详情介绍
TradingAgents-CN不仅仅是一个量化分析脚本,它更像一个为AI设计的“虚拟券商研究所”。核心思想源于对真实投研流程的数字化重构:面对一只股票,人类团队需要有人看技术图形、有人读财务报表、有人追踪新闻舆情,汇总观点、辩论分歧,形成最终建议。TradingAgents-CN通过大语言模型驱动多个智能体,复现了这一流程。
该框架由Tauric Research团队发起,并由中文社区深度优化(项目地址:https://github.com/hsliuping/TradingAgents-CN ),技术架构经历了从Streamlit单体应用到FastAPI+Vue3企业级架构的迭代,支持Docker一键部署和多数据源(如Tushare、AkShare、通达信)无缝接入。值得强调的是,它被明确定位为“研究支持与信号生成”工具,不适合直接用于无监控的自动化实盘交易,这为合规使用划清了界限。目前,该框架在GitHub上已获得超过12K的星标,并被国信证券等机构的研究报告作为AI投研案例进行分析。
官网入口地址
-
项目官网/主站:项目主要通过GitHub进行发布和沟通,没有独立的官网。
-
GitHub项目地址: https://github.com/hsliuping/TradingAgents-CN (唯一官方入口,可在此获取源码、文档和版本信息)
下载地址
-
框架本身为开源代码,无传统意义上的“下载包”。用户通过
git clone命令获取源码。 -
项目提供三种部署方式,用户可根据需求选择:
-
绿色版:适合Windows新手,解压即用。
-
Docker版:适合生产环境,一键启动,环境隔离。
-
源码版:适合开发者,可进行深度定制。
-
功能介绍
TradingAgents-CN的核心功能是构建一个结构化、自动化的AI投研工作流,具体体现在以下几个方面:
-
多智能体协作与辩论机制:这是框架的灵魂。系统内置了多个具有不同专长的智能体:
-
市场分析师:负责计算MA、MACD、RSI等技术指标,识别趋势和关键价位。
-
基本面分析师:解读PE、PB、ROE、营收增长等财务数据,进行估值评估和行业对比。
-
新闻与情绪分析师:实时抓取相关新闻,分析舆情情绪(正面/负面/中性),追踪市场热点。
-
风险分析师:综合各方面信息,评估市场风险、信用风险和流动性风险。
更先进的是,框架内还存在看涨研究员与看跌研究员的辩论机制,通过观点碰撞来减少认知偏差,最终由交易员智能体或组合投资经理整合各方意见,形成最终投资建议。
-
-
多维度数据源整合:打破了数据孤岛,将行情数据、财务因子、新闻事件和社交舆情统一抽象为“分析师团队”的任务节点。支持通达信、AkShare、Tushare、Yahoo Finance、FinnHub等国内外主流数据源,并可配置优先级和智能降级策略,确保数据获取的稳定性和完整性。
-
灵活的LLM模型适配:通过统一的适配器架构,支持无缝接入国内外主流大模型,包括OpenAI、Google Gemini、DeepSeek、阿里千帆、智谱AI等,甚至支持通过Ollama或vLLM接入本地部署的模型。系统还支持根据任务类型(如快速探索或深度研究)自动选择模型。
-
模拟交易与策略验证:提供模拟交易账户功能,可以实时归集现金、持仓市值、总权益及历史订单。用户可以将AI的分析结论通过“一键下单”快速生成模拟交易指令,形成“分析-决策-执行-复盘”的完整闭环,便于低风险验证策略有效性。
-
企业级Web界面与报告导出:基于Vue3+Element Plus构建的现代化前端,提供直观的分析配置、实时进度跟踪和多维度结果展示。分析报告支持导出为Markdown、Word、PDF等格式,方便存档、分享或二次编辑。
-
用户与权限管理:企业级版本(或内测版)引入了完整的用户认证、角色管理和操作日志审计功能,符合机构内部的合规与风控要求。
应用场景
-
个人投资者的投研外脑:面对不熟悉的股票,让AI团队快速生成一份包含技术、基本面和舆情维度的分析简报,辅助自己做出更理性的买卖决策。
-
量化研究员/分析师的效率工具:将繁琐的数据搜集、初步分析和报告撰写工作自动化,让自己能更专注于策略逻辑的深度研究和模型创新。
-
投资机构的内训与协作平台:新分析师可以通过观察AI团队的分析过程和辩论逻辑来学习;团队可以将分析框架固化到系统中,实现投研能力的沉淀和复用。
-
金融科技课程的教学实验:在高校或培训机构中,学生可以利用该框架直观地理解AI如何应用于金融分析,并动手实践多智能体系统的搭建与调优。
定价与应用示例
-
定价模式:TradingAgents-CN采用开源核心与商业化探索并行的模式。
-
开源版本:核心框架免费,采用Apache 2.0等许可证。用户可以免费下载、自部署,用于学习、研究和非商业用途。免费版本包含了核心的多智能体分析、模拟交易等基础功能。
-
商业版本/高级功能:根据项目信息,存在一个v1.0.0-preview内测版本,采用了更先进的企业级架构(FastAPI+Vue3),并增加了用户权限管理、配置中心等高级功能。这部分通过申请内测、商业授权或付费云服务的方式提供。有第三方工具站标记为“免费”工具。
-
-
应用示例:一位关注新能源板块的投资者,对“宁德时代”的后续走势拿捏不准。他打开部署好的TradingAgents-CN,输入代码“300750.SZ”,选择“深度研究”模式。在接下来的几分钟里,他通过Web界面看到:市场分析师画出了带支撑位的K线图;基本面分析师调取了的财报并与行业平均对比;新闻分析师抓取了近期的机构研报和舆论热点。最终,这些分析经过内部辩论后,由交易员智能体整合成一份包含操作建议、目标价位、风险提示的结构化报告。投资者仔细阅读了这份报告,并参考中“看跌分析师”提出的产能过剩风险,决定暂缓加仓,避免了后续一波回调带来的损失。
TradingAgents-CN常见问题
最初由Tauric Research团队发起,但为中文用户优化的这个版本(hsliuping/TradingAgents-CN)主要由国内的开源贡献者维护和推进。目前它不是一个商业公司的产品,而是一个社区驱动的开源项目。
这个项目本身是一个需要自行部署的开源工具,所以没有统一的官方在线体验网站。不过,你可以直接访问它的GitHub页面 https://github.com/hsliuping/TradingAgents-CN 获取源码和部署指南,自己动手搭一个。
简单说,它就像你雇了一个AI投资研究团队。这个团队里有专门看图的、读财报的、刷新闻的,还有专门负责挑刺的风险官。你只需要给它一个股票代码,它们就会各司职,给你一份有理有据的投资分析报告,告诉你这只股票怎么样。
项目方考虑到了这一点,提供了“绿色版”。你可以去它的GitHub页面找找有没有发布打包好的绿色版压缩包,下载解压后,直接双击运行,就能看到一个操作界面,然后在里面输入股票代码开始分析。这是最简单的方式,不用碰代码。
核心开源版本是免费的,你可以从GitHub上免费下载使用。不过,项目也推出了一个功能更强大的v1.0.0-preview内测版,采用了企业级架构,这个版本目前需要通过官方公众号申请内测资格才能使用,未来会有商业化的考虑。
分析结论是基于数据和模型的推理,可以提供非常有价值的参考,但切记不能把它当作稳赚不赔的“圣杯”。从技术上看,它通过多智能体辩论和引用证据的方式,能有效减少“胡说八道”的概率,结论相对可靠。安全方面,因为它支持本地化部署,你的数据可以全程留存在自己的电脑里,隐私安全很有保障。
有的。一个重要的技巧是“因事择人”地选择模型。在配置LLM时,你可以把像DeepSeek这样成本低的模型设为日常快速分析的默认模型,而对于那些特别重要的、需要深度研究的股票,再手动切换到GPT-4或Claude这类更强的模型上。这样既保证了效率,又能控制成本。
最独特的点就是“多智能体辩论”机制。大多数工具只是给出一堆数据或者一个简单的结论,而TradingAgents-CN会让你看到看涨派和看跌派是怎么激烈争论的,还有风险官出来提意见。这个过程非常像真实的研究所,能帮你理解一只股票的多空逻辑,而不仅仅是知道一个结果。
不用担心,尤是当你选择Docker或源码方式在自己的电脑或公司服务器上部署时。所有数据,包括你导入的持仓和生成的分析报告,都只在你自己的机器里流转,不会上传到任何第三方服务器。数据是否安全,由你自己掌控。
非常好用,它简直就是一个“AI导师”。你可以随便输入一只股票,然后仔细阅读它生成的分析报告,尤要注意看每个结论后面引用的数据和逻辑。通过反复观察AI团队的分析思路,你能很快地理解技术指标怎么看、财报数据怎么解读、新闻事件怎么影响股价,是学习投资分析的神器。
不能,它本身不生成PPT文件。但它能把分析结果导出成非常规范的Word或PDF文档。你可以把这个文档里的核心观点、数据图表直接复制粘贴到PPT里,省去了自己整理素材的大量时间。
当然不能。TradingAgents-CN是一个纯粹的数据分析和投资决策支持框架,核心功能是处理金融数据和文本信息,不涉及视频生成领域。
分析的深度主要取决于你选择的研究模式(比如快速分析还是深度研究),以及你为它配置的大语言模型的能力。深度研究模式下,系统会调用更多智能体、进行更复杂的辩论,消耗的token更多,耗时也更长,但理论上分析的颗粒度会更细。模型能力越强,分析报告的逻辑性和深度也越好。
| 分享笔记 (共有 篇笔记) |