TradingAgents 多智能体 LLM 金融交易框架
TradingAgents 由 Tauric Research 开源发布，是面向研究的多智能体交易框架；框架基于 LangGraph 构建，通过基本面、情绪、新闻与技术分析等专长 Agent 与交易/风控角色协作，模块化评估市场并形成决策。TradingAgents‑CN 基于该引擎提供中文化教学与实操入口。
TradingAgents 引擎介绍
TradingAgents 面向研究与教学的多智能体交易引擎，以结构化沟通与辩证协作为核心；通过分析师、研究员、交易与风控角色协同，形成可解释、可评估、可扩展的决策流程。
框架概览
框架架构
TradingAgents 通过多智能体框架模拟一家专业交易机构，包含明确分工的角色：基本面、情绪与技术分析师、研究员、交易员与风险管理团队。各角色通过结构化沟通与辩论协作，提升决策质量并优化交易策略。
- 分析师团队：四位分析师并行收集相关市场信息。
- 研究团队：团队讨论并评估收集到的数据。
- 交易员：根据研究员的分析做出交易决策。
- 风险管理团队：风险守护者依据当前市场状况评估决策并缓释风险。
- 资金经理：资金经理审批并执行交易。
目标与特点
通过角色专精的协作流程，将基本面、情绪、新闻与技术分析等视角整合为结构化结论；在风险控制的前提下生成可执行的交易决策，并支持在模拟交易所进行订单执行与记录。
- 模块化：组件可插拔，便于替换与复用。
- 可解释：报告与图示保留关键推理与依据。
- 可扩展：支持多模型与多数据源统一管理。
- 可评估：回测、日志与交易记录闭环验证。
角色专精
通过为 LLM 智能体分配专门角色，可将复杂的交易目标拆解为可管理的任务。借鉴专业交易机构的组织结构，TradingAgents 设置七个关键角色：基本面分析师、情绪分析师、新闻分析师、技术分析师、研究员、交易员与风险经理。每个智能体都配备与其职能匹配的工具与约束，确保形成全面的市场分析与更有依据的交易决策。
分析师团队
分析师团队从不同维度采集并分析市场数据：
- 基本面分析师：评估公司基本面，识别可能的高估或低估。
- 情绪分析师：分析社交媒体与公众情绪，衡量市场氛围。
- 新闻分析师：评估新闻与宏观经济指标，预测市场变化。
- 技术分析师：使用技术指标预测价格趋势与交易机会。
以上洞见共同构成整体市场视角，并传递至研究员团队进行进一步评估。
研究员团队
研究员团队通过包含看多与看空视角的辩证过程，对分析师数据进行严格评估。该辩论确保分析平衡，识别机会与风险，为交易策略提供依据。
研究员团队
多空研究员围绕分析结论开展结构化讨论与辩论，在收益与风险之间取得均衡，形成更稳健的观点。
交易与风控
交易智能体整合分析生成决策；风险管理团队持续评估波动与流动性风险，并向投资组合经理提供建议。
风险管理
风控评估与策略调整；组合经理最终审批，批准后在模拟交易所执行订单并记录。
- 看多研究员：强调积极的市场指标与增长潜力。
- 看空研究员：关注风险与负面市场信号。
上述辩证过程确保形成对市场的平衡理解，协助交易智能体做出更有依据的决策。
交易智能体
交易智能体基于全面分析执行决策。他们评估分析师与研究员的洞见，确定最优交易动作，在动态市场环境中平衡收益与风险。
- 评估分析师与研究员的建议。
- 决定交易时机与仓位规模。
- 执行买/卖订单。
- 根据市场变化调整投资组合。
- 精准与策略思维对于最大化绩效至关重要。
风险管理团队
风险管理团队监督机构的市场风险敞口，确保交易活动在预设限额内进行。
- 评估市场波动与流动性。
- 实施风险缓释策略。
- 就风险敞口为交易智能体提供建议。
- 使投资组合与风险承受度保持一致。
团队通过有效风险控制确保财务稳定并保护资产。
所有智能体采用 ReAct 提示框架，促进协作与动态决策流程，贴近真实交易系统。
Agent 工作流
通信协议
为提升沟通效率，TradingAgents 采用“结构化输出 + 自然语言对话”的组合协议。该方式在长时交互中保持上下文连续、减少信息丢失，确保智能体之间的沟通聚焦且有效。
交互类型
不同于高度依赖非结构化对话的旧范式，系统通过结构化报告与图示进行交流，保留关键信息，并支持从全局状态直接发起查询。
- 分析师团队：将研究整合为简明的分析报告。
- 交易员：审阅分析师报告，生成含详细理由的决策信号。
自然语言对话用于特定场景，例如研究员与风险管理团队的辩论，以促进更深入的推理与更均衡的决策。
- 研究员团队：通过辩论形成平衡视角。
- 风险管理团队：从多风险维度审议交易方案。
- 资金经理：审阅并批准风险调整后的交易决策。
骨干模型
根据任务选择模型：数据检索使用“快思考”模型，深度分析与决策使用“深思考”模型。该策略兼顾效率与推理能力，使系统无需 GPU 即可运行，并便于未来替换与集成其他模型。
实验与结果
示例回测
示例资产的累计收益曲线；结果依赖模型选择、时间区间与数据质量等因素，仅用于研究展示。
交易记录
示例交易记录与执行轨迹，用于理解策略行为、变动节奏与风险敞口。
框架与平台
TradingAgents 由 Tauric Research 开源发布，是面向研究的多智能体交易框架，基于 LangGraph 构建并以角色协作形成决策；TradingAgents‑CN 在此基础上提供中文化产品与实操入口，采用 FastAPI + Vue 3 架构并集成权限、配置中心与实时通知等企业级能力。
多智能体引擎
基本面、情绪、新闻与技术分析师、研究员（多空）、交易与风控协作；面向研究的模块化决策流。
中文化产品架构
FastAPI + Vue 3；MongoDB + Redis；权限与日志、配置中心、SSE/WebSocket 实时通知。
数据与模型管理
支持多 LLM 供应商与模型能力管理；统一管理 Alpha Vantage、Tushare、AkShare、BaoStock 等数据源。
功能
全新架构
FastAPI + Vue 3，企业级性能与体验。
数据库架构
MongoDB + Redis，性能提升与多级缓存。
用户权限与日志
认证、角色管理与操作日志审计。
配置管理中心
大模型、数据源与系统设置可视化配置。
缓存管理系统
智能缓存策略，支持多级缓存与管控。
实时通知
SSE + WebSocket，进度与状态实时推送。
批量分析
支持多只股票同时分析，提升效率。
智能股票筛选
多维指标筛选与排序，辅助决策。
自选股管理
个人收藏与分组管理，持续跟踪。
个股详情页
展示完整个股信息与历史分析记录。
模拟交易系统
虚拟交易环境，验证策略效果。
动态供应商管理
可动态添加与配置 LLM 供应商。
模型能力管理
根据任务智能选择与匹配模型。
多数据源同步
统一管理 Tushare/AkShare/BaoStock 等数据源。
报告导出
支持 Markdown/Word/PDF 专业报告导出。
精选视频
版本说明
中文高级学员版
TradingAgents-CN Pro
面向希望系统提升交易能力的学员，提供持仓分析、操作复盘、交易计划等学习与训练工具。通过打赏或完成社区任务获取积分，可兑换高级学员版使用权；功能用于学习与模拟练习，不直接给出具体买卖指令。
说明：提取码: g39k
免责声明：本页面展示的开源项目及软件，其版权与知识产权均归原开发者所有。我们仅提供基于开源协议的技术咨询、部署协助与交流服务，不涉及软件著作权的转让或销售。请在使用时严格遵守相应的开源协议或许可条款。
私有化部署与配置服务
我们提供 TradingAgents‑CN 开源系统的私有化部署与配置服务，特别适合无编程基础的用户（技术小白）。通过远程桌面协助的方式，技术人员将帮您完成系统安装、环境搭建及参数配置。同时，我们还将全程协助您开通大模型账号（如 DeepSeek、OpenAI 等）和配置金融数据源，解决繁琐的技术门槛。服务费用为 200 元/次，让您轻松拥有属于自己的量化交易平台。具体业务请联系企业微信客服。
大模型供应商
| 模型/平台 | 简介 | 注册链接 |
|---|---|---|
| OpenAI | GPT-4 系列（含 GPT‑4o/4.1）、o3，全球通用，生态丰富 | platform.openai.com |
| DeepSeek | 国产高性价比模型，推理/代码/多语言表现优秀 | platform.deepseek.com |
| 阿里通义（DashScope） | 通义千问系列，覆盖文本、视觉与多模态，云原生集成 | dashscope.aliyun.com |
| 百度文心 | ERNIE 系列，中文场景优化，内容/搜索能力结合 | cloud.baidu.com/product/wenxin |
交流与客服
公众号
扫码关注 TradingAgents-AI 公众号，获取最新教程与活动。
企业微信客服
扫码添加企业微信客服，获取咨询与对接支持。