尧图网页设计 
TradingAgents-CN从零上手多智能体股票分析如何完成首次部署与完整分析【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-CNTradingAgents-CN 是基于多智能体大模型的中文金融分析框架研究员、交易员、风控等多个 AI 角色协作完成股票分析。本文为首次接触的用户编写照着做你能完成部署、跑通第一只股票的分析并掌握关键配置与常见坑。三种部署方式怎么选Docker、源码与纯命令行这一步的目标是让你在 1 分钟内选定适合自己的路线。三条路径的区别在下表方式适用人群前置条件难度Docker Compose想开箱即用的普通用户安装 Docker★★☆源码部署要改代码的开发者Python 3.10、Node.js 18★★★纯 CLI只想要命令行体验Python 3.10、一个 LLM API 密钥★★☆推荐大多数人从 Docker Compose 入手一条命令拉齐前端、后端、MongoDB文档数据库存股票数据和分析结果和 Redis内存缓存加速查询4 个服务配置都写在 docker-compose.yml 里。# 克隆并进入项目目录 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN # 复制环境变量模板填入你的大模型API密钥 cp .env.example .env # 构建并后台启动全部服务 docker-compose up -d --build首次构建镜像需要几分钟完成后docker-compose ps应看到 backend、frontend、mongodb、redis 全部处于运行状态。浏览器访问http://localhost:3000看到登录页说明前端通了再访问http://localhost:8000/api/health返回正常说明后端也通了。这两条都通过本节就算完成。注意.env里至少填一个大模型密钥如DEEPSEEK_API_KEY否则能登录但分析会直接失败端口3000和8000被占用时修改 docker-compose.yml 中的端口映射。首次跑通10分钟完成第一份股票分析报告这一步的目标是看到一份真实生成的分析报告。最短路径走 CLI无需先熟悉 Web 界面# 激活虚拟环境源码部署时Docker用户可跳过用docker exec进入容器执行 source env/bin/activate # 查看当前配置状态确认密钥已识别 python -m cli.main config # 启动交互式分析按提示输入股票代码 python -m cli.main analyze接下来按界面提示依次输入股票代码A 股用000001这类 6 位代码即可、分析角色首次建议只选市场分析师 基本面分析师2 个角色跑得快、研究深度选1 级共 1~5 级。看到分阶段进度走完全流程、终端输出结论摘要就算成功。Web 端验证登录http://localhost:3000在报告列表页能看到刚完成的分析记录分析结果同时落盘到 data/analysis_results/ 目录。小贴士分析前请先完成股票数据同步Web 端的数据管理页或 Docker 内置同步任务会自动执行否则基础行情缺失报告会出现数据空洞。原理速览多智能体协作是怎么跑出结论的3 句话讲透核心机制分工取数市场、基本面、新闻等分析师智能体从 MongoDB 读取 Tushare/AkShare 同步的行情与财务数据各自独立出具观点辩论收敛看涨与看跌研究员就多轮辩论互相对质分歧点被逐条反驳结论由吵出来的共识而非单一模型直出决策把关交易员智能体把共识转成明确的买入/持有/卖出建议风控智能体再审查风险敞口最终汇入报告。整个编排逻辑在 核心源码 目录的 trading_graph 模块中这也是后续自定义智能体的入口。能对上取数 → 辩论 → 决策 → 风控这四段后面的操作你都能预判每一步在干什么。场景一命令行深度分析一只 A 股以平安银行000001为例走一次完整的单股分析闭环。准备确认python -m cli.main config显示密钥状态正常Docker 部署时先确认 MongoDB 已有该股票的历史 K 线首次同步约 1 分钟。操作执行python -m cli.main analyze输入000001分析师勾选市场 基本面 新闻 3 个角色研究深度选2 级。2 级会在 1 级基础上增加一轮辩论耗时约翻倍属于深度与时间的折中点。结果解读报告分 4 块看——分析师观点各角色引用的具体指标MA、PE、新闻摘要核对数据是否真实辩论记录多空双方交锋的原文这是该框架最有价值的部分能看清模型推理链交易决策最终建议买入/持有/卖出及仓位理由风控意见对波动率、流动性的提示。完成后到 Web 端报告详情页可导出 Markdown/Word/PDF。能独立读懂辩论记录一节说明你已掌握这个分析框架的用法。场景二Web 界面配置分析并管理报告命令行跑通后日常使用建议切到 Web 端它提供实时进度和完整的配置管理。准备浏览器打开http://localhost:3000登录后先进配置管理页确认大模型密钥已添加cp .env.example .env填过的密钥会同步显示数据源里 AkShare 默认免费可用无需密钥。操作进入分析页输入代码600519贵州茅台市场选 A 股勾选 4 个分析师角色研究深度选3 级模型从下拉框选择已配置的模型点击开始页面通过 SSE 推送各智能体的实时输出全程无需刷新完成后在报告页查看、导出或加入自选股跟踪。结果解读对比同一只股票在 2 级和 3 深度下的辩论轮次与结论差异你会直观看到深度到底买到了什么——更多轮次意味着更多反例被检验结论更稳但也更贵LLM 调用次数上升。两份报告都保存在 data/analysis_results/可离线复盘。进阶与调优3 个真正用得上的配置这一步的目标是让系统适配你的机器和数据习惯改动全部集中在 .env.example 的键值上。1. 数据源与行情采集频率# .env 中与数据最相关的3个键 DEFAULT_CHINA_DATA_SOURCEakshare QUOTES_INGEST_INTERVAL_SECONDS360 MARKET_ANALYST_LOOKBACK_DAYS365DEFAULT_CHINA_DATA_SOURCE决定 A 股数据首选来源akshare/tushare/baostock 三选一akshare 免费无密钥QUOTES_INGEST_INTERVAL_SECONDS控制全市场实时行情入库间隔默认360 秒免费 Tushare 用户不建议低于 300 秒否则容易触发限流MARKET_ANALYST_LOOKBACK_DAYS决定技术分析可回溯的 K 线天数算 MA60 至少需要60 天默认 365 天足够。2. 并发与线程MAX_WORKERS控制最大工作线程数默认等于 CPU 核心数。4 核 8G 的机器保持默认即可内存小于 8G 时建议显式设为2~4避免多股并发分析时内存告急。3. 成本护栏系统内置 Token 统计COST_ALERT_THRESHOLD默认100 元是成本告警线ENABLE_COST_TRACKINGtrue开启后每次分析的模型消耗可查。批量分析前先把告警线设低超支能第一时间看到。改完.env后执行docker-compose down docker-compose up -d生效。用docker-compose logs -f backend确认日志无报错本节完成。避坑与排障5 个高频问题1. 页面打开是空白或 502现象http://localhost:3000加载失败。原因前端等后端健康检查通过才就绪首次启动后端可能仍在初始化 MongoDB。处理docker-compose logs backend看是否报错端口被占用则改 docker-compose.yml 的3000:80映射。2. 分析结果缺数据或提示无行情现象报告中基本面字段为空。原因该股票的历史数据尚未同步入库。处理在 Web 数据管理页触发单股同步或等每日定时同步任务跑完后再分析。3. API 密钥报错或分析中途失败现象日志出现 401/余额不足类错误。原因密钥填错、欠费或供应商限流。处理先跑python -m cli.main config核对密钥是否被正确识别备用方案是在配置管理页多加一个厂商密钥做冗余。4. 免费 Tushare 频繁限流现象同步日志出现频率限制警告。原因免费账户 rt_k 接口每小时仅2 次。处理保持QUOTES_ROTATION_ENABLEDtrue系统会自动轮换到 AkShare 的东方财富、新浪接口兜底无需额外操作。5. 首次分析特别慢现象1 级深度也要 10 分钟以上。原因首次运行要拉取历史数据并完整走辩论流程。处理属正常现象后续同股票分析会命中 Redis/MongoDB 缓存明显变快急用场景选 1 级 2 个分析师。常见误区不要一上来就批量分析几十只股票——API 调用量和费用会同步放大先用单股把流程摸熟。收尾你的进阶路线与下一步建议按 4 个阶段推进第 1 周单股 1 级分析跑 3~5 只读懂报告四段结构第 2~4 周对比不同研究深度和分析师组合找到你的常用配置第 1~2 月配置数据源与成本护栏开始批量分析和自选股跟踪之后进入 核心源码 的 trading_graph 模块尝试自定义分析角色。再次提醒本项目定位是学习与研究平台输出内容不构成投资建议实盘决策请结合专业顾问意见。接下来你可以立即做按 Docker 路线完成部署打开http://localhost:3000确认登录页用python -m cli.main analyze跑通 000001 的 1 级分析在 Web 端对同一只股票跑 3 级分析对比两份报告的差异把COST_ALERT_THRESHOLD改成你能接受的上限为批量分析上保险。从第一份报告到稳定工作流剩下的路就是反复对比与调参。祝你的分析之旅顺利 【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从零上手：多智能体股票分析如何完成首次部署与完整分析
TradingAgents-CN从零上手多智能体股票分析如何完成首次部署与完整分析【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-CNTradingAgents-CN 是基于多智能体大模型的中文金融分析框架研究员、交易员、风控等多个 AI 角色协作完成股票分析。本文为首次接触的用户编写照着做你能完成部署、跑通第一只股票的分析并掌握关键配置与常见坑。三种部署方式怎么选Docker、源码与纯命令行这一步的目标是让你在 1 分钟内选定适合自己的路线。三条路径的区别在下表方式适用人群前置条件难度Docker Compose想开箱即用的普通用户安装 Docker★★☆源码部署要改代码的开发者Python 3.10、Node.js 18★★★纯 CLI只想要命令行体验Python 3.10、一个 LLM API 密钥★★☆推荐大多数人从 Docker Compose 入手一条命令拉齐前端、后端、MongoDB文档数据库存股票数据和分析结果和 Redis内存缓存加速查询4 个服务配置都写在 docker-compose.yml 里。# 克隆并进入项目目录 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN # 复制环境变量模板填入你的大模型API密钥 cp .env.example .env # 构建并后台启动全部服务 docker-compose up -d --build首次构建镜像需要几分钟完成后docker-compose ps应看到 backend、frontend、mongodb、redis 全部处于运行状态。浏览器访问http://localhost:3000看到登录页说明前端通了再访问http://localhost:8000/api/health返回正常说明后端也通了。这两条都通过本节就算完成。注意.env里至少填一个大模型密钥如DEEPSEEK_API_KEY否则能登录但分析会直接失败端口3000和8000被占用时修改 docker-compose.yml 中的端口映射。首次跑通10分钟完成第一份股票分析报告这一步的目标是看到一份真实生成的分析报告。最短路径走 CLI无需先熟悉 Web 界面# 激活虚拟环境源码部署时Docker用户可跳过用docker exec进入容器执行 source env/bin/activate # 查看当前配置状态确认密钥已识别 python -m cli.main config # 启动交互式分析按提示输入股票代码 python -m cli.main analyze接下来按界面提示依次输入股票代码A 股用000001这类 6 位代码即可、分析角色首次建议只选市场分析师 基本面分析师2 个角色跑得快、研究深度选1 级共 1~5 级。看到分阶段进度走完全流程、终端输出结论摘要就算成功。Web 端验证登录http://localhost:3000在报告列表页能看到刚完成的分析记录分析结果同时落盘到 data/analysis_results/ 目录。小贴士分析前请先完成股票数据同步Web 端的数据管理页或 Docker 内置同步任务会自动执行否则基础行情缺失报告会出现数据空洞。原理速览多智能体协作是怎么跑出结论的3 句话讲透核心机制分工取数市场、基本面、新闻等分析师智能体从 MongoDB 读取 Tushare/AkShare 同步的行情与财务数据各自独立出具观点辩论收敛看涨与看跌研究员就多轮辩论互相对质分歧点被逐条反驳结论由吵出来的共识而非单一模型直出决策把关交易员智能体把共识转成明确的买入/持有/卖出建议风控智能体再审查风险敞口最终汇入报告。整个编排逻辑在 核心源码 目录的 trading_graph 模块中这也是后续自定义智能体的入口。能对上取数 → 辩论 → 决策 → 风控这四段后面的操作你都能预判每一步在干什么。场景一命令行深度分析一只 A 股以平安银行000001为例走一次完整的单股分析闭环。准备确认python -m cli.main config显示密钥状态正常Docker 部署时先确认 MongoDB 已有该股票的历史 K 线首次同步约 1 分钟。操作执行python -m cli.main analyze输入000001分析师勾选市场 基本面 新闻 3 个角色研究深度选2 级。2 级会在 1 级基础上增加一轮辩论耗时约翻倍属于深度与时间的折中点。结果解读报告分 4 块看——分析师观点各角色引用的具体指标MA、PE、新闻摘要核对数据是否真实辩论记录多空双方交锋的原文这是该框架最有价值的部分能看清模型推理链交易决策最终建议买入/持有/卖出及仓位理由风控意见对波动率、流动性的提示。完成后到 Web 端报告详情页可导出 Markdown/Word/PDF。能独立读懂辩论记录一节说明你已掌握这个分析框架的用法。场景二Web 界面配置分析并管理报告命令行跑通后日常使用建议切到 Web 端它提供实时进度和完整的配置管理。准备浏览器打开http://localhost:3000登录后先进配置管理页确认大模型密钥已添加cp .env.example .env填过的密钥会同步显示数据源里 AkShare 默认免费可用无需密钥。操作进入分析页输入代码600519贵州茅台市场选 A 股勾选 4 个分析师角色研究深度选3 级模型从下拉框选择已配置的模型点击开始页面通过 SSE 推送各智能体的实时输出全程无需刷新完成后在报告页查看、导出或加入自选股跟踪。结果解读对比同一只股票在 2 级和 3 深度下的辩论轮次与结论差异你会直观看到深度到底买到了什么——更多轮次意味着更多反例被检验结论更稳但也更贵LLM 调用次数上升。两份报告都保存在 data/analysis_results/可离线复盘。进阶与调优3 个真正用得上的配置这一步的目标是让系统适配你的机器和数据习惯改动全部集中在 .env.example 的键值上。1. 数据源与行情采集频率# .env 中与数据最相关的3个键 DEFAULT_CHINA_DATA_SOURCEakshare QUOTES_INGEST_INTERVAL_SECONDS360 MARKET_ANALYST_LOOKBACK_DAYS365DEFAULT_CHINA_DATA_SOURCE决定 A 股数据首选来源akshare/tushare/baostock 三选一akshare 免费无密钥QUOTES_INGEST_INTERVAL_SECONDS控制全市场实时行情入库间隔默认360 秒免费 Tushare 用户不建议低于 300 秒否则容易触发限流MARKET_ANALYST_LOOKBACK_DAYS决定技术分析可回溯的 K 线天数算 MA60 至少需要60 天默认 365 天足够。2. 并发与线程MAX_WORKERS控制最大工作线程数默认等于 CPU 核心数。4 核 8G 的机器保持默认即可内存小于 8G 时建议显式设为2~4避免多股并发分析时内存告急。3. 成本护栏系统内置 Token 统计COST_ALERT_THRESHOLD默认100 元是成本告警线ENABLE_COST_TRACKINGtrue开启后每次分析的模型消耗可查。批量分析前先把告警线设低超支能第一时间看到。改完.env后执行docker-compose down docker-compose up -d生效。用docker-compose logs -f backend确认日志无报错本节完成。避坑与排障5 个高频问题1. 页面打开是空白或 502现象http://localhost:3000加载失败。原因前端等后端健康检查通过才就绪首次启动后端可能仍在初始化 MongoDB。处理docker-compose logs backend看是否报错端口被占用则改 docker-compose.yml 的3000:80映射。2. 分析结果缺数据或提示无行情现象报告中基本面字段为空。原因该股票的历史数据尚未同步入库。处理在 Web 数据管理页触发单股同步或等每日定时同步任务跑完后再分析。3. API 密钥报错或分析中途失败现象日志出现 401/余额不足类错误。原因密钥填错、欠费或供应商限流。处理先跑python -m cli.main config核对密钥是否被正确识别备用方案是在配置管理页多加一个厂商密钥做冗余。4. 免费 Tushare 频繁限流现象同步日志出现频率限制警告。原因免费账户 rt_k 接口每小时仅2 次。处理保持QUOTES_ROTATION_ENABLEDtrue系统会自动轮换到 AkShare 的东方财富、新浪接口兜底无需额外操作。5. 首次分析特别慢现象1 级深度也要 10 分钟以上。原因首次运行要拉取历史数据并完整走辩论流程。处理属正常现象后续同股票分析会命中 Redis/MongoDB 缓存明显变快急用场景选 1 级 2 个分析师。常见误区不要一上来就批量分析几十只股票——API 调用量和费用会同步放大先用单股把流程摸熟。收尾你的进阶路线与下一步建议按 4 个阶段推进第 1 周单股 1 级分析跑 3~5 只读懂报告四段结构第 2~4 周对比不同研究深度和分析师组合找到你的常用配置第 1~2 月配置数据源与成本护栏开始批量分析和自选股跟踪之后进入 核心源码 的 trading_graph 模块尝试自定义分析角色。再次提醒本项目定位是学习与研究平台输出内容不构成投资建议实盘决策请结合专业顾问意见。接下来你可以立即做按 Docker 路线完成部署打开http://localhost:3000确认登录页用python -m cli.main analyze跑通 000001 的 1 级分析在 Web 端对同一只股票跑 3 级分析对比两份报告的差异把COST_ALERT_THRESHOLD改成你能接受的上限为批量分析上保险。从第一份报告到稳定工作流剩下的路就是反复对比与调参。祝你的分析之旅顺利 【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