TradingAgents-CN：从零上手多智能体金融分析

TradingAgents-CN从零上手多智能体金融分析【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想给自选股做一次多维度 AI 体检——基本面、技术面、新闻面一起过一遍又不想自己去搭模型、调提示词TradingAgents-CN 就是为这件事准备的一组 LLM 智能体组成虚拟交易团队协作产出一份可直接参考的分析报告。它原生支持 A 股、港股、美股数据兼容国产大模型Docker 一条命令即可部署。下面带你把它跑起来15 分钟内出第一份报告。先弄明白它到底在干什么多智能体分工分析师、研究员、交易员、风控各是一个独立智能体流程仿照真实交易公司的内部协作。结构化辩论研究员分看多、看空两方先对辩再给出结论避免单一模型的拍脑袋。动态风险审核风控智能体实时评估交易决策风险超限时会拦截或降级结论。并行执行多个智能体同时干活单只股票的完整分析通常几分钟完成。数据开箱即用内置 A 股/港股/美股数据源与国产 LLM 接入不用自己接行情 API。TradingAgents-CN 多智能体协作架构分析师、研究员、交易员、风控按分工链路完成分析选一条路把环境搭起来方式适合谁上手难度跨平台绿色版Windows 新手、快速体验⭐仅 WindowsDocker生产环境、长期运行⭐⭐全平台x86/ARM本地源码版开发者、要改代码⭐⭐⭐全平台新手首选绿色版适合想今天就看效果的 Windows 用户。✅ 解压即用⚠️ 仅限 Windows。cd D:\TradingAgentsCN-portable # 解压目录随意 powershell -ExecutionPolicy Bypass -File start_all.ps1跑通标志命令执行完浏览器自动打开出现登录页即可。生产环境首选Docker适合要长期挂机的服务器或多用户使用。✅ 一键拉起前后端 数据库镜像同时支持 x86 和 ARM64。git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN cp .env.example .env # 稍后填 API 密钥 docker-compose up -d # 启动全部容器 docker-compose logs -f # 盯一下启动日志跑通标志logs -f里各容器进入 healthy 状态浏览器访问http://localhost:3000出现登录页。开发者首选本地源码版适合要调试、要魔改的人。⚠️ 需自备 Python 3.10、MongoDB 4.4、Redis 6.2。git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN python -m venv env source env/bin/activate # Windows 用 env\Scripts\activate pip install -r requirements.txt cp .env.example .env # 填 API 密钥 python scripts/import_config_and_create_user.py # 初始化数据库与默认账号 python -m app # 启动后端跑通标志浏览器访问http://localhost:8000/docs能看到接口文档页。配好钥匙系统才能真正启动智能体靠大模型驱动至少配置一个 LLM API 密钥分析功能才会真正跑起来。配置项从哪获取是否必填备注DASHSCOPE_API_KEY阿里百炼控制台四选一即可性价比高、稳定DEEPSEEK_API_KEYDeepSeek 开放平台四选一即可价格低GOOGLE_API_KEYGoogle AI Studio四选一即可有免费额度MONGODB_URL/REDIS_URL无需申请Docker 版已内置源码版必填编辑.env文件填上至少一行DASHSCOPE_API_KEYsk-xxxx DEEPSEEK_API_KEYsk-xxxx配完这步后面的操作就不再需要碰环境了。认识你的 AI 团队不用背简历式介绍按一次分析的协作链路看更直观谁先动手 → 谁接着深挖 → 谁拍板 → 谁兜底。分析师是第一个动手的它把股票的基本面、技术指标、相关新闻数据拉齐输出各方第一稿结论你在分析页的分析报告区域最先看到它的产出。研究员接着深挖看多、看空双方基于分析师的结论展开结构化辩论谁也不许只说漂亮话辩论记录和最终研究结论都会留在报告里。交易员负责拍板把研究结论收敛成一个明确的买入/卖出/持有建议——这是整份报告的题眼。交易员智能体基于研究员结论输出交易建议风控最后兜底实时评估这笔建议的风险敞口超限时直接降级或否决报告末尾风险管理一节就是它的笔迹。风控智能体对交易建议进行风险评估与拦截动手跑一次完整的多智能体金融分析用默认账号admin/admin123登录登录后顺手改掉密码。点击左侧菜单股票分析。输入股票代码A 股600519贵州茅台、港股00700.HK腾讯控股、美股AAPL苹果均可。参数选择分析师选完整分析研究深度选标准模型选你已配置好的那个。点击开始分析页面实时滚动展示各智能体的工作进度。分析结束后查看完整报告支持导出 Markdown / Word / PDF。一次完整分析结束后的技术面结果展示进阶玩法命令行工具不开 Web 页面也能在终端直接跑分析适合脚本化批量任务。python -m cli.main --help自定义分析参数研究深度、日志行为都可以调先看 研究深度说明日志配置在 config/logging.toml。# 修改 config/logging.toml 中的日志级别后重启服务即可生效数据源扩展Tushare、AkShare、BaoStock 走统一管理想加新数据源可以看 app/services/ 目录下的实现行情数据格式参考 数据源配置指南。卡住了先看这里启动提示端口被占用→ 改.env后端BACKEND_PORT8001前端FRONTEND_PORT3001重启即可。MongoDB 连接失败→ 确认 MongoDB 服务在运行检查.env里MONGODB_URL的用户名密码拼写。API 密钥无效→ 复制时别带空格确认账户有余额且密钥未过期。分析报数据获取错误→ 检查网络与代码格式A 股先完成股票数据同步再分析否则结果可能缺数据。报告里 PE、PB 明显不对→ 通常是财务数据未同步先在配置中心触发同步再重跑分析。接下来去哪完整文档docs/guides/安装、部署、数据源、报告导出全都有配置管理config 管理指南API 文档本地启动后访问http://localhost:8000/docs问题反馈到项目的 Issues 页提交附上日志片段会处理得更快社区微信公众号搜索 TradingAgents-CNQQ 群号以公众号内公布为准到这里你已经拥有一个能自动完成多智能体协作分析的本地系统从装环境到出报告的全流程都走通了。挑一只你正关注的股票跑第一份报告吧。【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