【TradingAgents】用多个AI“分析师”一起开头脑风暴，帮你做股票决策的开源框架

作者提米哥

TradingAgents 是一个开源的多智能体金融交易框架，它把真实投资机构的工作流程搬进代码里——让多个专业分工的 AI 智能体（比如基本面分析师、情绪专家、技术面高手、风险官等）协同讨论、辩论、评估，最终生成交易建议。它不直接下单，而是为研究人员和开发者提供一个可复现、可调试、可扩展的 LLM 驱动交易决策模拟环境。

项目主要功能与特性包括：
– ✅ 角色化多智能体架构：包含分析师团队（基本面、情绪、新闻、技术四类）、研究者团队（多轮牛熊辩论）、交易员代理、风控与组合管理模块；
– ✅ 多 LLM 后端支持：原生兼容 OpenAI（GPT-5.x）、Google（Gemini 3.x）、Anthropic（Claude 4.x）、xAI（Grok 4.x）、OpenRouter 及本地 Ollama 模型；
– ✅ 可配置的分析深度：支持调整模型选择（如 deep_think_llm / quick_think_llm）、辩论轮次、温度参数等；
– ✅ 结构化输出与模拟执行流：从数据输入 → 多方讨论 → 风控评估 → 组合经理终审 → 模拟下单，全程可追踪、可审计；
– ✅ 研究导向设计：明确声明不提供投资建议，适用于学术验证、策略回测、AI 决策过程可解释性研究等场景。

安装与快速上手： 

git clone https://github.com/TauricResearch/TradingAgents.git  
cd TradingAgents  
conda create -n tradingagents python=3.3  
conda activate tradingagents  
pip install .

配置 API 密钥（任选其一即可）： 

export OPENAI_API_KEY=sk-...  
# 或复制 .env.example 并填写对应密钥  
cp .env.example .env

启动交互式 CLI： 

tradingagents

或在 Python 中调用： 

from tradingagents.graph.trading_graph import TradingAgentsGraph  
from tradingagents.default_config import DEFAULT_CONFIG  
ta = TradingAgentsGraph(config=DEFAULT_CONFIG.copy())  
_, decision = ta.propagate("AAPL", "2026-03-10")  
print(decision)

这个框架最适合以下场景：
– 金融 AI 研究者：想系统性探索多智能体协作在量化决策中的作用；
– 算法交易学习者：需要一个结构清晰、模块解耦的参考实现来理解“AI 如何模拟人类投研流程”；
– 教育与教学场景：用于讲授 LLM 编排、Agent 设计、金融逻辑建模等交叉课题；
– 策略原型验证者：在不接入实盘前，先用模拟市场+多视角推理评估策略鲁棒性。
它不是面向散户的一键跟单工具，也不替代专业投顾服务，而是为懂技术、重过程、求透明的研究型用户而生。

总结：TradingAgents 是一个设计严谨、职责分明、开箱即用的多智能体交易研究框架。它把抽象的“AI 做投资”拆解为可观察、可干预、可替换的具体角色与流程，填补了 LLM 金融应用中“决策机制黑箱化”的空白。如果你关注 AI 如何真正参与复杂判断，而非仅生成报告或信号，那么这个项目值得深入尝试——建议访问其主页获取更详细信息。

作加

类似文章