Cấu hình RD-Agent và Qlib

Giao trách nhiệm riêng cho RD-Agent và Qlib

Dùng RD-Agent để phát triển và sửa triển khai nghiên cứu, còn Qlib để thực thi quy trình định lượng đã cấu hình. Cuộc gọi model của agent có thể đề xuất giả thuyết, viết mã và diễn giải phản hồi. Qlib xử lý dữ liệu, huấn luyện và đánh giá trong môi trường thí nghiệm. Vì vậy một API key model chỉ giải quyết một phụ thuộc. Trước setup, chọn kịch bản RD-Agent cụ thể, pin revision project và xác định ranh giới dataset cùng đánh giá. Điều này tách chuẩn bị môi trường khỏi quyết định nghiên cứu agent sẽ đưa ra.

Cấu hình chat và embedding qua backend được ghi nhận

Ở revision đã rà soát 32b3d395, .env.example của RD-Agent ghi nhận backend LiteLLM, model chat và base tương thích OpenAI, cùng route embedding có tiền tố proxy riêng. Template shell bên dưới ánh xạ các slot model do ứng dụng sở hữu vào trường được ghi nhận. Chọn model chat hiện tại sau khi kiểm tra năng lực. EMBEDDING_BASE_URL và EMBEDDING_MODEL_ID phải trỏ tới dịch vụ embedding độc lập khả dụng; đừng giả định gateway chat cung cấp nó. Cung cấp cả hai credential qua môi trường và dùng lệnh khởi động được kịch bản ghi nhận cho phiên bản đã pin.

export BACKEND=rdagent.oai.backend.LiteLLMAPIBackend
export OPENAI_API_BASE=https://api.apisrouter.com/v1
export CHAT_MODEL="openai/$RESEARCH_MODEL_ID"
# Set OPENAI_API_KEY securely for the chat endpoint.

export LITELLM_PROXY_API_BASE="$EMBEDDING_BASE_URL"
export EMBEDDING_MODEL="litellm_proxy/$EMBEDDING_MODEL_ID"
# Set LITELLM_PROXY_API_KEY securely for the embedding service.

Xác thực độc lập hai năng lực model

Kiểm tra client chat đã chọn có thực hiện dạng response và hành vi tool mà kịch bản cần. Kiểm tra embedding có vector không rỗng, chiều nhất quán và danh tính model ổn định. Đổi model embedding có thể cần dựng lại vector lưu; response chat thành công không xác thực truy xuất. Sơ đồ có nguồn chỉ cho thấy route chat đề xuất. Tiền tố provider LiteLLM chọn hành vi client và không nhất thiết là model ID endpoint nhìn thấy, nên giữ cả giá trị cấu hình lẫn danh tính request đã giải quyết.

Chuẩn bị môi trường định lượng trước vòng lặp agent

Xác minh dataset, môi trường Python và container thực thi được phép bằng kiểm tra xác định nhỏ. Với nghiên cứu quốc tế, căn chỉnh vùng dataset, lịch thị trường và vũ trụ công cụ với thị trường dự kiến. Tài liệu quy trình Qlib hỗ trợ vùng Mỹ, nhưng dataset và giả định ví dụ không nên sao chép nguyên vào thị trường khác. Xác nhận phạm vi lịch sử, chính sách điều chỉnh và danh tính benchmark. Chỉ sau đó mới bật agent tạo mã ứng viên trong môi trường; nếu không các bản sửa model lặp chỉ bù cho thiết lập dữ liệu hỏng.

Kiểm tra giả thuyết, mã và phản hồi cùng nhau

Hình minh họa RD-Agent chính thức cho thấy giao diện nghiên cứu lặp. Dùng cấu trúc đó để nhớ giữ từng giả thuyết cùng triển khai và phản hồi, thay vì chỉ lưu báo cáo cuối. Người rà soát phải biết agent sửa lỗi phần mềm, đổi câu hỏi nghiên cứu hay chọn ứng viên khác sau khi thấy điểm. Giữ thí nghiệm bị loại khả dụng và tách output tool khỏi diễn giải của agent về output đó.

Giới hạn thực thi mã và bảo toàn đánh giá độc lập

Chạy mã tạo trong môi trường có giới hạn filesystem, mạng và tài nguyên rõ. Chỉ mount dataset cần và tránh lộ credential không liên quan. Đóng băng các cửa sổ train, validation và holdout trước phát triển lặp. Nếu feedback test liên tục được trả về agent, ghi kỳ test đã trở thành một phần quy trình phát triển. Manifest thí nghiệm nên gồm revision nguồn, hash mã, phiên bản dữ liệu, cấu hình, danh tính môi trường và quyết định chọn. Nhờ vậy cả thực thi thành công lẫn thất bại phương pháp đều hiển thị cho người rà soát tiếp theo.

Theo dõi chi phí và khôi phục giai đoạn thất bại

Nối sổ cái yêu cầu chat và embedding với sổ compute local bằng experiment ID. Ước tính chi phí LiteLLM không nhất thiết là phí gateway thực; đối soát với bản ghi thanh toán áp dụng. Tách lỗi transport model, mismatch vector-index, exception mã và dữ liệu Qlib thiếu thành trạng thái khác nhau. Thử lại call tạm thời trong ngân sách và giữ lỗi mã để kiểm tra. Tránh khởi động lại toàn vòng khi chỉ một artifact nguồn hoặc request model cần sửa, và vô hiệu cache khi model, mã hoặc dataset liên quan đổi.

Bằng chứng và giới hạn

Trường môi trường và hành vi backend được rà soát trong revision nguồn chính thức 32b3d395 ngày 5 tháng 9 năm 2026. Lệnh qrun và trách nhiệm Qlib theo tài liệu chính thức. Chưa thực hiện request client dự án, kết quả embedding hay vòng RD-Agent/Qlib hoàn chỉnh qua APIsRouter cho hướng dẫn. Bước chấp nhận tiếp theo là kịch bản có phạm vi với input, bằng chứng request và output số được giữ.

Câu hỏi thường gặp