TradingAgents-CN 实战完整指南：从 Docker 部署到产出 A 股分析报告

TradingAgents-CN 实战完整指南从 Docker 部署到产出 A 股分析报告【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这是TradingAgents-CN一个基于多智能体 LLM 的中文金融交易框架它让多个 AI 智能体分工协作完成股票分析。本文面向想学习 AI 金融分析的你读完后你能在自己的机器上完成部署并独立产出一份完整的 A 股个股分析报告。第一个目标把系统跑起来先给结论绝大多数人选 Docker Compose 这条路径就够四条命令系统就能跑起来。部署方式适合谁难度适用场景Docker Compose新手、普通用户低体验、长期使用、跨平台本地源码安装需要改代码的开发者中定制开发、调试Docker 路径的步骤git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN cp .env.example .env docker-compose up -d划重点.env文件里至少要写一个大模型密钥如DASHSCOPE_API_KEY或DEEPSEEK_API_KEY否则分析引擎没有大脑可用。启动后等待容器通过健康检查首次拉取镜像需要几分钟。验证方式有三个docker-compose ps看 backend、frontend、mongodb、redis 等容器是否全部 Up浏览器打开http://localhost:3000能看到 Web 界面访问http://localhost:8000/docs能看到 API 文档。如果你走本地源码路径装完依赖后先跑一条命令自查python -m venv env pip install -r requirements.txt python -m cli.main config最后这条命令会以表格形式列出各家 LLM 提供商和每个 API 密钥的配置状态比翻日志直观得多。一分钟看懂一群 AI 智能体如何分析一只股票用大白话说TradingAgents-CN 相当于你雇了一支投研团队市场分析师先看量价走势基本面分析师看财报和估值新闻分析师读资讯判断情绪随后看涨研究员和看跌研究员互相辩论交易员根据辩论结果给出操作倾向最后风控岗审查仓位是否合理。这个分工—辩论—决策—审查的链条就是多智能体协作的核心学术上叫角色化智能体辩论代码里落在tradingagents/graph/trading_graph.py的交易图中。多说一句你不需要读懂每个智能体的实现细节。记住报告就是整个团队的会议纪要看报告时优先关注共识结论和各环节的争议点那才是多智能体机制的价值所在。完整做一件事给 000001 跑出第一份分析报告上面的步骤完成后选一只数据全、代码简单的标的来试平安银行000001。输入A 股代码 000001研究深度选 1 级最快分析师团队选市场 基本面。操作Web 界面里填入股票代码、点开始分析即可实时看进度也可以用 CLIpython -m cli.main回车后直接进入交互式分析模式按提示依次输入股票代码、选择分析师、LLM 提供商和研究深度确认后即可开始。避坑提醒第一次分析前请先在 Web 界面的数据源管理里完成股票数据同步官方文档明确提醒过——数据没同步时分析结果会出现错误。产出分析完成后报告保存在data/analysis_results/目录CLI 结束时也会显示总耗时。一份完整报告包含基本面分析、技术面分析、市场情绪、风险评估和最终投资建议五个板块在 Web 界面的报告页可直接阅读也能导出为 Markdown/Word/PDF。小贴士首次分析较慢系统要拉取历史数据并做大量模型推理同一只股票再分析时会快很多这是缓存在工作。两个最能影响结果的调整点参数不需要穷举日常最值得动的是这两处研究深度1–5 级1 级用于快速验证链路是否打通级别越高数据量和推理轮次越多。日常建议 2–3 级不要一上来就拉满成本和耗时会明显上升。LLM 提供商与模型在 Web 界面的配置管理里可以添加多家提供商阿里百炼、DeepSeek、Google AI 等并随时切换。中文输出质量不满意时优先换国产优化模型试试密钥统一在.env文件管理。A 股数据由 Tushare、AkShare、BaoStock 三个数据源支撑带降级链路单个数据源不可用时会自动回退一般无需手动干预。更多配置细节可查 docs/QUICK_START.md。跑不起来或结果不对时先查这里现象浏览器打开 3000 端口页面加载不出来原因后端还没就绪或 3000/8000 端口被其他程序占用。 验证docker-compose ps看容器状态再访问http://localhost:8000/api/health通了说明后端正常问题多半在前端或端口冲突。现象分析任务启动后报错或卡住不动原因最常见的三个LLM 密钥没配或余额不足、股票代码格式不对、数据未同步。 验证先跑python -m cli.main config核对密钥状态再回到数据源管理确认目标股票已同步。现象报告里的财务数据明显滞后原因行情和财务数据读自本地数据库不同步就只有旧数据可用。 验证在 Web 页面触发单股同步看同步结果里的最新日期是否对应当前交易日。从这里继续往下走用同一只股票分别跑 1 级和 3 级研究深度对比报告差异直观感受成本与深度的取舍换一家 LLM 提供商分析同一标的体会不同模型的输出风格熟悉报告导出功能把 PDF 版本分享给同事一起讨论想再深入读 docs/ 下的架构文档重点看多智能体交易图的设计最后提醒一句TradingAgents-CN 定位是学习与研究平台分析结果不构成投资建议真金白银操作前请结合专业意见与自身风险承受能力。【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