet agentów per ticker per data czyni wydatek na tokeny dominującym kosztem, a użycie per klucz naturalną księgą.
• Badacze porównujący werdykty modeli. To samo uruchomienie pod dwoma identyfikatorami modeli to zmiana flagi, a niezgodność sygnałów między modelami sama w sobie jest interesującymi danymi.
• Twórcy rozszerzający repozytorium o nowych agentów, którzy chcą jednego endpointu i jednego klucza pod dowolną liczbą dodawanych person.
• Deweloperzy, którzy chcą rozumowania Claude albo DeepSeek wewnątrz repozytorium, którego najczystsza ścieżka routingu ma kształt OpenAI, bez utrzymywania klucza dostawcy per wpis providera.
• Deweloperzy bez dostępu do rozliczeń danego dostawcy. Dostęp oparty na doładowaniu, bez wymogu karty, usuwa zależność od rejestracji u każdego dostawcy z osobna.

Zweryfikuj endpoint i debuguj pierwsze uruchomienie.

Potwierdź, że bramka serwuje identyfikatory, które zarejestrowałeś, zanim uruchomisz przebieg; stringi model_name z rejestru muszą dokładnie zgadzać się z serwowanymi identyfikatorami. Drabinka błędów pierwszego uruchomienia: 401 oznacza, że OPENAI_API_KEY nie jest kluczem bramki w środowisku, z którym faktycznie odpalił poetry. Błąd model-not-found z bramki oznacza literówkę w model_name wpisu rejestru względem /v1/models. Uruchomienie, które zatrzymuje się, prosząc o wejście, oznacza, że string --model nie trafił w rejestr. Błąd klucza dostawcy (Anthropic, Google) oznacza, że provider wybranego wpisu to nie OpenAI. A traceback w kształcie danych, zanim pojawi się jakikolwiek output modelu, wskazuje na FINANCIAL_DATASETS_API_KEY, nie na ścieżkę LLM. Gdy uruchomienie się zakończy, konsola APIsRouter pokazuje model per żądanie, liczbę tokenów i wydatki. Uruchomienie komitetu to dziesiątki wywołań na etapach analityków, ryzyka i portfela, a widok użycia to sposób, żeby zobaczyć, ile faktycznie kosztuje jedna decyzja, zanim przeskalujesz ją do przemiatania.

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $OPENAI_API_KEY" | head -50

Częste pytania