尧图网站建设 
TradingAgents-CN一条 Docker 命令跑通的多智能体股票分析框架【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 是一个中文增强版的多智能体 LLM 股票分析框架给它一个股票代码它自动完成行情、新闻、基本面、情绪四个维度的分析。这篇文章带你看它怎么用、每步在干什么。TradingAgents-CN 是什么三个要点划清边界它是一个多智能体Multiple Agents通俗讲就是几个各有专长的 AI 协作干活股票分析框架基于 TauricResearch 的 TradingAgents 做了中文本地化增强。它做输入股票代码多个 AI 角色协作输出买/卖/持有的建议和完整分析报告数据源覆盖 Tushare、AKShare、BaoStock 等支持 A 股/港股/美股三个市场。它不做不提供实盘交易指令不接券商下单官方明确定位为学习与研究平台。另外它的许可证是混合模式app/FastAPI 后端和frontend/Vue 前端目录属于专有组件商业使用需单独授权其余部分 Apache 2.0 开源个人学习研究免费。用 docker-compose 一键启动5 分钟跑起来官方最短路径是 Docker 部署三行命令把整套服务拉起来git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d第一行拉取项目代码第二行进入目录第三行一次性启动 4 个容器FastAPI 后端端口 8000、Vue 前端端口 3000、MongoDB、Redis。跑完后浏览器打开http://localhost:3000就是配置界面。如果你要改源码、做二次开发也有本地 Python 部署路线pip install -r requirements.txt装依赖再执行python scripts/init_system_data.py初始化数据最后python main.py启动。这条路配置项多不少建议先玩 Docker 版。本项目仅供学习研究不提供实盘交易指令分析结果不构成投资建议。核心能力拆解多智能体分析流水线如上图所示从数据采集到辩论风控整条链路是固定的流水线。四个分析师各管一摊它做了什么系统里有市场、新闻、基本面、社交情绪四个分析师智能体各配各的数据工具独立干活市场分析师拉 K 线算技术指标新闻分析师对财经新闻做多层次过滤仓库里还额外提供了一个 A 股专属的市场分析师china_market_analyst.py。为什么这样设计让单个大模型从头到尾全包注意力容易散掉。按角色拆开、各用各的数据接口dataflows/providers/下按 china、hk、us 三个市场目录组织每一步的输入都是干净的。对你意味着什么报告天然分章节你能直接核对哪个维度的数据支撑了结论而不是一段含糊的 AI 话术。牛熊研究员正反辩论它做了什么四个分析师的产出先汇总给研究经理然后两个研究员分别站多头和空头立场辩论默认 1 轮max_debate_rounds可调。为什么这样设计单一视角容易陷入确认偏差辩论机制逼着模型把风险也讲出来而不是只列买入理由。对你意味着什么最终报告里能同时看到多头方的成长逻辑和空头方的担忧点你自己判断时信息是对称的。三级风控辩论定最终建议它做了什么辩论结束后交易员给出初步交易建议接着激进、中性、保守三个风控智能体各自表态max_risk_discuss_rounds默认 1 轮综合后才定稿。为什么这样设计同一份分析不同风险偏好的人结论不同。把三档策略摊开辩论比让你自己调参数更透明也保留了完整的论证过程。对你意味着什么保守派可以重点看保守风控的发言激进派看激进档的两边依据都写在结果里方便你对照自己的风格取舍。真实使用路径分析五粮液000858走一遍以 A 股分析为例整条路径是线性的输入 → 过程 → 输出输入在分析页选择 A 股市场填代码000858勾选参与的分析师比如市场 新闻 基本面分析深度从 1 级快速到 5 级全面可选官方文档提到共 5 档深度新手建议先跑 1 级看效果。过程任务提交后后端基于 LangGraph 的工作流接管入口在tradingagents/graph/trading_graph.py的propagate方法四个分析师依次取数、写报告接着是牛熊辩论和三级风控前端通过 SSE/WebSocket 实时推送进度你能看到每个环节跑到哪了。输出最后是一份完整报告含各分析师观点、辩论记录、风控建议和最终交易信号支持导出 Markdown/Word/PDF。除了单股分析Web 端还支持批量分析多只股票并行跑和模拟交易系统虚拟资金验证策略效果适合拿它练手。新手最容易卡的四个坑没同步数据就分析官方文档明确提醒分析前先完成股票数据同步否则会出数据错误这是踩坑率最高的一条。LLM 没配好需要在 Web 配置中心选模型厂家并填 API Key支持 DeepSeek、通义千问、GLM、OpenAI、Google 等多家没 Key 任务起不来。分析速度太慢降一档分析深度、减少勾选的分析师数量或换响应更快的模型比升级硬件划算。想拿去做商业产品先看许可证app/和frontend/目录商业使用需要单独授权别默认 Apache 2.0 全包含。收尾一句话把股票代码丢给这支多智能体团队拿回一份带完整辩论记录的四维分析报告。想动手的话把开头那三行命令贴进终端就行。【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：一条 Docker 命令跑通的多智能体股票分析框架
TradingAgents-CN一条 Docker 命令跑通的多智能体股票分析框架【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 是一个中文增强版的多智能体 LLM 股票分析框架给它一个股票代码它自动完成行情、新闻、基本面、情绪四个维度的分析。这篇文章带你看它怎么用、每步在干什么。TradingAgents-CN 是什么三个要点划清边界它是一个多智能体Multiple Agents通俗讲就是几个各有专长的 AI 协作干活股票分析框架基于 TauricResearch 的 TradingAgents 做了中文本地化增强。它做输入股票代码多个 AI 角色协作输出买/卖/持有的建议和完整分析报告数据源覆盖 Tushare、AKShare、BaoStock 等支持 A 股/港股/美股三个市场。它不做不提供实盘交易指令不接券商下单官方明确定位为学习与研究平台。另外它的许可证是混合模式app/FastAPI 后端和frontend/Vue 前端目录属于专有组件商业使用需单独授权其余部分 Apache 2.0 开源个人学习研究免费。用 docker-compose 一键启动5 分钟跑起来官方最短路径是 Docker 部署三行命令把整套服务拉起来git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d第一行拉取项目代码第二行进入目录第三行一次性启动 4 个容器FastAPI 后端端口 8000、Vue 前端端口 3000、MongoDB、Redis。跑完后浏览器打开http://localhost:3000就是配置界面。如果你要改源码、做二次开发也有本地 Python 部署路线pip install -r requirements.txt装依赖再执行python scripts/init_system_data.py初始化数据最后python main.py启动。这条路配置项多不少建议先玩 Docker 版。本项目仅供学习研究不提供实盘交易指令分析结果不构成投资建议。核心能力拆解多智能体分析流水线如上图所示从数据采集到辩论风控整条链路是固定的流水线。四个分析师各管一摊它做了什么系统里有市场、新闻、基本面、社交情绪四个分析师智能体各配各的数据工具独立干活市场分析师拉 K 线算技术指标新闻分析师对财经新闻做多层次过滤仓库里还额外提供了一个 A 股专属的市场分析师china_market_analyst.py。为什么这样设计让单个大模型从头到尾全包注意力容易散掉。按角色拆开、各用各的数据接口dataflows/providers/下按 china、hk、us 三个市场目录组织每一步的输入都是干净的。对你意味着什么报告天然分章节你能直接核对哪个维度的数据支撑了结论而不是一段含糊的 AI 话术。牛熊研究员正反辩论它做了什么四个分析师的产出先汇总给研究经理然后两个研究员分别站多头和空头立场辩论默认 1 轮max_debate_rounds可调。为什么这样设计单一视角容易陷入确认偏差辩论机制逼着模型把风险也讲出来而不是只列买入理由。对你意味着什么最终报告里能同时看到多头方的成长逻辑和空头方的担忧点你自己判断时信息是对称的。三级风控辩论定最终建议它做了什么辩论结束后交易员给出初步交易建议接着激进、中性、保守三个风控智能体各自表态max_risk_discuss_rounds默认 1 轮综合后才定稿。为什么这样设计同一份分析不同风险偏好的人结论不同。把三档策略摊开辩论比让你自己调参数更透明也保留了完整的论证过程。对你意味着什么保守派可以重点看保守风控的发言激进派看激进档的两边依据都写在结果里方便你对照自己的风格取舍。真实使用路径分析五粮液000858走一遍以 A 股分析为例整条路径是线性的输入 → 过程 → 输出输入在分析页选择 A 股市场填代码000858勾选参与的分析师比如市场 新闻 基本面分析深度从 1 级快速到 5 级全面可选官方文档提到共 5 档深度新手建议先跑 1 级看效果。过程任务提交后后端基于 LangGraph 的工作流接管入口在tradingagents/graph/trading_graph.py的propagate方法四个分析师依次取数、写报告接着是牛熊辩论和三级风控前端通过 SSE/WebSocket 实时推送进度你能看到每个环节跑到哪了。输出最后是一份完整报告含各分析师观点、辩论记录、风控建议和最终交易信号支持导出 Markdown/Word/PDF。除了单股分析Web 端还支持批量分析多只股票并行跑和模拟交易系统虚拟资金验证策略效果适合拿它练手。新手最容易卡的四个坑没同步数据就分析官方文档明确提醒分析前先完成股票数据同步否则会出数据错误这是踩坑率最高的一条。LLM 没配好需要在 Web 配置中心选模型厂家并填 API Key支持 DeepSeek、通义千问、GLM、OpenAI、Google 等多家没 Key 任务起不来。分析速度太慢降一档分析深度、减少勾选的分析师数量或换响应更快的模型比升级硬件划算。想拿去做商业产品先看许可证app/和frontend/目录商业使用需要单独授权别默认 Apache 2.0 全包含。收尾一句话把股票代码丢给这支多智能体团队拿回一份带完整辩论记录的四维分析报告。想动手的话把开头那三行命令贴进终端就行。【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