多智能体协作量化交易框架 TradingAgents-CN股票多空对辩交给AI【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一只股票值不值得买过去你靠刷行情、翻研报、问群友在 TradingAgents-CN 里靠的是一场AI内部的投资分析会——分析师先交作业多空研究员当面辩论三位不同性格的风控官投票定调。这是一个基于多智能体LLM协作的中文量化交易研究框架你输入股票代码取证、对辩、风控都由这支AI团队完成。图1CLI 分析界面左侧展示分析师、研究、风控、组合管理层各智能体的运行状态右侧为工具调用日志与生成的市场分析报告先说没有它的时候有多难受场景一20个标签页拼出一张图晚上11点浏览器里开着行情软件、新闻App、股吧、券商研报PDF加起来20多个标签页。价格在这里、消息在那里、估值指标在第三屏。想确认这只票今天到底发生了什么你得先当一回人工数据管道手动把碎片粘成一张完整的图。场景二你既是球员又是裁判一旦你心里偏向要买接下来翻到的每条新闻都像利好每条指标都像在确认。确认偏误不需要培训就会上岗。真正的专业投研团队靠的是有人专职唱反调而一个人很难对自己下的结论动手。场景三情绪比信号先到刚卖掉就涨刚追高就跌。多数个人投资者不是输在信息不够而是输在决定的那一刻没有第二个人反对自己。缺的往往不是数据是一个强制你从反面想一遍的机制。核心机制拆解三个设计让AI团队不像一个人在说一支分析师队伍每人只盯一件事它做了什么框架把研究拆成多个专职智能体——市场分析师盯技术面均线、MACD、布林带新闻分析师筛事件与舆情基本面分析师核对财务与估值社交媒体分析师跟踪社区情绪。每个智能体只领自己那一摊数据独立产出结构化报告。为什么这么做让一个模型同时看价格、消息、财报注意力会被摊薄就像让一个人同时当会计和记者。分工后每个智能体的提示词更聚焦出错也更容易定位——哪份报告有问题改哪个智能体就行。你能感知到的变化一次分析任务会生成多份分项报告技术指标、新闻脉络、财务健康各成一节最后汇总成一份完整分析。你拿到的是材料齐全而不是一句话结论。多空对辩AI版的投资委员会它做了什么研究阶段不是单一研究员而是看涨Bullish与看跌Bearish两位独立研究员各自持有相反目标围绕同一只股票辩论输出正反双方的关键论据。为什么这么做单方分析天然倾向自我证实。强制设立唱反调角色是把机构投研会里的红队机制搬进了代码里让每个多头理由都必须先经受空头质询。你能感知到的变化最终建议不再是一句看多而是附带对方最强反对意见的结论。测试数据显示这种机制能帮你提前看到那些买之前没人提醒的风险点。图2看涨与看跌研究员就同一标的进行观点对辩双方各自输出关键点摘要三个风控官投票而不是一个人的直觉它做了什么交易决策前风控管理组里同时存在激进Risky、中性Neutral、保守Safe三位智能体各自基于不同风险偏好给出评估再由管理器Manager综合研判输出最终建议与风险说明。为什么这么做风控最忌一刀切。同一笔交易风险承受力不同的人该有不同答案。三种风险偏好并行等价于把仓位判断从单点直觉变成多视角投票极端偏好被稀释。你能感知到的变化结论里会明确写出风险与理由而不只是一个方向按钮。你可以根据自己的真实风险偏好选择更贴近哪位风控官的结论。图3激进、中性、保守三位风控智能体输出报告由 Manager 汇总为最终投资推荐架构速览像一栋五层办公楼图4从数据输入、研究分析、交易决策、风险管理到组合执行的完整数据流转路径把整个系统理解成一栋楼底层是数据输入层行情、新闻、社媒、基本面四路数据从不同供应商进来往上是研究分析层四位分析师在这里交作业中间是决策层多空研究员辩论、交易员Trader把辩论结果翻译成具体交易提案再上一层是风险管理层三位风控官和管理器把关顶层是执行与监控输出最终决策并跟踪绩效。数据像流水线一样自下而上流动每个模块只依赖它上游的产出替换任何一层——比如换一家LLM、换一个数据源——都不会牵动其他层。这也是 docs/architecture/ 里被反复强调的模块化设计意图。环节个人手动研究TradingAgents-CN数据整理多平台手动拼接四路数据源统一管道反面论证基本没有专职空头研究员对辩风控判断凭感觉三种风险偏好并行评估交付形式一句话结论分项报告辩论纪要风险说明上手路径5步看到第一场辩论克隆仓库git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN启动容器docker-compose up -d浏览器打开本地端口进入配置页填入大模型API密钥与数据源密钥先同步股票数据官方提醒不先同步再分析结果会出现数据错误选择一只股票发起分析在界面上观察各智能体状态流转与最终报告谁会用它想在A股、港股、美股做研究学习的个人投资者——项目定位是学习与研究平台不直接给出实盘交易指令以及想理解多智能体LLM协作机制的工程师把它的图结构tradingagents/graph/当教学样本拆解都很合适。详细步骤可参考 快速入门指南 与 docs/config/ 下的配置说明。回扣开头一场完整的AI投资分析会开头说的那场AI投资分析会到这里已经完整跑通分析师交作业、研究员对辩、风控官投票、管理器拍板。整套流程走完你得到的不是一句买或卖而是一份带完整证据链和反对意见的分析档案——这正是把机构投研流程装进一个开源仓库的价值所在。跑一条docker-compose up -d挑你手里的一只票看看这场辩论会给出什么结论。【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