Skip to content

LLM 交易架构

适用版本:axon-llm v0.2.0+ 状态:🟢 与代码同步(Stage A~K 全部交付)

本文档描述 axon-llm 的交易链路架构。目标读者:正在把 LLM agent 接入生产交易系统的工程师。

1. 系统组件

axon-llm 交易链路由以下几部分组成:

  1. LLM Agent 层 —— ReActAgent / OpenAICompatBackend 等,负责接收用户 prompt、决定调用哪些 tool、把 tool 返回的 JSON 写入 LLM context。
  2. Tool 层 —— 4 个交易 tool:PlaceOrderTool / QueryPortfolioTool / CancelOrderTool / ReplaceOrderTool。每个 tool 实现 Tool trait(async fn execute(&self, args: &str) -> Result<String, ToolError>),接受 JSON 字符串参数,返回 JSON 字符串结果。
  3. 风控层 —— 三道防线,在 tool 内部串联:
  4. SafetyMode(DryRun / TwoPhase / Direct):控制是否真发订单
  5. RiskLimits(max_order_notional / max_daily_orders / max_position_abs / allowed_symbols):静态风控规则
  6. RiskGate(AlwaysOpenGate / RejectionCircuitBreaker / RiskPnLCircuitBreaker):动态风控闸门
  7. 后端适配层 —— TradingBackend trait,4 个实现:
  8. MockTradingBackend(默认,无 feature flag,用于测试)
  9. ExchangeTradingBackend(feature = trading-exchange,对接 Binance/OKX)
  10. OmsTradingBackend(feature = trading-oms,对接 axon-oms 状态机)
  11. BacktestTradingBackend(feature = trading-backtest,对接 axon-backtest L1/L2/L3)
  12. 监控层 —— TradingMetrics(自包含,无外部监控栈依赖):
  13. 5 个 LabeledCounter(下单/撤单/改单/风控拒绝/后端失败)
  14. 1 个 LatencyHistogram(端到端 execute 时延)
  15. 1 个 gauge(单日订单数镜像自 DailyCounter)
  16. 两种数据出口:set_callback 实时推送 / snapshot 主动拉取

2. 数据流

[User Prompt]
   ↓
[ReActAgent 决策]
   ↓ JSON args
[Tool::execute(args: &str)]
   ↓ parse args
[RiskLimits::check]────── ❌ -> ToolError::ExecutionFailed
   ↓
[RiskGate::is_blocked]─── ❌ -> ToolError::ExecutionFailed
   ↓
[TradingBackend::place_order / cancel_order / replace_order]
   ↓
[TradingError / OrderAck] -> JSON
   ↓
[ReActAgent 把 JSON 写入 context,继续 LLM 推理]

关键点: - 所有 tool 的 args / result 都是 JSON 字符串,LLM 工具透传最自然 - 风控 fail-closed(任一阶段失败立刻拒绝,不进入后端) - 后端调用全部 async,tool 内部用 tokio::Runtime::block_on 桥接 - Python 端通过 PyO3 调用(详见 Python 绑定)

3. 后端选型决策树

你要做什么?
├── 单元测试 / 集成测试 / 集成 CI
│   └── MockTradingBackend(零依赖,默认启用)
├── 对接真实交易所(Binance / OKX testnet / mainnet)
│   └── ExchangeTradingBackend(feature = trading-exchange)
├── 接入生产订单管理系统(axon-oms 状态机)
│   └── OmsTradingBackend(feature = trading-oms)
├── 在历史数据上模拟 LLM 决策(回测式评估)
│   └── BacktestTradingBackend(feature = trading-backtest)
└── 自定义场景(内部撮合器、纸交易等)
    └── 实现 TradingBackend trait

4. 安全模型(纵深防御)

axon-llm 的安全模型遵循 纵深防御(defense-in-depth) 原则,任何单一防线失败都还有下一道:

层级 名称 触发时机 失败行为
L0 应用方 prompt 安全 调用方 完全由调用方负责(LLM 越狱防护、敏感数据脱敏)
L1 SafetyMode tool 入口 DryRun 不下单 / TwoPhase 二次确认 / Direct 透传
L2 RiskLimits 下单前 任一规则失败立刻拒绝(fail-closed)
L3 RiskGate 下单前 闸门开则放行,关则拒绝(动态熔断)
L4 TradingBackend 实际执行 由各后端实现做最末一道防护(交易所自带的风控、OMS 自带的风控)

详细规则与失败模式见 风控与安全。

5. 监控模型(轻量 + 可插拔)

axon-llm 不内置 任何外部监控栈(Prometheus exporter、Grafana dashboard、OpenTelemetry collector 等),只提供自包含的 TradingMetrics 收集器:

  • 数据出口 1:回调 —— metrics.set_callback(|sample| { ... }),实时推送到调用方注册的 sink
  • 数据出口 2:快照 —— metrics.snapshot() 主动拉取,返回 Vec<MetricSample>

应用方自行接到自己团队的监控后端:

  • Rust 应用方:用 axum_prometheus / metrics-exporter-prometheus / 自定义 sink
  • Python 应用方:用 prometheus_client / opentelemetry-sdk / 自定义推送

应用方集成示例见 指标与告警 §3。

6. 核心 Crate 关系

axon-llm(trading 子模块)
├── trading::tools  ──── PlaceOrderTool / QueryPortfolioTool / CancelOrderTool / ReplaceOrderTool
├── trading::risk   ──── SafetyMode / RiskLimits / RiskGate trait
├── trading::backend──── TradingBackend trait
├── trading::metrics──── LabeledCounter / LatencyHistogram / TradingMetrics
├── trading::circuit_breaker_gate
│   ├── RejectionCircuitBreaker(core lib,零依赖)
│   └── RiskPnLCircuitBreaker(feature = trading-risk-extra,包装 axon_risk::CircuitBreaker)
└── trading::python ───── PyO3 绑定(RiskLimits / MockTradingBackend / 4 tool / TradingMetrics)

下一步