尧图网页设计 
TradingAgents-CN 完整指南多智能体 LLM 股票分析框架怎么跑通一次分析【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN下午两点你合上行情软件还是没想清楚手里那只 A 股该不该继续拿。如果交给一支AI 团队呢TradingAgents-CN是一个基于多智能体与大模型的中文股票分析框架。它把分析师、研究员、风控、交易员的分工做成多个 AI 智能体自动完成数据收集、多空辩论、风险评估最后产出一份完整的分析报告。你只需要给出一个股票代码。一分钟看懂 TradingAgents-CN一句话定位面向 A 股、港股、美股的多智能体 LLM 股票分析框架个人学习和研究用途不输出实盘交易指令。核心能力多源数据采集内置 Tushare、AkShare、BaoStock 等 A 股数据源单股行情带多级降级兜底四类分析师市场、基本面、新闻、社交媒体四个视角并行取数分析双视角辩论看涨与看跌两名研究员对同一标的正面对抗研究经理汇总三级风控辩论激进、保守、中立三个风控智能体交叉质询报告与模拟分析结果可导出 Markdown/Word/PDF内置模拟交易系统适用人群想系统学习多智能体 大模型做股票研究流程的个人投资者、量化学习者和开发者。模块对应智能体职责取数4 类分析师行情、财务、新闻、舆情研究Bull/Bear 研究员多空辩论并汇总结论风控3 类风控辩论者 风控经理质疑策略风险决策交易员智能体给出最终操作建议功能拆解多源行情数据一个主链路一条降级链A 股数据是中文框架的必修课。项目把数据源放在tradingagents/dataflows/下统一管理A 股支持 Tushare、AkShare、BaoStock美股支持 Finnhub、Alpha Vantage 等。单只股票同步时系统会按优先级尝试不同接口。以 AkShare 单股实时行情为例降级顺序是stock_bid_ask_em - stock_zh_a_spot - stock_zh_a_spot_em - stock_zh_a_hist。某个接口失效时分析不会中断同步结果页面还能看到主链路、回退链路和失败原因。数据落库采用 MongoDB Redis 双数据库架构官方说明性能提升 10 倍配合多级缓存减少重复请求。图 1TradingAgents-CN 系统架构展示数据流与智能体协作关系四名分析师先跑两名研究员再辩分析不是一步到位。市场分析师看技术指标基本面分析师核对 PE、PB 等财务数据新闻分析师做多层次新闻过滤和质量评估社交媒体分析师负责舆情。四个视角各自产出报告。随后进入辩论环节bull_researcher负责论证看涨理由bear_researcher负责论证看跌理由两者围绕同一份分析师报告互相质疑由研究经理research_manager汇总。单一视角容易确认偏误正反对抗至少能逼出更多论据。图 2看涨与看跌研究员的双视角辩论流程三级风控辩论给结论上一道闸研究结论进入风控层后要过三道关。risk_mgmt/目录下有激进、保守、中立三个风控辩论者分别代表不同的风险偏好对交易策略逐条质询再由风控经理risk_manager汇总出风险评级。这套设计的用意是风控不是静态规则而是让三种立场当场交锋。市场波动大时保守方观点会被放大呈现而不是被一条固定阈值吞掉。图 3风控辩论机制三种风险偏好交叉评估从结论到报告交易员智能体收尾风控过后交易员智能体trader综合研究与风控两方输入给出最终操作建议。Web 端通过 SSE WebSocket 双通道推送分析进度实时可见批量分析可一次跑多只股票结果还能导出为 Markdown、Word、PDF 三种格式个股详情页保留完整历史分析记录。图 4交易员智能体整合研究与风控结论生成最终建议完整场景走一遍从一只股票到一份报告以 A 股测试股 000001 为例走一遍最典型的全流程完成初始配置按 docs/guides/v1.0.1-user-manual.md 的顺序配置厂家、模型、数据源然后对目标股票做一次同步测试同步股票数据先同步再分析。官方明确提醒数据未同步完成时分析结果会出现数据错误发起分析输入000001研究深度选 1 级做快速测试分析师勾选市场 基本面跟踪过程Web 界面实时显示各智能体进度从分析师取数到多空辩论逐阶段可见拿到产物一份包含分析师报告、辩论记录、风险评级和最终建议的结构化报告可导出为 Word 或 PDF跑完一次后个股详情页会留下这条历史分析记录。换一只股票、换一组分析师再跑对比两次结论的变化就是这套框架最直接的用法。批量模式下一次任务可以多只股票并行分析适合把自选股整体过一遍。图 5CLI 模式下的技术分析输出Web 与 CLI 两种入口共用同一套智能体流程快速上手一条命令启动克隆项目并进入目录配置环境变量把.env.example复制为.env填入一个大模型 API KeyDeepSeek、通义千问、OpenAI 任选其一推荐再加一个TUSHARE_TOKEN用于 A 股数据启动服务打开 Web 界面按使用手册完成厂家、模型、数据源的初始配置再对一只股票做同步测试git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -dDocker 版支持 amd64 与 arm64 双架构Apple Silicon、树莓派均可官方给出的目标是 5 分钟快速启动。详细步骤见 docs/QUICK_START.md。生态与扩展数据源生态A 股三源Tushare/AkShare/BaoStock之外还有港股与美股数据链路数据源之间按优先级自动切换新增数据源可参考docs/config/下的配置说明模型生态支持 DeepSeek、通义千问、OpenAI、Google、硅基流动、千帆、GLM、Ollama 以及 AiHubMix 等聚合渠道可自定义 Base URL按成本与性能在配置页自由切换社区共建项目提供完整的贡献指南Bug 修复、新功能、文档、本地化均可参与维护者名单见 CONTRIBUTORS.md注意app/与frontend/目录为专有部分商业使用需单独授权TradingAgents-CN 把一支投研团队怎么工作拆成了可以观察、可以干预、可以复跑的 AI 流程。想动手试一次建议从 docs/QUICK_START.md 开始用 000001 跑通第一份分析报告再逐步加深研究深度。项目定位为学习与研究用途不构成投资建议。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 TradingAgents-CN 完整指南：多智能体 LLM 股票分析框架怎么跑通一次分析
TradingAgents-CN 完整指南多智能体 LLM 股票分析框架怎么跑通一次分析【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN下午两点你合上行情软件还是没想清楚手里那只 A 股该不该继续拿。如果交给一支AI 团队呢TradingAgents-CN是一个基于多智能体与大模型的中文股票分析框架。它把分析师、研究员、风控、交易员的分工做成多个 AI 智能体自动完成数据收集、多空辩论、风险评估最后产出一份完整的分析报告。你只需要给出一个股票代码。一分钟看懂 TradingAgents-CN一句话定位面向 A 股、港股、美股的多智能体 LLM 股票分析框架个人学习和研究用途不输出实盘交易指令。核心能力多源数据采集内置 Tushare、AkShare、BaoStock 等 A 股数据源单股行情带多级降级兜底四类分析师市场、基本面、新闻、社交媒体四个视角并行取数分析双视角辩论看涨与看跌两名研究员对同一标的正面对抗研究经理汇总三级风控辩论激进、保守、中立三个风控智能体交叉质询报告与模拟分析结果可导出 Markdown/Word/PDF内置模拟交易系统适用人群想系统学习多智能体 大模型做股票研究流程的个人投资者、量化学习者和开发者。模块对应智能体职责取数4 类分析师行情、财务、新闻、舆情研究Bull/Bear 研究员多空辩论并汇总结论风控3 类风控辩论者 风控经理质疑策略风险决策交易员智能体给出最终操作建议功能拆解多源行情数据一个主链路一条降级链A 股数据是中文框架的必修课。项目把数据源放在tradingagents/dataflows/下统一管理A 股支持 Tushare、AkShare、BaoStock美股支持 Finnhub、Alpha Vantage 等。单只股票同步时系统会按优先级尝试不同接口。以 AkShare 单股实时行情为例降级顺序是stock_bid_ask_em - stock_zh_a_spot - stock_zh_a_spot_em - stock_zh_a_hist。某个接口失效时分析不会中断同步结果页面还能看到主链路、回退链路和失败原因。数据落库采用 MongoDB Redis 双数据库架构官方说明性能提升 10 倍配合多级缓存减少重复请求。图 1TradingAgents-CN 系统架构展示数据流与智能体协作关系四名分析师先跑两名研究员再辩分析不是一步到位。市场分析师看技术指标基本面分析师核对 PE、PB 等财务数据新闻分析师做多层次新闻过滤和质量评估社交媒体分析师负责舆情。四个视角各自产出报告。随后进入辩论环节bull_researcher负责论证看涨理由bear_researcher负责论证看跌理由两者围绕同一份分析师报告互相质疑由研究经理research_manager汇总。单一视角容易确认偏误正反对抗至少能逼出更多论据。图 2看涨与看跌研究员的双视角辩论流程三级风控辩论给结论上一道闸研究结论进入风控层后要过三道关。risk_mgmt/目录下有激进、保守、中立三个风控辩论者分别代表不同的风险偏好对交易策略逐条质询再由风控经理risk_manager汇总出风险评级。这套设计的用意是风控不是静态规则而是让三种立场当场交锋。市场波动大时保守方观点会被放大呈现而不是被一条固定阈值吞掉。图 3风控辩论机制三种风险偏好交叉评估从结论到报告交易员智能体收尾风控过后交易员智能体trader综合研究与风控两方输入给出最终操作建议。Web 端通过 SSE WebSocket 双通道推送分析进度实时可见批量分析可一次跑多只股票结果还能导出为 Markdown、Word、PDF 三种格式个股详情页保留完整历史分析记录。图 4交易员智能体整合研究与风控结论生成最终建议完整场景走一遍从一只股票到一份报告以 A 股测试股 000001 为例走一遍最典型的全流程完成初始配置按 docs/guides/v1.0.1-user-manual.md 的顺序配置厂家、模型、数据源然后对目标股票做一次同步测试同步股票数据先同步再分析。官方明确提醒数据未同步完成时分析结果会出现数据错误发起分析输入000001研究深度选 1 级做快速测试分析师勾选市场 基本面跟踪过程Web 界面实时显示各智能体进度从分析师取数到多空辩论逐阶段可见拿到产物一份包含分析师报告、辩论记录、风险评级和最终建议的结构化报告可导出为 Word 或 PDF跑完一次后个股详情页会留下这条历史分析记录。换一只股票、换一组分析师再跑对比两次结论的变化就是这套框架最直接的用法。批量模式下一次任务可以多只股票并行分析适合把自选股整体过一遍。图 5CLI 模式下的技术分析输出Web 与 CLI 两种入口共用同一套智能体流程快速上手一条命令启动克隆项目并进入目录配置环境变量把.env.example复制为.env填入一个大模型 API KeyDeepSeek、通义千问、OpenAI 任选其一推荐再加一个TUSHARE_TOKEN用于 A 股数据启动服务打开 Web 界面按使用手册完成厂家、模型、数据源的初始配置再对一只股票做同步测试git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -dDocker 版支持 amd64 与 arm64 双架构Apple Silicon、树莓派均可官方给出的目标是 5 分钟快速启动。详细步骤见 docs/QUICK_START.md。生态与扩展数据源生态A 股三源Tushare/AkShare/BaoStock之外还有港股与美股数据链路数据源之间按优先级自动切换新增数据源可参考docs/config/下的配置说明模型生态支持 DeepSeek、通义千问、OpenAI、Google、硅基流动、千帆、GLM、Ollama 以及 AiHubMix 等聚合渠道可自定义 Base URL按成本与性能在配置页自由切换社区共建项目提供完整的贡献指南Bug 修复、新功能、文档、本地化均可参与维护者名单见 CONTRIBUTORS.md注意app/与frontend/目录为专有部分商业使用需单独授权TradingAgents-CN 把一支投研团队怎么工作拆成了可以观察、可以干预、可以复跑的 AI 流程。想动手试一次建议从 docs/QUICK_START.md 开始用 000001 跑通第一份分析报告再逐步加深研究深度。项目定位为学习与研究用途不构成投资建议。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考