自主投资中 LLM 智能体的可控发展：采用不可变安全防护层的多智能体架构

不可逆操作作为初始约束

自主投资处理实时 Web 数据和不可信 Web 内容。在这样的环境中，每项操作都不可逆。因此，开发 LLM 智能体需要在适应能力与受保护核心之间划定边界。在《Governed Self-Evolution for Autonomous Investing: A Multi-Agent LLM System with an Invariant Core》一文中，作者介绍了 Steward 系统。这是一个用于自主投资的多智能体 LLM 系统。论文作者为 Yebo Feng、Jingyang Dai、Liangrui Pan、Nelson Lau、Jiahua Xu、Yang Liu。作者于 2026 年 10 月 22 日提交了论文。判定标准：架构必须将适应能力与受保护核心分开。否则，不可逆操作可能会先于检查发生。

多智能体决策方案

九个按角色专门分工的智能体共同决策。四名分析师读取新闻源、SEC 文件、宏观经济序列和市场数据，并生成类型化报告。

• Portfolio Manager 根据这些报告设定目标持仓。
• 受保护的 Risk Manager 审核目标持仓。判定标准：每个阶段都必须有独立角色和可验证的输出。类型化报告将原始数据与决策分开。

七层记忆与决策上下文

代码根据系统自身的记录构建共享的七层记忆。它为每项决策提供持仓背景、市场叙事、校准信息以及智能体过去的决策。

判定标准：决策必须基于已记录的上下文。由系统记录构成的记忆会将这一上下文与过往决策一同保存。

审查闭环：夜间评估与可逆改进

审查分阶段进行：

• 夜间评估：代码评估每笔交易和每项预测，然后将评估结果写入记忆。
• 季度提案：reflector 提出提示词改进建议。
• 应用：确定性 gate 可逆地应用改进。
• 验证：通过 replay 已记录的输入来验证结果。这样的闭环将改进建议与实际实施分开。Reflector 找到了主要故障的根本原因。Gate 应用了所发现的改进。智能体在触发夜使用了这项改进，在任何对照夜都没有使用。判定标准：提示词变更必须经过 gate 和 replay。可逆性以及对已记录数据的验证，能让系统发展始终处于受控闭环中。

受保护核心与自我修改边界

不可变核心包含三个要素：

• 订单算术；
• 风险规则；
• 纪律智能体的提示词。自我修改不得影响这些要素。核心为系统发展设定了边界。判定标准：自我修改闭环不得触及这些要素。它们的变更不得取决于 reflector 的工作。

实时模式验证、replay 与回测

在为期五个月的实时部署中（102 个交易日，1,632 次 LLM 调用），系统将一个下跌 24.6% 的行业板块的损失限制在 0.3%。在对已记录输入进行 replay 时，一个模型获得了相同的原始数据。它交易更频繁，并在五天内落后市场 1.35 个百分点。同期，联合系统没有出现显著损失。系统没有执行任何已实施的指令。在 2015-2026 年的回测中，仅靠核心就在全部 50 种随机入场策略下降低了最大回撤。

判定标准：分别通过实时运行、replay 和回测来验证系统。每种模式都回答各自的问题，不能相互替代。