拓冰网站定制 
TradingAgents-CN用多智能体 LLM 跑通完整股票分析的 3 条路径【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 是一个多智能体 LLM 股票分析框架让多个 AI 智能体模拟一支研究员团队协作产出一份个股分析报告。假设你想评估贵州茅台不用自己翻行情、翻财报、翻新闻输入代码几分钟内就能拿到一份覆盖基本面、技术面、情绪面的结构化报告外加一个明确的买入/持有/卖出结论。报告里能看到每一步是谁说的、依据是什么而不是一段黑盒文字。30秒看全貌系统分四层各管各的数据层Tushare、AkShare、BaoStock 统一接入本地 MongoDB 存已同步的行情与财务数据Redis 管缓存和分析进度智能体层市场分析师、基本面分析师、新闻分析师、多空研究员、风控辩论者、交易员每个角色只盯自己的领域后端服务FastAPI 提供 REST 接口分析任务进队列由 worker 消费执行前端Vue 3 单页应用输入代码、实时看进度、导出报告操作全在网页上完成组件干什么要不要额外配置TushareA股行情与财务数据质量最全要需免费申请 tokenAkShare免费行情/新闻Tushare 不可用时多级降级兜底不要BaoStock免费历史行情备用兜底不要MongoDB Redis存同步好的本地数据、缓存、进度推送Docker 部署自带先记住一条主线股票分析的质量上限由数据层决定。本地库里有这只股票的数据分析才跑得动、跑得准这也是后文几乎所有坑的根源。三条路径跑起来如果不动代码走第一条就够了。三条路径的区别只在于你要多少控制权和要装多少东西。只想试试5分钟内用命令行交互模式不需要数据库git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN pip install -r requirements.txt cp .env.example .env # 填一个 LLM 密钥如 DEEPSEEK_API_KEY python cli/main.py这一步在干什么装好程序后进入交互式命令行输入股票代码就能发起一次股票分析适合先验证整条链路通不通。要稳定跑Docker 一键cp .env.example .env # 填 LLM 密钥和 Tushare token docker-compose up -d这一步一次性拉起后端、前端、MongoDB、Redis 四个容器。启动后浏览器访问 http://localhost:3000 进 Web 控制台API 在 http://localhost:8000。数据同步、批量分析、定时任务、报告导出这些功能只有 Web 版有全。要改代码源码部署前提本机可用 MongoDB4.4和 Redis6.0并装好 Python 依赖。uvicorn app.main:app --reload # 后端8000 端口 cd frontend yarn install yarn dev # 前端3000 端口 python app/worker.py # 数据同步与分析任务 worker这条路径是改tradingagents/下的提示词、智能体逻辑或数据源时的标准姿势改完刷新页面即可验证。项目最低推荐内存4GB8GB磁盘20GB50GB SSDCPU2 核4 核网络可访问外网或配好代理带宽稳定的固定网络看它到底怎么工作先不列模块跟着一次请求走。你在前端提交分析 600519日期 2026-09-02内部依次发生五件事。① 取数。后端先查 MongoDB 本地库这只股票没同步过就按 Tushare→AkShare→BaoStock 的优先级回退拉取。行情序列、财务快照、近 24 小时新闻全部从这里过优先级顺序在配置里可调。对比传统做法——每个分析师各写脚本各拉各的数据——这里所有智能体拿到的是同一份数据快照结论之间才可比。② 三个分析师并行干活。市场分析师算技术指标MACD、RSI 这类用本地 stockstats 算不交给 LLM 心算基本面分析师看 PE/PB/ROE新闻分析师给新闻打情绪分。关键设计是互相隔离每个分析师只看到原始数据看不到别人的结论避免先发言的人定调全场。③ 多空辩论。这是和让 LLM 一次给答案差别最大的环节。看多研究员和看空研究员基于分析师报告轮流陈述各max_debate_rounds轮默认 1 轮研究经理主持并综合出研究结论。看多方必须找到买点的证据看空方必须找到卖点的证据结论是交锋的产物。你实际看到什么报告里有一段完整的辩论记录——多方论点、空方反驳、主持总结原文都保留。④ 风控讨论与最终决策。激进、中性、保守三个立场的风控辩论者各自发言风控经理综合最后交易员输出最终动作买入/增持/持有/减持/卖出。⑤ 落盘与推送。每个智能体的输出写入报告报告存到data/analysis_results/detailed/{代码}/{日期}/进度通过 SSE/WebSocket 实时推到页面。这套设计换到的东西很具体推理过程可追溯。报告不只是一个结论而是谁在什么依据下说了什么哪一步可以翻出来重看。走一遍完整流程以 Web 控制台完成一次 A 股个股的股票分析为例按时间线走启动服务Docker 路径浏览器登录 http://localhost:3000。同步股票数据进数据同步入口选 600519等它跑完。同步结果页会展示主链路、回退链路、失败原因和market_quotes落库状态——看到落库成功再往下走这是后面所有分析的输入。发起分析分析页输入600519选 LLM 供应商和模型点开始。页面上进度条按阶段推进取数 → 三位分析师 → 多空辩论 → 风控讨论 → 交易员决策卡在哪一步一眼可见。看结果与导出报告包含各智能体观点原文、辩论记录、风险评估和最终建议可导出 Markdown/Word/PDF本地同时存在data/analysis_results/detailed/600519/下。示意输入输出数值仅为演示环节内容输入600519分析日期2026-09-02基本面PE 22.5ROE 34.2%估值处于历史中低位技术面股价在 20 日线上方MACD 金叉情绪面近 24h 新闻 12 正 3 负情绪偏正面多空辩论多方业绩稳、分红高空方估值已不便宜最终结论增持回调至 20 日线加破位则降仓批量和自动化不用另写脚本页面里的批量分析可以同时投多只股票定时任务能设交易日自动跑一轮报告自动落盘。对症调参数只列改了之后效果真的会变的东西按如果你发现 X可以试 Y来说分析太慢或 token 太贵别加max_debate_rounds默认就是 1够了把quick_think_llm换成便宜的模型。系统是双模型策略——便宜模型处理数据整理强模型只做辩论和决策把贵的那档花在刀刃上新闻情绪干扰判断.env里把ONLINE_NEWS_ENABLED关掉或只看报告中的新闻小节。关掉后分析师少一份输入情绪面结论会消失想要盘中实时行情设REALTIME_DATA_ENABLEDtrue默认关闭就是为了防数据源限流报告风格不合胃口直接改tradingagents/agents/下各角色的提示词文件每个智能体的 system prompt 是独立的改一个不影响别的数据源与密钥按优先级从高到低配MongoDB 本地库——数据同步进来后它排第一命中就不打外部接口既快又省钱Tushare——A 股行情和财务的主力源免费申请 token数据质量最高AkShare——完全免费实时行情带多级降级链stock_bid_ask_em → stock_zh_a_spot → stock_zh_a_spot_em → stock_zh_a_histTushare 挂了它兜底BaoStock——免费历史行情只作最后备选四个源都能在 Web 配置中心里改优先级不用碰代码。要接自己的数据时在tradingagents/dataflows/providers/下继承基类class MyProvider(BaseProvider): def get_stock_data(self, symbol, start_date, end_date): df fetch_from_my_api(symbol, start_date, end_date) return df.to_string()在data_source_manager.py里注册后所有分析师智能体不用改一行代码就能用它取数。出问题时查这里现象大概率原因一条命令/操作解决分析能启动但报告缺数据、指标为空股票数据没同步本地库没行情先跑数据同步入口把该股票写进 MongoDB 再分析前端 3000 端口占用起不来端口映射冲突docker-compose.yml里前端映射改成3001:80启动报 Mongo 连接失败.env的TRADINGAGENTS_MONGODB_URL与 compose 内置账号密码不一致删掉.env里该变量让后端用 compose 里的mongodb:27017LLM 报缺少 API Key密钥没写进.env也没在 Web 配置.env填入DEEPSEEK_API_KEY等后docker-compose up -d重启实时行情全部拉取失败外部源限流或不可用Web 数据源配置里把实时主链路切到 AkShare分析卡住、进度不动队列没人消费确认app/worker.py进程活着队列页面看任务状态先知道它不能做什么它做的是 A 股、港股、美股的多维度股票分析多源数据兜底取数、多智能体辩论出结论、报告导出与本地归档、批量与定时分析、模拟交易验证想法。它不做实盘下单输出不构成投资建议数据质量受上游数据源限制LLM 有幻觉可能报告当研究辅助用别当最终结论。许可上注意tradingagents/核心代码是 Apache 2.0app/和frontend/商用需要单独授权。下一步就去克隆仓库从只想试试那条 5 分钟路径开始把一只股票的分析跑出来。【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：用多智能体 LLM 跑通完整股票分析的 3 条路径
TradingAgents-CN用多智能体 LLM 跑通完整股票分析的 3 条路径【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 是一个多智能体 LLM 股票分析框架让多个 AI 智能体模拟一支研究员团队协作产出一份个股分析报告。假设你想评估贵州茅台不用自己翻行情、翻财报、翻新闻输入代码几分钟内就能拿到一份覆盖基本面、技术面、情绪面的结构化报告外加一个明确的买入/持有/卖出结论。报告里能看到每一步是谁说的、依据是什么而不是一段黑盒文字。30秒看全貌系统分四层各管各的数据层Tushare、AkShare、BaoStock 统一接入本地 MongoDB 存已同步的行情与财务数据Redis 管缓存和分析进度智能体层市场分析师、基本面分析师、新闻分析师、多空研究员、风控辩论者、交易员每个角色只盯自己的领域后端服务FastAPI 提供 REST 接口分析任务进队列由 worker 消费执行前端Vue 3 单页应用输入代码、实时看进度、导出报告操作全在网页上完成组件干什么要不要额外配置TushareA股行情与财务数据质量最全要需免费申请 tokenAkShare免费行情/新闻Tushare 不可用时多级降级兜底不要BaoStock免费历史行情备用兜底不要MongoDB Redis存同步好的本地数据、缓存、进度推送Docker 部署自带先记住一条主线股票分析的质量上限由数据层决定。本地库里有这只股票的数据分析才跑得动、跑得准这也是后文几乎所有坑的根源。三条路径跑起来如果不动代码走第一条就够了。三条路径的区别只在于你要多少控制权和要装多少东西。只想试试5分钟内用命令行交互模式不需要数据库git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN pip install -r requirements.txt cp .env.example .env # 填一个 LLM 密钥如 DEEPSEEK_API_KEY python cli/main.py这一步在干什么装好程序后进入交互式命令行输入股票代码就能发起一次股票分析适合先验证整条链路通不通。要稳定跑Docker 一键cp .env.example .env # 填 LLM 密钥和 Tushare token docker-compose up -d这一步一次性拉起后端、前端、MongoDB、Redis 四个容器。启动后浏览器访问 http://localhost:3000 进 Web 控制台API 在 http://localhost:8000。数据同步、批量分析、定时任务、报告导出这些功能只有 Web 版有全。要改代码源码部署前提本机可用 MongoDB4.4和 Redis6.0并装好 Python 依赖。uvicorn app.main:app --reload # 后端8000 端口 cd frontend yarn install yarn dev # 前端3000 端口 python app/worker.py # 数据同步与分析任务 worker这条路径是改tradingagents/下的提示词、智能体逻辑或数据源时的标准姿势改完刷新页面即可验证。项目最低推荐内存4GB8GB磁盘20GB50GB SSDCPU2 核4 核网络可访问外网或配好代理带宽稳定的固定网络看它到底怎么工作先不列模块跟着一次请求走。你在前端提交分析 600519日期 2026-09-02内部依次发生五件事。① 取数。后端先查 MongoDB 本地库这只股票没同步过就按 Tushare→AkShare→BaoStock 的优先级回退拉取。行情序列、财务快照、近 24 小时新闻全部从这里过优先级顺序在配置里可调。对比传统做法——每个分析师各写脚本各拉各的数据——这里所有智能体拿到的是同一份数据快照结论之间才可比。② 三个分析师并行干活。市场分析师算技术指标MACD、RSI 这类用本地 stockstats 算不交给 LLM 心算基本面分析师看 PE/PB/ROE新闻分析师给新闻打情绪分。关键设计是互相隔离每个分析师只看到原始数据看不到别人的结论避免先发言的人定调全场。③ 多空辩论。这是和让 LLM 一次给答案差别最大的环节。看多研究员和看空研究员基于分析师报告轮流陈述各max_debate_rounds轮默认 1 轮研究经理主持并综合出研究结论。看多方必须找到买点的证据看空方必须找到卖点的证据结论是交锋的产物。你实际看到什么报告里有一段完整的辩论记录——多方论点、空方反驳、主持总结原文都保留。④ 风控讨论与最终决策。激进、中性、保守三个立场的风控辩论者各自发言风控经理综合最后交易员输出最终动作买入/增持/持有/减持/卖出。⑤ 落盘与推送。每个智能体的输出写入报告报告存到data/analysis_results/detailed/{代码}/{日期}/进度通过 SSE/WebSocket 实时推到页面。这套设计换到的东西很具体推理过程可追溯。报告不只是一个结论而是谁在什么依据下说了什么哪一步可以翻出来重看。走一遍完整流程以 Web 控制台完成一次 A 股个股的股票分析为例按时间线走启动服务Docker 路径浏览器登录 http://localhost:3000。同步股票数据进数据同步入口选 600519等它跑完。同步结果页会展示主链路、回退链路、失败原因和market_quotes落库状态——看到落库成功再往下走这是后面所有分析的输入。发起分析分析页输入600519选 LLM 供应商和模型点开始。页面上进度条按阶段推进取数 → 三位分析师 → 多空辩论 → 风控讨论 → 交易员决策卡在哪一步一眼可见。看结果与导出报告包含各智能体观点原文、辩论记录、风险评估和最终建议可导出 Markdown/Word/PDF本地同时存在data/analysis_results/detailed/600519/下。示意输入输出数值仅为演示环节内容输入600519分析日期2026-09-02基本面PE 22.5ROE 34.2%估值处于历史中低位技术面股价在 20 日线上方MACD 金叉情绪面近 24h 新闻 12 正 3 负情绪偏正面多空辩论多方业绩稳、分红高空方估值已不便宜最终结论增持回调至 20 日线加破位则降仓批量和自动化不用另写脚本页面里的批量分析可以同时投多只股票定时任务能设交易日自动跑一轮报告自动落盘。对症调参数只列改了之后效果真的会变的东西按如果你发现 X可以试 Y来说分析太慢或 token 太贵别加max_debate_rounds默认就是 1够了把quick_think_llm换成便宜的模型。系统是双模型策略——便宜模型处理数据整理强模型只做辩论和决策把贵的那档花在刀刃上新闻情绪干扰判断.env里把ONLINE_NEWS_ENABLED关掉或只看报告中的新闻小节。关掉后分析师少一份输入情绪面结论会消失想要盘中实时行情设REALTIME_DATA_ENABLEDtrue默认关闭就是为了防数据源限流报告风格不合胃口直接改tradingagents/agents/下各角色的提示词文件每个智能体的 system prompt 是独立的改一个不影响别的数据源与密钥按优先级从高到低配MongoDB 本地库——数据同步进来后它排第一命中就不打外部接口既快又省钱Tushare——A 股行情和财务的主力源免费申请 token数据质量最高AkShare——完全免费实时行情带多级降级链stock_bid_ask_em → stock_zh_a_spot → stock_zh_a_spot_em → stock_zh_a_histTushare 挂了它兜底BaoStock——免费历史行情只作最后备选四个源都能在 Web 配置中心里改优先级不用碰代码。要接自己的数据时在tradingagents/dataflows/providers/下继承基类class MyProvider(BaseProvider): def get_stock_data(self, symbol, start_date, end_date): df fetch_from_my_api(symbol, start_date, end_date) return df.to_string()在data_source_manager.py里注册后所有分析师智能体不用改一行代码就能用它取数。出问题时查这里现象大概率原因一条命令/操作解决分析能启动但报告缺数据、指标为空股票数据没同步本地库没行情先跑数据同步入口把该股票写进 MongoDB 再分析前端 3000 端口占用起不来端口映射冲突docker-compose.yml里前端映射改成3001:80启动报 Mongo 连接失败.env的TRADINGAGENTS_MONGODB_URL与 compose 内置账号密码不一致删掉.env里该变量让后端用 compose 里的mongodb:27017LLM 报缺少 API Key密钥没写进.env也没在 Web 配置.env填入DEEPSEEK_API_KEY等后docker-compose up -d重启实时行情全部拉取失败外部源限流或不可用Web 数据源配置里把实时主链路切到 AkShare分析卡住、进度不动队列没人消费确认app/worker.py进程活着队列页面看任务状态先知道它不能做什么它做的是 A 股、港股、美股的多维度股票分析多源数据兜底取数、多智能体辩论出结论、报告导出与本地归档、批量与定时分析、模拟交易验证想法。它不做实盘下单输出不构成投资建议数据质量受上游数据源限制LLM 有幻觉可能报告当研究辅助用别当最终结论。许可上注意tradingagents/核心代码是 Apache 2.0app/和frontend/商用需要单独授权。下一步就去克隆仓库从只想试试那条 5 分钟路径开始把一只股票的分析跑出来。【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