TradingAgents （多智能体金融交易框架）
122,088
Stars
0
Forks
0
Watchers
0
Open Issues
未知
许可证
Python
语言
创建时间
最近更新
项目能做什么
基于多 Agent 和 LLM 的金融交易分析与决策框架。
来源：基于仓库元数据
· 内容以仓库实际 README 为准
使用说明 查看原始 README 原仓库文档
项目简介
TradingAgents 是一个基于多智能体（Multi-Agents）与大语言模型（LLM）的金融交易研究框架。该项目基于学术研究（论文：arXiv:2412.20138），通过构建不同的智能体角色（如研究员、分析师、交易员等）协同工作，实现对金融资产的分析、决策与模拟回测。
核心功能
根据仓库更新记录，项目具备以下核心特性与功能：
- 多 Agent 协同架构：包含 Research Manager、Trader、Portfolio Manager、Sentiment Analyst 等多个具备结构化输出能力的 Agent，支持分析师角色并行分析，管理层与分析师可使用不同层级的大模型。
- 严谨的时点数据完整性（Point-in-Time）：内置前瞻偏差（Look-ahead）防护，回测时模型仅可获取分析日期前已发布的数据（包括 SEC EDGAR 财报、FRED 宏观数据、社交媒体情绪等），避免未来函数影响策略真实性。
- 丰富的多模态/多渠道数据集成：支持 SEC EDGAR 财报基本面、FRED 宏观数据、Polymarket 预测市场、Yahoo 搜索资讯、Alpha Vantage 数据及加密货币情绪源等。
- 全方位的大模型提供商支持：
- 支持 OpenAI、Anthropic（Claude 系列）、Google（Gemini 系列）、DeepSeek、Qwen（通义千问）、GLM（智谱）、MiniMax、Kimi、Groq、Mistral、Amazon Bedrock、NVIDIA 算力平台及任何 OpenAI 兼容的 API 端点。
- 支持远程 Ollama 本地部署调用。
- 支持直接接入个人 ChatGPT Plus / Pro 账户运行。
- 任务容错与状态恢复：基于 LangGraph 的 Checkpoint 断点续跑机制，以及配置化的 LLM 重试预算。
- 结果导出与 CLI 支持：支持命令行无交互直接运行，分析报告可统一保存为单页 HTML，并配有持久化决策日志（decision log）。
- 容器化与跨平台：提供 Docker 支持、代理配置（Proxy support）以及 Windows 平台 UTF-8 编码适配。
适合谁用
- 探索大语言模型（LLM）在量化金融与交易决策中落地的量化开发者与算法工程师。
- 需要多 Agent 协同做金融研报分析、情绪挖掘的研究人员。
- 想要评估 DeepSeek、Qwen、Claude、GPT 等不同模型在金融交易与分析场景中表现的开发者。
安装步骤
说明：当前 README 截取片段中未包含具体安装命令，此部分原文未说明，请查看原仓库。
（注：项目在更新日志中提及已支持 Docker 部署，并在每个 GitHub Release 中附带了 Python wheel 安装包）。
配置说明
根据版本更新日志，项目主要包含以下配置与使用方式（详细配置字段原文未完整提供，请查看原仓库）：
-
CLI 命令行参数 可以通过命令行参数无提示运行指定标的与日期的分析，例如：
bash # 原文提及的常用命令行标志（Flags） --ticker <标的代码> --date <分析日期> -
环境变量配置 - 支持通过以
TRADINGAGENTS_*开头的环境变量进行配置。 - 支持主流模型 API 密钥自动检测（API-key auto-detection）。 -
模型分层配置 - 可以在配置中为不同角色（如 Manager 和 Analyst）指定不同厂商或不同级别的 LLM 模型。
常见问题
此部分原文未说明，请查看原仓库 TradingAgents GitHub 仓库 或加入其官方 Discord 社区 获取最新答疑。
原始 README 摘录（英文原文，节选前 3000 字符）
<p align="center"> <img src="tradingagents/assets/tauric-logo.svg" width="60%" alt="Tauric Research"> </p> # TradingAgents: Multi-Agents LLM Financial Trading Framework <div align="center" style="line-height: 1;"> <a href="https://arxiv.org/abs/2412.20138" target="_blank"><img alt="arXiv" src="https://img.shields.io/badge/arXiv-2412.20138-B31B1B?logo=arxiv"/></a> <a href="https://discord.com/invite/hk9PGKShPK" target="_blank"><img alt="Discord" src="https://img.shields.io/badge/Discord-TradingResearch-7289da?logo=discord&logoColor=white&color=7289da"/></a> <a href="https://x.com/TauricResearch" target="_blank"><img alt="X Follow" src="https://img.shields.io/badge/X-TauricResearch-white?logo=x&logoColor=white"/></a> <a href="https://github.com/TauricResearch/" target="_blank"><img alt="Community" src="https://img.shields.io/badge/GitHub_Community-TauricResearch-14C290?logo=discourse"/></a> </div> <br> <div align="center"> <a href="https://github.com/TauricResearch" target="_blank"><img alt="TradingAgents #1 Repository of the Day" src="https://trendshift.io/api/badge/repositories/16192" width="250" height="55"/></a> </div> ## Latest: [Trading-R1](https://github.com/TauricResearch/Trading-R1) is now in early access After so many requests from the community, Trading-R1 has officially launched! <p align="center"> <a href="https://github.com/TauricResearch/Trading-R1" target="_blank"><img src="https://raw.githubusercontent.com/TauricResearch/Trading-R1/main/assets/trading-r1.gif" alt="Trading-R1 answering a research question in the terminal" width="100%"></a> </p> <h3 align="center"><a href="https://github.com/TauricResearch/Trading-R1" target="_blank">Register for early access ↗</a></h3> ## News <!-- news:start --> - [2026-11] **Trading-R1 v0.1.0** released, and [early access](https://github.com/TauricResearch/Trading-R1) is open. - [2026-10] **TradingAgents v0.7.1** released with decisions scored only on final closes and settled across long market holidays, a fix for model dates that could read filings made after the run date, and fixes to portfolios, prices, SEC statements and reports. - [2026-10] **TradingAgents v0.7.0** released with runs on your own ChatGPT Plus or Pro plan, backtests scored from the first close after each decision, a note at start-up when a newer release is out, and a wheel attached to each GitHub release. <details> <summary>Earlier news</summary> - [2026-10] **TradingAgents v0.6.0** released with reports saved as one HTML page, a provider per model tier so the managers and analysts can run on different models, past decisions settled for every ticker while the analysts work, and company news read from Yahoo search while Yahoo's news feed is down. - [2026-09] **TradingAgents v0.5.2** released with parallel analysts for a faster analysis, a CLI that runs without prompts from flags such as `--ticker` and `--date`, the run's settings recorded in every report, and backtests that see only data published by eac阅读完整原文
商业机会分析 规则生成（AI 未配置）
综合评分 51.8 分。该项目在“个人可实施性”维度得 60 分，“付费可能性”维度得 44.0 分，差异化空间 40.0 分（评分依据见评分卡）。
将 TradingAgents 改造为垂直场景 SaaS
| 产品构想 | 保留核心能力，针对某一类用户（如某行业团队）做托管版，收取月费。 |
| 目标用户 | 有该需求的中小团队 / 独立站长 |
| 难度/周期 | 中 · 2~4 周（MVP） |
| 收费模式 | 订阅制（如 ¥29~99/月） |
| 竞争风险 | 需验证付费意愿；注意许可证合规 |
| 依据 | 数据支持的判断：许可证与关键词显示存在商用与付费场景 |
面向细分需求的二次开发产品
| 产品构想 | 基于 TradingAgents 的核心能力，聚焦一个更窄的场景（如某平台、某行业）做差异化。 |
| 目标用户 | 该细分场景用户 |
| 难度/周期 | 中 · 2~6 周 |
| 收费模式 | 买断制 / 订阅制 / 广告 |
| 竞争风险 | 细分需求规模需验证 |
| 依据 | AI 推测：基于项目主题标签的判断 |
封装为在线小工具或 API 服务
| 产品构想 | 把项目最常用的一个功能做成网页小工具，靠流量变现或按量计费。 |
| 目标用户 | 搜索引擎带来的长尾用户 |
| 难度/周期 | 低 · 1~3 周 |
| 收费模式 | 免费引流 + 增值功能 / API 按量计费 |
| 竞争风险 | 同质化竞争，需做好 SEO |
| 依据 | AI 推测：基于技术栈与部署特征的判断 |
以上为规则引擎基于仓库公开数据生成的参考结论，包含推测成分，不构成投资或创业承诺；配置 AI 后可获得更深入的分析。
报告会保存到 个人中心
竞品与相似项目 GitHub Search 真实检索
| 项目 | 中文简介 | Stars | 语言 |
|---|---|---|---|
| hsliuping/TradingAgents-CN | 中文介绍暂未生成 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版 |
32,876 | Python |
| simonlin1212/TradingAgents-astock | 中文介绍暂未生成 A股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)，7位分析师基于A股规则的辩论决策，基于Tradin |
3,948 | Python |
| TNT-Likely/PanWatch | 中文介绍暂未生成 PanWatch — AI stock monitoring for A-shares, HK & US markets |
2,445 | Python |
| KylinMountain/TradingAgents-AShare | 中文介绍暂未生成 A 股多智能体智能投研系统 — 基于 TradingAgents 架构，15 名 AI Agent 模拟机构协作与实时辩 |
899 | Python |
| guangxiangdebizi/TradingAgents-MCPmode | 中文介绍暂未生成 TradingAgents-MCPmode 是一个创新的多智能体交易分析系统，集成了 Model Context Pro |
340 | Python |
| vongchu/TradingAgents_TauricResearch | 中文介绍暂未生成 | 280 | Python |
以上为通过 GitHub 官方 Search API 检索的相似项目，功能差异与优劣势需进一步人工确认，配置 AI 后可生成对比分析。
项目优势与风险
| 技术成熟度 | 创建于 ，最近推送 ，发布过 15 个 Release |
| 社区活跃 | Star 122,088 / Fork 0 / Issue 0（数据支持，可自行核实） |
| 许可证 | 未检测到（需人工确认） |
| 主要风险 | 上游项目方向可能变化；同赛道竞争者较多（见竞品表）；热度与需求不完全等价 |
安装与使用
快速开始（以仓库 README 为准）
git clone https://github.com/TauricResearch/TradingAgents.git cd TradingAgents # 请阅读仓库 README 获取确切安装步骤（依赖、配置、启动命令）
术语说明：Docker＝应用容器（把程序和依赖打包运行）；API Key＝调用外部服务的密钥；Git Clone＝把仓库代码下载到本地。常见错误：API Key 未配置 / 端口占用 / 数据库连接失败，多数项目在 README 的 Troubleshooting 章节有说明。