TradingAgents-CN 多智能体股票分析框架从拉取代码到跑通第一份交易报告【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你手头有三只股票想在动手前同时看看技术面、消息面和基本面有没有异动。TradingAgents-CN 是一个基于多智能体 LLM 的中文股票分析框架让市场分析师、研究员、交易员和风控师多个 AI 角色协同出一份带决策结论的报告Web 端和命令行端都能跑。它解决什么问题一只持仓股拿了一个月你想快速确认估值、资金和基本面有没有变化——不用自己写指标脚本、再人肉刷新闻在 Web 界面或 CLI 选这只股票一次分析就能拿到整合后的结论。你想理解多智能体框架到底在聊什么——CLI 会实时展示每个 agent 的工具调用和推理消息能看到研究员团队的看涨/看跌辩论过程以及风控三方各自的论点。传统做法是一个人看 K 线、刷新闻、算指标观点单一且容易漏信息这里是多个 agent 分工产出报告再交叉辩论结论附带风险偏好分级。最快跑起来两种方式先克隆仓库# 克隆仓库两种方式共用 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN方式适合谁核心命令跑通验证Docker 容器化不想配 Python/数据库环境的所有人docker-compose up -d浏览器打开 http://localhost:3000 后端 API 在 http://localhost:8000本地源码要改代码、调试的开发者见下方命令块后端启动后访问 http://localhost:8000/docs 看接口文档Docker 方式由 docker-compose.yml 同时拉起 4 个服务FastAPI 后端8000、Vue 前端3000、MongoDB 和 Redis数据库密码和初始化脚本 scripts/mongo-init.js 都已内置。本地启动后跑一下docker compose ps四个服务状态为 healthy 就算跑通。本地源码方式要求 Python 3.10MongoDB 和 Redis 自备或先用 Docker 单独起# 本地源码安装 python -m venv env source env/bin/activate # Windows 用 env\Scripts\activate pip install -r requirements.txt cp .env.example .env # 然后在 .env 里填 LLM API 密钥 python -m app # 启动 FastAPI 后端一个绕不开的提醒README 里明确写了分析股票前必须先把股票数据同步完成否则分析结果会出现数据错误。Docker 部署后先在 Web 界面的数据同步模块把目标股票的数据拉全再开始分析。核心工作流一只股票的分析全流程Web 端http://localhost:3000输入股票代码、选择 LLM 和模型版本后点开始分析CLI 端入口是# 进入交互式分析向导 python -m cli.main # 常用子命令 python -m cli.main config # 查看 LLM 供应商与 API 密钥状态 python -m cli.main version # 查看当前版本analyze命令是向导式的依次输入股票代码默认 SPY、勾选分析师、选研究深度然后全程在终端里看进展。一条任务从输入到产出会经过四个阶段分析师团队Market / Social / News / Fundamentals 四个分析师各自调工具抓数据——行情指标RSI、MACD、布林带、200 日均线、新闻、社交媒体、财务数据产出第一份分析报告。研究员团队Bull Researcher 和 Bear Researcher 基于分析师报告进行正反辩论这是整个流程里信息量最大的环节。交易员把辩论信号转成具体的仓位建议例如卖出 25–30% 当前持仓留 70–75% 底仓。风控团队Risky / Neutral / Safe 三个风控 agent 给出激进、中性、保守三套观点最后由组合经理整合出最终交易决策。终端里左侧是各 team 的状态表右侧滚动显示每个 agent 的时间戳消息和工具调用底部是当前报告全文新闻与宏观分析阶段会持续抓取新闻并汇总成周度宏观报告最后风控三方辩论结束组合经理输出带比例和期权对冲方案的最终决策多智能体协作的完整结构可以看这张架构图踩坑速查容器起不来 / 前端打不开→ 多半是首次构建镜像慢或 3000、8000 端口被占用。先看docker compose ps和docker compose logs backend端口冲突就改 docker-compose.yml 里的端口映射如3001:3000。分析结果数据错误或缺数据→ 没有先同步股票数据。README 专门提醒了这一点先走 Web 界面的数据同步流程再分析。报错或提示缺少 API 密钥→ 编辑.env填入至少一个 LLM 密钥如DASHSCOPE_API_KEY或DEEPSEEK_API_KEY用python -m cli.main config检查是否生效。pip install失败→ 检查 Python 是否 3.10国内网络可以换清华镜像源安装pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。进阶扩展想改代码从哪下手数据源接入入口在 tradingagents/dataflows/data_source_manager.py负责多源调度providers/下是 Tushare、AkShare、BaoStock 等具体实现。怎么加一个自己的数据源直接读 docs/development/ADD_NEW_DATA_SOURCE.md想接消息类数据源可以看 examples/crawlers/。模型与提示词替换LLM 适配层在 tradingagents/llm_adapters/ 和 tradingagents/llm_clients/各分析师的提示词和工具调用逻辑在 tradingagents/agents/。跑通后可以先从config页换模型版本如从 qwen-plus 换 qwen-max感受差异再动提示词。下一步打开 docs/guides/v1.0.1-user-manual.md 对照界面熟悉数据同步和配置页然后跑python -m cli.main config确认密钥就位。首次分析建议选一只 A 股、研究深度选 1 级单股单深度几分钟就能出完整报告之后再逐步加深。这个框架定位是学习与研究用途输出结论来自 LLM 推理不构成投资建议实盘决策请自行判断。【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 
长河君 · 2026/9/3 14:47:08 · 阅读 1.2k TradingAgents-CN 多智能体股票分析框架：从拉取代码到跑通第一份交易报告
TradingAgents-CN 多智能体股票分析框架从拉取代码到跑通第一份交易报告【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你手头有三只股票想在动手前同时看看技术面、消息面和基本面有没有异动。TradingAgents-CN 是一个基于多智能体 LLM 的中文股票分析框架让市场分析师、研究员、交易员和风控师多个 AI 角色协同出一份带决策结论的报告Web 端和命令行端都能跑。它解决什么问题一只持仓股拿了一个月你想快速确认估值、资金和基本面有没有变化——不用自己写指标脚本、再人肉刷新闻在 Web 界面或 CLI 选这只股票一次分析就能拿到整合后的结论。你想理解多智能体框架到底在聊什么——CLI 会实时展示每个 agent 的工具调用和推理消息能看到研究员团队的看涨/看跌辩论过程以及风控三方各自的论点。传统做法是一个人看 K 线、刷新闻、算指标观点单一且容易漏信息这里是多个 agent 分工产出报告再交叉辩论结论附带风险偏好分级。最快跑起来两种方式先克隆仓库# 克隆仓库两种方式共用 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN方式适合谁核心命令跑通验证Docker 容器化不想配 Python/数据库环境的所有人docker-compose up -d浏览器打开 http://localhost:3000 后端 API 在 http://localhost:8000本地源码要改代码、调试的开发者见下方命令块后端启动后访问 http://localhost:8000/docs 看接口文档Docker 方式由 docker-compose.yml 同时拉起 4 个服务FastAPI 后端8000、Vue 前端3000、MongoDB 和 Redis数据库密码和初始化脚本 scripts/mongo-init.js 都已内置。本地启动后跑一下docker compose ps四个服务状态为 healthy 就算跑通。本地源码方式要求 Python 3.10MongoDB 和 Redis 自备或先用 Docker 单独起# 本地源码安装 python -m venv env source env/bin/activate # Windows 用 env\Scripts\activate pip install -r requirements.txt cp .env.example .env # 然后在 .env 里填 LLM API 密钥 python -m app # 启动 FastAPI 后端一个绕不开的提醒README 里明确写了分析股票前必须先把股票数据同步完成否则分析结果会出现数据错误。Docker 部署后先在 Web 界面的数据同步模块把目标股票的数据拉全再开始分析。核心工作流一只股票的分析全流程Web 端http://localhost:3000输入股票代码、选择 LLM 和模型版本后点开始分析CLI 端入口是# 进入交互式分析向导 python -m cli.main # 常用子命令 python -m cli.main config # 查看 LLM 供应商与 API 密钥状态 python -m cli.main version # 查看当前版本analyze命令是向导式的依次输入股票代码默认 SPY、勾选分析师、选研究深度然后全程在终端里看进展。一条任务从输入到产出会经过四个阶段分析师团队Market / Social / News / Fundamentals 四个分析师各自调工具抓数据——行情指标RSI、MACD、布林带、200 日均线、新闻、社交媒体、财务数据产出第一份分析报告。研究员团队Bull Researcher 和 Bear Researcher 基于分析师报告进行正反辩论这是整个流程里信息量最大的环节。交易员把辩论信号转成具体的仓位建议例如卖出 25–30% 当前持仓留 70–75% 底仓。风控团队Risky / Neutral / Safe 三个风控 agent 给出激进、中性、保守三套观点最后由组合经理整合出最终交易决策。终端里左侧是各 team 的状态表右侧滚动显示每个 agent 的时间戳消息和工具调用底部是当前报告全文新闻与宏观分析阶段会持续抓取新闻并汇总成周度宏观报告最后风控三方辩论结束组合经理输出带比例和期权对冲方案的最终决策多智能体协作的完整结构可以看这张架构图踩坑速查容器起不来 / 前端打不开→ 多半是首次构建镜像慢或 3000、8000 端口被占用。先看docker compose ps和docker compose logs backend端口冲突就改 docker-compose.yml 里的端口映射如3001:3000。分析结果数据错误或缺数据→ 没有先同步股票数据。README 专门提醒了这一点先走 Web 界面的数据同步流程再分析。报错或提示缺少 API 密钥→ 编辑.env填入至少一个 LLM 密钥如DASHSCOPE_API_KEY或DEEPSEEK_API_KEY用python -m cli.main config检查是否生效。pip install失败→ 检查 Python 是否 3.10国内网络可以换清华镜像源安装pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。进阶扩展想改代码从哪下手数据源接入入口在 tradingagents/dataflows/data_source_manager.py负责多源调度providers/下是 Tushare、AkShare、BaoStock 等具体实现。怎么加一个自己的数据源直接读 docs/development/ADD_NEW_DATA_SOURCE.md想接消息类数据源可以看 examples/crawlers/。模型与提示词替换LLM 适配层在 tradingagents/llm_adapters/ 和 tradingagents/llm_clients/各分析师的提示词和工具调用逻辑在 tradingagents/agents/。跑通后可以先从config页换模型版本如从 qwen-plus 换 qwen-max感受差异再动提示词。下一步打开 docs/guides/v1.0.1-user-manual.md 对照界面熟悉数据同步和配置页然后跑python -m cli.main config确认密钥就位。首次分析建议选一只 A 股、研究深度选 1 级单股单深度几分钟就能出完整报告之后再逐步加深。这个框架定位是学习与研究用途输出结论来自 LLM 推理不构成投资建议实盘决策请自行判断。【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