TradingAgents多智能体交易决策与LangGraph工程实践

第一次把 TradingAgents 完整跑通的那天晚上我盯着终端里刷出来的十几段分析文本发了很久呆。四个分析师各自交完观点多空双方来回吵了两轮交易员拍了个方向紧接着三个风控角色又把它从头到尾拆了一遍最后汇总成一段决策文本。整个过程里没有任何一行代码在算指标权重全程都是自然语言在互相传递判断。那一刻我才意识到这东西跟我以前接触的量化框架根本不是一个物种——它不是在算它是在开会。TradingAgents 是一个用多智能体协作来模拟真实交易机构决策流程的开源框架核心思路是把研究—辩论—决策—风控这条人类机构的流水线用大模型智能体一比一搬进代码里。它不承诺给你一个能赚钱的策略它给你的是一套可拆解、可观察、可改造的决策生成流水线。适合三类人看想研究多智能体编排的工程师、想给自己的投研流程加一层AI 讨论会的从业者以及单纯好奇大模型在复杂推理链条里到底会怎么崩的人。下面我按自己从读源码到改造再到踩坑的完整路径把里面的结构、取舍和容易翻车的地方一次讲清楚。1. TradingAgents 更像一家微型交易公司而不是一个策略脚本很多人第一眼看到这个项目会下意识把它归类成AI 选股工具然后拿它跟传统因子模型对比接着就会失望——它没有明确的信号公式输出也不稳定。这个预期本身就错了。它的设计隐喻不是公式而是组织一家小型交易机构里有不同岗位的人各自看不同的材料得出不同的判断然后通过辩论和复核把分歧收敛成一个可执行的决定。TradingAgents 把这条组织链路拆成了角色每个角色由一次或多次大模型调用承担。理解这个隐喻之后很多设计上的怪就顺了。比如为什么要有那么多重复的分析环节、为什么允许角色之间互相反驳、为什么最终决策只有一段文字而不是一个数字。因为现实中的机构决策就是这样运作的没有人能拿到全部信息结论是在冲突中被磨出来的。1.1 四个分析师同一只股票四套完全不同的证据链分析师层是整个框架的输入层四类角色的分工可以用一句话概括基本面看这家公司值多少钱技术面看市场现在怎么想新闻看外部发生了什么情绪看散户在怕什么或在贪什么。基本面分析师负责吃财务报表资产负债表、利润表、现金流量表另外还会关注内部人交易这类信号。它的产出通常包含营收与利润的同比环比变化、毛利率走势、现金流是否匹配净利润、负债结构是否恶化。这个角色的价值在于把这家公司赚钱吗翻译成可核查的数字。技术分析师完全换一套语言均线关系、动量指标、波动区间、成交量配合。它输出的是诸如某条均线是否上穿、某指标是否进入超买区间、当前价格位于布林带哪一侧这类可量化的描述。注意它不做预测它做的是把当前形态描述清楚。新闻分析师盯的是公司公告、行业动态和宏观事件关注的是有没有新信息进入市场。它的难点在于噪音过滤——一天几十条新闻哪条对这家公司真的有影响。情绪分析师更微妙它读的是社区讨论、散户情绪倾向这类非结构化文本产出类似讨论热度上升但情绪偏向恐慌这种判断。这四个角色的关键设计在于它们之间不共享中间结论只看同一份原始数据。这是刻意为之如果让基本面分析师先看到技术面的结论它很可能会不自觉地向已有判断靠拢四个角色就退化成了一个角色说了四遍。我在改造时试过让分析师互相读对方的报告结果是报告之间的分歧明显变小、但决策质量没有提升反而更容易集体看错。这个教训后面还会再提到。1.2 多空研究员辩论把我觉得逼成因为所以分析师交完报告接下来是我认为整个框架里最有意思的一环多头研究员和空头研究员围绕同一批报告进行多轮辩论。流程大致是这样多头先发言从报告里挑出支持看多的证据形成一套逻辑空头接着反驳既要指出多头论证里的漏洞也要拿出自己那一侧的证据然后多头再回应如此往复若干轮最后由一个裁判角色总结双方论点给出一个平衡后的投资计划。这个机制解决的是一个非常实际的问题**大模型天然倾向于给出模棱两可的结论。**你直接问它这只股票该不该买它十有八九会给你需要综合考虑多方面因素这种废话。但当它被强制分配到一个立场上并且对面有个明确反对者在等着抓漏洞时它就被逼着把论据具体化。我在实测里最明显的感受是辩论进行到第二轮以后双方开始引用具体的报表科目和具体的时间区间而不是停留在行业前景广阔这种层面。还有一点值得注意辩论的轮次是一个可配置参数通常两到三轮就够了。轮次太少分歧没被充分展开轮次太多双方会开始为了辩论而辩论编造一些并不存在的论据来维持立场。我自己的经验是三轮是收益递减的临界点第四轮开始基本只是换措辞重复。1.3 交易员、风控三方与最终拍板的人辩论结束后交易员角色登场把研究阶段的投资计划转换成具体的方向判断和行动方案。这个角色的定位很关键**研究员关心这个判断对不对交易员关心这个判断值不值得下注、以什么姿态下注。**它需要综合四个分析师的原始报告和辩论的最终结论给出一个带理由的方向性决定。紧随其后的是风控层同样是三方辩论的结构但立场划分不同风控角色立场关注的典型问题激进方强调机会成本过度保守会错过多少上行空间中性方强调平衡当前仓位与波动是否匹配有没有更优的折中保守方强调下行风险最坏情况下的损失边界在哪里这三方吵完之后由最终决策角色可以理解为组合经理整合全部信息给出最终结论。这里的设计意图非常清楚**任何一个方向性判断都必须先经过一次如果错了会怎样的压力测试。**我在读源码时注意到最终决策的提示词里明确要求它不能简单复述交易员的观点而要说明风控辩论改变了什么。这个约束很聪明它迫使最终层真正承担综合职责而不是当传声筒。2. 用 LangGraph 把开会流程翻译成状态图看清角色分工之后下一个问题就是工程实现这么多角色、这么多来回靠什么串起来TradingAgents 选的是 LangGraph用状态图的方式描述整个流程。我一开始觉得这是过度设计——自己写个函数按顺序调用不就行了改了两版之后我就服了因为这个流程里存在太多天然的循环和条件分支用链式调用写会变成一团意大利面。2.1 为什么是图而不是链辩论天然需要环链式结构的假设是一步接一步线性推进但辩论不是线性的。多头说完要说空头空头说完可能还要回到多头转几轮才往下走。用链去表达这种结构你只能写死多头→空头→多头→空头→裁判轮次一改就要动代码。状态图的表达方式完全不同**节点代表角色边代表流转条件。**辩论这件事被拆成三个节点——多头节点、空头节点、判断节点——配合一条条件边。判断节点每次执行时读一下当前轮次计数没到上限就指回多头节点到了上限就指向交易员节点。轮次从一个配置项读进来想改成五轮就改个数字代码逻辑一行不动。更重要的是图结构天然支持断点恢复。多智能体流程动辄几十次模型调用中间任何一次超时或限流都会让整轮白跑。图可以把每一步的执行状态落盘出问题后从上一个检查点继续而不是从头再来。这一点在调试期尤其救命——我调提示词的时候经常需要反复跑同一段流程有检查点之后迭代速度快了不止一倍。2.2 共享状态字段怎么定决定了后面能怎么扩展图里各个节点靠什么交换信息靠一份共享状态。你可以把它理解成会议室的白板每个角色进来写一笔下一个角色读白板上的全部内容再决定写什么。状态通常是一个类型化的字典结构字段大体分几类# 简化后的状态结构示意字段命名按语义归组 class AgentState(TypedDict): # 输入上下文 company_of_interest: str # 标的标识 trade_date: str # 决策日期回测时极其关键 # 分析师产出各自独立字段互不覆盖 market_report: str sentiment_report: str news_report: str fundamentals_report: str # 研究辩论的滚动记录 investment_debate_state: dict # 含双方发言历史、当前轮次、裁判结论 # 交易员与风控 trader_investment_plan: str risk_debate_state: dict final_trade_decision: str # 历史经验注入 past_memory_str: str这里有两个设计细节值得单独说。第一四个分析师的产出用四个独立字段而不是一个列表。看起来冗余但好处是下游任何角色想引用某一份报告时可以精确定位不用去列表里按顺序猜。第二辩论状态被组织成一个带轮次计数的字典而不是简单地把发言往一个数组里追加。轮次计数是条件边做判断的依据没有它就没法在代码层面控制循环。我自己的改造经验是**新增角色时先想清楚它的产出放在哪个字段、谁会读它。**有一次我加了个行业对比分析师随手把结果塞进新闻报告字段里做拼接结果下游的新闻分析师引用时把行业数据当新闻引用输出了一堆奇怪的表述。后来单独开了一个字段问题立刻消失。状态字段的设计质量直接决定这套系统能长到多大。2.3 轮次控制与防死循环的兜底设计只要图里有环就有死循环风险。TradingAgents 在这块的防护做得挺扎实主要有三层第一层是显式配置的最大轮次。辩论轮次、风控轮次都是配置项默认值偏保守。这不是限制能力而是成本控制——每多一轮就是多几次模型调用。第二层是计数器存在共享状态里由路由函数读取。路由函数是个纯函数输入是当前状态输出是下一个节点的名字。它不关心业务逻辑只做一件事轮次到没到。这种职责分离让流程逻辑特别清晰你改辩论内容不会影响流转控制。第三层是兜底分支。路由函数里通常会有个默认返回即使状态里的字段缺失或类型不对流程也能落到一个终止节点而不是直接抛异常卡死。我在调试阶段改状态结构时踩过坑某个字段名写错了因为路由函数有兜底所以流程没崩只是提前结束了——这反而帮我快速定位到问题。提示如果你要在这个框架里加新的循环环节比如让分析师在看到辩论结果后补一次数据务必同时加轮次上限和路由兜底。我见过有人加了个分析师复盘环节忘了加上限跑一次烧掉的钱够跑一周。3. 提示词之外的约束设计让模型少说废话、少编数据框架结构搭好之后真正决定输出质量的是提示词和各类约束。这部分我在项目里花的调试时间最多也最有心得。核心矛盾是**大模型在开放性任务上表现很好但投研决策需要的是具体、可核查、有依据的输出。**这个矛盾不能靠写更好的提示词完全解决得靠结构性的约束设计。3.1 证据与结论分离先摆数据再下判断最有效的一条约束是在提示词里强制要求先列出证据再给出判断并且规定证据必须是具体数值或具体事件不能是笼统描述。这条规则看起来简单效果却非常明显。原因是模型的生成是自回归的如果让它先给结论它后面所有内容都会朝着维护这个结论的方向去组织变成先射箭再画靶。反过来先让它把数据点铺开结论就成了对数据的归纳逻辑链条更扎实。具体写法上我会把输出模板拆成固定的几段数据概览、关键变化、正向证据、反向证据、综合判断。其中反向证据这一段是必须项哪怕结论是强烈看多也必须列出至少两条不利因素。这一条硬约束能显著降低输出一边倒的概率。还有个细节要求模型区分数据说了什么和我认为这意味着什么。前者可以直接引用后者必须显式标注为推断。这个区分在后续的辩论环节特别有价值因为辩论双方都能清楚地看到哪些是事实、哪些是解释吵起来就事论事而不是各说各的。3.2 结构化输出与失败重试别让一次解析错误毁掉整轮多智能体系统里有个很容易被低估的脆弱点**一个角色的输出格式错误会导致整条链路失败。**比如最终决策角色需要输出一个包含方向、理由、风险等级的结构化对象如果模型这次没按格式来下游解析就会炸。处理方式有两层。第一层是用结构化输出能力约束模型。主流框架都支持传入一个数据模型定义让模型输出直接反序列化成对象。这里的关键是模型定义要尽量简单——字段越少、嵌套越浅成功率越高。我见过有人定义了个五层嵌套的模型成功率掉到七成以下每一层都是风险点。第二层是重试要带上下文。解析失败后不要原样重发要把失败原因和原始输出一起塞回提示词告诉模型上次你这样输出缺少了某字段。实测下来带错误信息的重试第二次成功率能到九成以上比盲目重试高得多。重试次数也要设上限通常是两到三次超过就走降级路径比如用一段纯文本结论兜底至少不能让整个流程白跑。3.3 跨天的记忆与反思把上次类似情况喂回去这套框架里我觉得最有想象力的一块是记忆机制。它会维护一个经验库把当时的情境 当时的判断 后来的结果作为一条记录存起来。当新的决策开始时系统会先根据当前情境去检索历史记录里最相似的几条作为参考注入到提示词里。举个例子如果过去几次在市场波动率快速抬升时系统给出的看多判断后来都被证明偏早了那么当再次遇到类似的高波动情境时检索出来的经验就会提醒它这种环境下你的历史判断偏乐观。这不是参数更新而是把经验以文本形式放回上下文。配套的还有反思环节隔一段时间回看自己的判断和实际走势生成一段我哪里错了、下次该怎么调整的文本写回经验库。这一步的价值在于把零散的判断沉淀成可复用的模式。我在测试时明显感觉到接了记忆机制之后系统在相似情境下的输出一致性提升了不会今天一个说法明天一个说法。不过这里也有个坑**经验库会污染。**如果某条经验是基于一个特殊事件比如某次突发的行业政策形成的它在相似情境里被反复检索出来就会持续误导判断。所以要定期清理或者给经验加个时间衰减权重让老经验的影响逐步降低。4. 我踩过的坑跑通之后才会遇到的四件事前面讲的是应该怎么设计这部分讲实际会怎么崩。这几个坑都不在文档里全是我自己跑废几轮之后才摸清楚的。4.1 一次决策的真实调用次数与成本账先算笔账。一次完整流程的模型调用次数大致是环节调用次数估算说明四个分析师820 次每个角色至少一次带工具调用的会更多多空辩论46 次两到三轮双方各一次辩论裁判1 次汇总双方论点交易员12 次含一次可能的修正风控三方辩论69 次三轮三个角色最终决策1 次综合全部信息加起来单次决策大概落在25 到 40 次模型调用之间。这个数字意味着什么意味着如果你用同一个小参数模型跑全流程单次成本还能接受但如果你图省事全部用大参数模型单次成本会直接翻十几倍。我自己的配置策略是分层用模型分析师的单点信息提取用快模型辩论、裁判和最终决策用强模型。理由是分析师做的其实是从数据里读出发生了什么属于信息提炼不需要太强的推理而辩论和最终决策需要处理冲突、权衡取舍是真正的推理任务。这个搭配实测下来成本能压到全用强模型的三成左右而输出质量的主观感受差别不大。还有一点**调试期一定要开缓存。**同一份数据被反复拉取、同一段流程被反复执行是常态没有缓存的话光是调一个提示词就能烧掉可观的额度。4.2 上下文膨胀越聊越贵也越聊越糊多轮辩论加上多角色产出上下文增长得非常快。四个分析师的报告加起来可能已经很长再叠加辩论历史和风控讨论到最终决策那一步时输入上下文可能已经非常庞大。这带来两个问题成本上升和注意力稀释。后者更麻烦。当上下文里塞了太多内容模型对关键信息的把握会下降容易出现读了半天没抓住重点的情况。我在测试时遇到过最终决策完全忽略风控方提出的某个关键风险点一查发现那条内容埋在很长的历史中段被稀释掉了。我的处理办法有三个一是对历史做摘要压缩辩论超过一定轮次后把早期轮次压缩成要点列表只保留最近一轮原文二是在最终决策阶段的提示词里显式做关键信息置顶把风控的核心结论、辩论的主要分歧点单独提炼到提示词前部三是控制记忆注入的条数检索出来的历史经验控制在三条以内多了就是噪音。4.3 回测时的时间穿越是最隐蔽的假象这个坑我必须单独拎出来讲因为它太容易发生了而且发生后你几乎察觉不到。用历史日期回测时框架会带着一个决策日期去跑流程。但很多数据工具的默认行为是返回当下的数据而不是那个历史日期的数据。这意味着你在回测某个半年前的日期时新闻工具可能返回了最近几天的新闻——你的系统在用未来的信息做过去的决策。结果就是回测表现好得离谱实盘一跑完全不是那么回事。我第一次发现这个问题时是注意到某次回测里早于决策日期的新闻真的被引用了那一刻后背发凉。防范方式很直接回测时要么关掉所有在线数据工具要么强制所有工具调用都带上决策日期参数并且验证工具确实尊重了这个参数。另外把决策日期作为强制字段贯穿整个流程在每个角色的提示词里都明确你只能依据该日期及之前的信息再加一层输出校验看有没有明显越界的引用。注意任何带你回测历史日期的多智能体流程都要专门做一次时间穿越检查。这不是可选项是必做项。4.4 可复现性同一个日期跑两次答案不一样大模型有随机性这一点大家都知道但在多智能体流程里它的影响会被放大。因为每个角色的输出都会成为下一个角色的输入一次微小的措辞差异可能在几轮传递后演变成完全不同的结论。同一个日期、同一份数据跑两次可能得到方向相反的结果。把温度参数调到最低能缓解但不能完全消除。所以评估时不能拿单次结果说事。我的做法是对同一批日期重复跑多次看结论的分布。如果某一天五次跑出来三次看多两次看空那说明这个日期上的信息本身就是矛盾的这本身也是个有价值的信息——它告诉你这个决策点的不确定性很高应该谨慎处理而不是让系统硬给一个方向。5. 想真正用起来还得补哪几块框架本身跑通只是起点。从能跑到能用中间还差几块基础设施这部分往往比调提示词更重要。5.1 数据层与缓存先解决重复拉同一份报表多智能体流程有个天然特征**多个角色会需要同一份数据。**基本面分析师要财报新闻分析师可能也需要财报里的某个数字交易员还要再确认一次。如果没有缓存层同一个接口会被反复打。我的做法是在数据获取层统一加一层缓存按数据类型 标的 日期做键。第一次拉取后落盘后续直接读缓存。这一层加上之后不仅成本下来了流程的稳定性也明显提升——外部接口的抖动不再直接影响流程执行。另一个建议是把数据获取和数据处理分开。工具函数只负责拿原始数据格式化、指标计算这些放到独立的处理层。这样做的好处是当你想换数据源时只需要改写获取层下游逻辑完全不用动。我在换过一次数据源之后才明白这个分层有多值。5.2 评估体系收益曲线不是唯一的尺子这是我最想强调的一点。用一个多智能体系统生成决策如果你只用最终收益来评估它那你几乎学不到任何东西——因为收益是结果而你需要优化的是过程。我会从四个维度分开看方向命中率决策方向与后续实际走势的一致比例。这是最基础的指标但要按不同市场环境分组统计否则会被单边行情掩盖。论证质量报告里引用的数据点是否真实存在、是否被正确解读。这个可以抽样人工核查也可以用一个独立的模型做交叉验证。辩论有效性多空辩论是否真的产生了新的论据还是只是在换措辞重复。如果第二轮的发言和第一轮高度相似说明辩论机制没起作用。成本与延迟单次决策的调用次数、耗时、花费。这是工程可行性指标容易被忽略但很关键。把这四项分开看之后你才能定位问题到底出在流程设计、提示词质量还是数据本身。只看收益曲线的话你永远不知道该怎么改。5.3 它适合谁、不适合谁跑了一段时间之后我对这个框架的适用边界有了比较清楚的认识。适合的场景单标的的深度研究辅助比如你想对某家公司形成一份多方视角的研究备忘录教学和研究场景用来观察多智能体协作在复杂推理任务上的行为特征作为投研流程的一个环节生成讨论材料供人参考。它的核心价值在于把一个问题的多个侧面同时摆到桌面上这在人工研究里需要几个人花几天才能做到。不适合的场景全市场大范围扫描因为单次决策的成本摆在那里几百个标的跑一遍不现实高频场景多轮模型调用的延迟决定了它做不了分钟级的响应直接对接自动执行把决策生成和资金操作直接连起来这个跨度太大了中间缺少足够的验证环节。还有一点必须说清楚**这套系统的输出是研究材料不是投资建议。**它生成的每一段文字都建立在大模型的推断之上存在事实错误和逻辑跳跃的可能。把它当成一个能提问题的讨论伙伴比当成一个能给答案的决策者要理性得多。最后分享一个我折腾很久才想明白的体会。我一开始总想把系统调成每次都给出一致且明确的方向后来发现这个目标本身就是错的。这套框架最大的价值不是给你一个更准的答案而是把不确定性显式地摆出来——让多空双方都有机会说话让风控有机会说如果错了怎么办让最终决策必须面对哪些信息我其实不知道。当某天五次运行给出不同结论时它其实在告诉你这个决策点本身就很难判断。承认这一点比强行让模型给出一个确定答案要有价值得多。