一、先区分模型兼容接口和Alpaca交易权限
该仓库用llm_provider、backend_url、quick_think_llm和deep_think_llm建立两个模型客户端。local_openai路径接受自定义兼容地址；命名中的local是Provider标签，并不限定只能填localhost。
本轮只读取锁定版本官方源码，未安装或执行上游程序，未发模型请求、未连接交易账户。保留的旧图为通用接口说明，图内通用OPENAI字段不是本项目当前配置收据，具体以下方源码与字段表为准。
二、环境准备
先按锁定仓库安装依赖，在独立环境查看python -m cli.main --help。先不要启动完整分析/下单链路；界面启动、模型路由、市场数据与交易执行逐层验证。
- 对应huygiatrng/AlpacaTradingAgent，commit 93a81064e3190c25daa733e5c70a132cfb1b6f5f。入口为python -m cli.main或python run_webui_dash.py；旧python main.py不是该版本入口。
- 在CLI/WebUI选择local_openai，backend_url填apizt /v1，quick_think_llm和deep_think_llm分别用自己的准确ID；.env地址不替你改两个模型选择。
- OPENAI_USE_LOCAL与OPENAI_BASE_URL也影响反思记忆Embedding，需独立确认Embedding型号；OpenAI web-search数据工具保持其独立云接口逻辑。
- 本教程先停在help和配置审读，真实分析会调用模型与数据服务。保持ALPACA_USE_PAPER=True，不提供实盘Key或启动自动交易，模型接通不等于执行链路安全。
继续配置 AlpacaTradingAgent
先看对应接入页，核对本文的配置字段与验证步骤，再回到原运行环境测试。
三、创建 apizt API Key
登录 apizt 后台，进入 API 令牌页面，新建一个专门用于 AlpacaTradingAgent 的 Key。建议名称写成 alpaca_trading_agent_tokenba_api_test，后续按请求记录核对模型、错误与费用。
四、修改 AlpacaTradingAgent 模型配置
下方是.env字段示例，所有REPLACE占位必须先替换。每次运行仍须在CLI/WebUI确认local_openai、backend_url以及quick/deep模型；不要把旧图的通用模型变量当成该项目实际读取字段。
LLM_PROVIDER=local_openai
OPENAI_USE_LOCAL=true
OPENAI_BASE_URL=https://api.apizt.com/v1
OPENAI_API_KEY=REPLACE_WITH_tokenba_KEY
OPENAI_EMBEDDING_MODEL=REPLACE_WITH_SUPPORTED_EMBEDDING_ID
ALPACA_USE_PAPER=TrueAlpacaTradingAgent 的配置字段与任务检查
本站绘制的内容说明图：按本页 .env 与命令提取配置字段；需核对自己的项目版本，不把通用变量名当所有上游项目的统一配置。
本站绘制的内容说明图：本页项目的运行与记录检查说明；不画虚构收益、策略成绩或调用成功界面，模型输出与真实财务结果分开记录。
先把AlpacaTradingAgent的模型与数据入口分别验清
为兼容Chat和Embedding配置匹配的Key与准确型号，核对双模型和独立数据工具，再在模拟范围记录完整研究任务用量。
查看相关型号
在型号详情中核对最低价格、参数、接口示例与使用限制，再选择配置方式。
五、先查入口，再验证单项模型与数据链路
下方help不执行分析。准备固定资料后，在当前CLI/WebUI中选local_openai和双模型；真实研究任务可能调用多个模型、Embedding和市场数据。先检查各层日志，不把最终建议当下单验收。
python -m cli.main --help- CLI实际显示本次Provider、backend_url和quick/deep准确ID。
- Chat有有效输出，Embedding与市场数据失败单独报告，不以空资料补写结论。
- 保持paper设置，保留逐角色日志与请求；未执行的交易步骤明确未测。
六、查看 apizt 请求日志和成本
运行日志位于项目记录的eval_results路径，按角色保存提示、工具和模型事件。核对.env与WebUI运行时Key来源，避免Key被旧会话覆盖；记录哪些请求仍走独立云数据工具。
适合的量化调用场景
按任务与分组选择模型
先选准确且具备所需工具/结构化输出能力的quick/deep模型；实际参数由项目适配器和每次运行配置决定。不要按Haiku或其他系列名称承诺高频、费用或收益。
七、常见报错排查
优先看出错客户端和Provider，而不是只换Key。核心Chat、反思Embedding、搜索数据与Alpaca API可能各用不同凭据和地址。
常见问题
这页已经实际运行上游程序了吗？
没有。本轮只读取锁定版本源码并检查文案/配置结构，没有安装上游程序、调用模型或执行交易。
旧配图里的通用OPENAI变量可以直接照填吗？
旧图保留作为通用接口说明。具体项目当前字段以下方锁定源码、配置表和Provider分支为准；图不证明实际运行或接通。
AlpacaTradingAgent 接 apizt 后还能换模型吗？
在当前运行配置中分别调整quick_think_llm和deep_think_llm的准确ID，保持local_openai与backend_url匹配，再重新验证角色参数与工具。Embedding型号另设；OpenAI云搜索并不自动迁移到Chat网关。
教程里的配置能直接用于实盘吗？
本页只核对模型配置与源码，不包含真实交易验收或实盘授权。先在隔离研究或明确的模拟环境分别验证数据、模型、订单、风控与失败恢复，不能由聊天成功推断交易可上线。
AlpacaTradingAgent 的 Alpaca Key 能当模型 API Key 吗？
不能把交易凭据当作模型服务令牌。分别配置交易或行情入口与模型 Provider，确认地址和权限对应；修改模型接入不应覆盖已有交易配置。
AlpacaTradingAgent 接入后怎样先做模拟验证？
使用项目当前支持的模拟或研究任务，先检查行情输入与模型分析，不启用实际下单。保留任务日志，分别确认模型回复、交易环境和执行结果。
继续配置 AlpacaTradingAgent
先看对应接入页，核对本文的配置字段与验证步骤，再回到原运行环境测试。
参考资料
本文依据下列项目源码说明接入位置与配置字段。不同版本先核对自己的入口和变量；上方通用界面示意不代替实际项目、模型调用与费用验收。
先把AlpacaTradingAgent的模型与数据入口分别验清
为兼容Chat和Embedding配置匹配的Key与准确型号，核对双模型和独立数据工具，再在模拟范围记录完整研究任务用量。