5 分钟跑通多智能体 LLM 股票分析：从行情数据到完整买卖决策

5 分钟跑通多智能体 LLM 股票分析从行情数据到完整买卖决策【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你是不是也有过这种体验想搞清楚一只股票该不该买得手动翻 K 线、刷新闻、对财报越看越乱。TradingAgents-CN 是一个中文增强的多智能体 LLM 股票分析框架——你只输出一只股票代码市场分析师、多空研究员、风险辩论者等 12 个智能体就会分工处理行情、新闻、社交情绪和基本面数据互相辩论后产出一份带完整推理的买卖决策。支持 A 股、港股、美股定位是学习与研究工具。数据链路一只股票代码要经过哪些环节数据流向是一条完整的流水线。输入你提供股票代码和分析日期系统按市场拉取四类原材料——K 线与行情、新闻、社交情绪、财务基本面。加工四个分析师先各自产出一份报告接着看多研究员和看空研究员展开辩论两边各自找证据研究经理负责裁决交易员把结论翻译成交易计划风控侧再由激进、中立、保守三位辩论者按不同风险容忍度复核一遍。输出组合经理给出最终决策各段落报告连同推理过程落盘成本地文件。整个过程在 CLI 里能看到每一步的实时进度卡在哪个智能体上一目了然。用到这个框架时最值钱的四个能力多空对抗式研究。看多研究员和看空研究员必须各自找证据并互相辩驳研究经理裁决。它的作用是逼着报告同时给出上涨逻辑和下跌风险而不是只堆利好。这一环节默认开启分析结束后你直接在报告里读到双方的完整论据。四维分析师团队。市场、社交情绪、新闻、基本面四个分析师各出一份报告中文新闻过滤链在 A 股场景做了增强报告噪音明显更少。向导里有个分析师团队步骤你可以只勾选关心的视角少选就省 token。大模型即插即用。LLM 供应商、深度思考模型、快速思考模型都是配置项OpenAI、Google、DeepSeek、通义千问都能接。效果是一次分析里辩论用强模型、常规步骤用便宜模型成本直接可控。不用改代码向导里选供应商或改 .env 里的键即可。三视角风控复核。激进、中立、保守三位风险辩论者从不同风险偏好复核交易计划最终由组合经理拍板。它逼着每个买卖动作解释为什么不更激进、为什么不更保守。该环节随报告自动输出无需额外操作。最短路径跑通第一次分析克隆仓库并安装依赖拿到全部源码和配置git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN pip install -r requirements.txt把示例 env 文件复制为 .env填入至少一个 LLM 密钥DeepSeek 新用户有免费额度最省钱分析 A 股建议再填 TUSHARE_TOKEN。LLM 密钥是驱动所有智能体的大脑数据源密钥是它们的食粮。运行python cli/main.py进入交互向导按七步提问作答市场、股票代码、分析日期、分析师团队、研究深度选 1 最快、LLM 供应商、深度/快速思考模型。确认后 12 个智能体依次执行。跑完打开 results 目录下的报告文件逐段查看结论A 股代码是 6 位数字如 600519港股是 0700.HK 这种格式。三个值得试的进阶玩法A 股数据不准在 .env 里配好 TUSHARE_TOKEN 启用 Tushare 数据源。它做的是给 A 股行情换主数据源效果是报告里的 PE、PB、K 线数字和真实市场对齐不再依赖单一免费接口的偶发缺失。想换成更便宜的国产大模型只改 .env 里 llm_provider 和两个模型名。效果是同一套流水线换引擎DeepSeek、通义千问都能直接接一行配置的事。想不花钱验证策略用 docker-compose up -d 部署 Web 版使用内置模拟交易建虚拟账户按分析报告下单隔段时间回看盈亏。效果是策略先过一遍沙盒确认逻辑成立再考虑别的。典型用法按你的情况选一条如果你是想看懂多智能体协作长什么样的金融新手那么选一只熟悉的 A 股、深度 1 跑一遍盯着进度面板看五个团队如何接力再通读报告成本只有几十 token。如果你是开发者想接自己的数据源或换模型那么跳过 CLI直接在代码里实例化 TradingAgentsGraph 并调用 propagate 传入代码和日期返回值就是最终决策数据获取与模型配置都可以替换。如果你是团队要集中管理 API 密钥和模型那么用 Web 配置中心在浏览器里添加供应商、模型目录和数据源优先级报告统一存放在 data/analysis_results/ 下供查阅。二次开发入口从状态图改起整条分析流水线是一张状态图智能体之间的连接、状态读写和流转规则都集中在 tradingagents/graph/trading_graph.py。想加新角色或改辩论流程从这里动刀单个智能体的提示词和数据抓取逻辑分布在 tradingagents/agents 目录下的各角色文件里改谁的行为就打开对应文件。去哪找深入资料docs/QUICK_START.md安装、密钥配置到第一次分析的完整步骤刚起步的人看它。docs/guides/按版本整理的功能使用手册想系统性吃透每个功能的人看它。docs/deployment/Docker 部署、数据库配置、升级与迁移准备上服务器的人看它。本框架输出仅用于学习和研究不构成投资建议LLM 的判断请务必用自己的判断复核一遍。最直接的验证方式是今晚把仓库克隆下来跑掉你的第一次分析。【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考