登录 注册

TradingAgents-CN

去点 Star
AI 模型与开发框架AI 应用与 AI Agent
32,920
Stars
6,853
Forks
250
Watchers
301
Open Issues
NOASSERTION
许可证
Python
语言
2025-06-26
创建时间
2026-09-22
最近更新

项目能做什么

基于多智能体 LLM 的中文金融交易框架(TradingAgents 中文增强版)。
来源:AI 基于仓库事实生成 · 内容以仓库实际 README 为准

使用说明 查看原始 README 原仓库文档

中文使用说明暂未生成。下面保留原仓库 README 摘录,命令与配置均以原文为准。
原始 README 摘录(英文原文,节选前 3000 字符)
# TradingAgents-CN 社区版(Community Edition)

**English**: TradingAgents-CN Community Edition is a hybrid-licensed (Apache-2.0 core engine + proprietary source-available application layer) multi-agent stock research assistant for the Chinese A-share market. It orchestrates LLM-based analyst agents for debate-style research, natural-language stock screening, paper trading and study courses. For learning and research only — **not investment advice**.

[![License](https://img.shields.io/badge/License-Hybrid_(Apache--2.0_+_Proprietary)-blue.svg)](./LICENSE)
[![Python](https://img.shields.io/badge/Python-3.11-blue.svg)](https://www.python.org/)
[![Vue](https://img.shields.io/badge/Vue-3-brightgreen.svg)](https://vuejs.org/)

基于多智能体协作的 A 股研究辅助系统。由多个扮演不同角色(大盘/板块/市场/基本面/新闻分析师,乐观/审慎研究员等)的 AI 智能体协作完成研究流程,帮助你系统化学习多智能体框架与 AI 大模型在股票研究中的应用。

> 本项目是研究辅助工具,所有 AI 生成内容仅供学习参考,**不构成投资建议**。

## 核心功能

- **单股研究**:多智能体辩论式分析(5 级深度),多情景观点呈现
- **通用研究**:自然语言提问,研究任意市场主题
- **股票筛选**:自然语言 + 条件筛选,从 6000+ 只股票中发现标的
- **选股助手**:按研究需求描述匹配候选股票池
- **智能助手**:联网搜索 + 工具调用 + 事实记忆
- **AI 记忆**:项目级记忆与事实沉淀
- **Skill 中心**:创建和管理自定义数据获取技能
- **学习中心**:免费系统课程(发现阶段 5 课)+ 8 篇学习指南
- **模拟交易**:纸面交易与复盘

## 版本演进

| 版本 | 定位 | 核心变化 |
|------|------|---------|
| v1.0 | 多智能体分析工具 | 单股研究 + 批量分析,多个分析师智能体协作完成 A 股研究流程 |
| v2.0 | 分析融入研究闭环 | 统一分析引擎 + 可视化工作流,新增持仓分析、操作复盘与阶段性复盘 |
| v2.1 | 研究辅助合规化 | 报告表达、提示词模板、界面文案全面对齐"研究辅助"定位;新模型接入与稳定性提升 |
| v3.0 | 从分析工具到 AI 助手 | 统一 AI 助手入口、自然语言选股、Agent 自主规划分析、Skill 能力扩展;架构升级为 FastAPI + Vue 3 + MongoDB/Redis |

## 社区版与 Pro 版的差异

| 能力 | 社区版 | Pro 版 |
|------|:------:|:------:|
| 单股研究 / 通用研究 / 股票筛选 | ✅ | ✅ |
| 学习中心(免费课程) / 模拟交易 / Skill 中心 | ✅ | ✅ |
| Agent 工作坊(创建、发布、管理自定义 Agent) | — | ✅ |
| 交易系统(策略创建 / 优化 / 模板调试) | — | ✅ |
| 定时分析 / 批量分析 | — | ✅ |
| 专业报告导出(Word / PDF 多格式) | — | ✅ |
| 高级课程(进阶 8 阶段) | — | ✅ |
| 许可 | 混合授权(核心引擎开源 + 应用层专有) | 商业许可 |

Pro 版面向有更高阶研究工作流需求的用户,获取方式见项目主页或联系作者。

## 快速开始

### 环境要求

- Python 3.11
- Node.js 18+
- MongoDB 7.0+(推荐 8.0)与 Redis 6+(推荐 7)—— 需自行安装,见下方「安装 MongoDB / Redis」

### 安装 MongoDB / Redis

本项目不自带数据库,请先自行安装并启动 MongoDB 与 Redis(版本要求见上)。任意一种安装方式都可以,只要**账号密码与端口和下一步的 `.env` 保持一致**。

| 系统 | MongoDB | Redis |
|------|---------|-------|
| Windows | 官网安装包 https://www.mongodb.com/try/download/community (安装后作为服务自启) | WSL 里运行 `redis-server`,或使用 Memurai 等兼容实现 |
| macOS | `brew tap mongodb/brew && brew install mongodb-community && brew services start mongodb-community` | `brew install redis && brew services start redis` |
| Ubuntu / Debian | 参考 https://www.mongodb.com/docs/manual/installation/ | `sudo apt install redis-server && sudo systemctl enable --now redis-server` |

也可以用 Docker 只跑这两个数据库(需要本机已装 Docker):

```bash
docker run -d --name ta-mongo -p 27017:27017 \
  -e MONGO_INITDB_ROOT_USERNAME=admin -e MONGO_INITDB_ROOT_PASSWORD=<你的密码> mongo:8.0
docker run -d --name ta-redis -p 6379:6379 \
  redis:7-alpine redis-server --requirepass <你的密码>
```

MongoDB 需开启认证(`authSource=admin`),并自行创建管理员账号;把用户名/密码、主机与端口写入下一步的 `.env`(本地默认 `localhost:27017` / `localhost:6379`)。

### 启动步骤

```
阅读完整原文

项目深度分析 AI 生成

开箱即用云端托管SaaS平台

产品构想针对3.2万+ Star背后的非技术股民,提供免安装MongoDB/Redis与本地环境的线上化TradingAgents云平台,自带免费额度与BYOK(自带API Key)模式。
核心功能云端多智能体辩论分析、自然语言选股、定时早晚盘批量研报推送、云端模拟盘追踪。
目标用户缺乏开发环境配置能力的个人投资者、高净值股民。
难度/周期中等 · 2-4周 · 成本:服务器/数据库租用成本(约300-600元/月)、前端域名与备案。
收费模式月度/年度订阅会员(区分BYOK基础版与含Token高级版)。
竞争风险A股合规风险(严禁提供荐股与直接投资建议,需严格落实投研辅助定位);大模型Token调用成本激增。
依据 数据支持的判断

Pro版商业授权与增值工具包

产品构想基于项目官方已设定的双轨模式(README已明确区分社区版与Pro版),作为分发伙伴或独立衍生插件,销售批量分析、研报导出及工作流管理功能。
核心功能一键导出Word/PDF多格式专业研报、定时多股批量自动化扫描、自定义Agent工作坊。
目标用户重度投研个人、小型私募团队、个人金融博主。
难度/周期较低 · 1-2周 · 成本:几乎无额外服务器成本,主要为文档制作与客户支持时间。
收费模式买断制商业License、版本升级维护费。
竞争风险项目为混合授权(NOASSERTION/应用层专有),需严格厘清与原作者的商业化授权界限,避免侵权纠纷。
依据 已验证事实

金融AI Agent开发与A股量化实战训练营

产品构想结合项目内嵌的免费课程体系,延伸打造高客单价的‘多智能体金融架构实战’训练营与私域社群服务。
核心功能8阶段进阶视频讲解、自定义AKShare/Tushare Skill开发教学、实盘策略回测调优指导、专属答疑群。
目标用户想要转型AI金融的程序员、量化初学者、金融专业高校学生。
难度/周期中等 · 3-5周 · 成本:课程录制时间成本、社群运营精力。
收费模式知识付费课程包、付费社群门票、1v1咨询定制。
竞争风险课程交付口碑与复购率维护成本高;市场同质化量化课程竞争(推测)。
依据 已验证事实
AI 基于仓库公开数据分析生成,含推测成分,不构成收益承诺。
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
oficcejo/tradingagents-cn-plus 中文介绍暂未生成
TradingAgents-cn-PLUS版,增加股票批量分析,增加会员管理功能,增加会员点数功能,可部署到服务器对外进
190 Python
oficcejo/tradingagents 中文介绍暂未生成
tradingagents-cn中文增强版二次开发,增加多股批量分析功能,超强ai多智能体多维度分析股票,全面支持A股,
133 Python
BG8CFB/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
75 Python
frank-quant/TradingAgents-CN-studio 中文介绍暂未生成
30 Python
cy-Yin/TradingAgents-CN-lite 中文介绍暂未生成
Lightweight multi-agent trading analysis framework with A-sh
25 Python
shaohk/TradingAgents-CN-SKILL 中文介绍暂未生成
参考TradingAgents-CN的思路实现的一套stock-analysis skill
20 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 2025-06-26,最近推送 2026-09-22
社区活跃Star 32,920 / Fork 6,853 / Issue 301(数据支持,可自行核实)
许可证NOASSERTION
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

此项目未提供 Docker 镜像,安装步骤以原仓库 README 为准(涉及依赖安装与环境配置,对新手门槛较高)。