3步搭起你的AI股票分析小组TradingAgents-CN实操笔记【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晚上收盘后你想给自选股出一份像模像样的分析报告却卡在第一步行情要自己导、新闻要自己翻、结论还得自己拍脑袋。TradingAgents-CN 用多智能体方式做了这件事几个 AI 智能体模拟一支真实投研团队帮你把 AI股票分析 从取数、辩论到风控整条链路跑完你只管看结果。一个投资小组的一天多智能体如何协作出结论想象这只股票的一天。早上市场、新闻、社交媒体、基本面四类数据先被摆上桌接着市场分析师盯价格趋势和技术指标新闻分析师读最新财经消息基本面分析师核算财务与估值社交媒体分析师扫情绪面。下午多头和空头两位研究员拿着同一份材料开辩各自立论、互相反驳交易员听完给出买入、卖出还是持有以及目标价和仓位风控团队再以激进、中性、保守三种视角过一遍风险最后由组合经理拍板。上面这张图就是这条流水线的俯视图左边四个数据源中间分析师和研究员右边交易员与风控团队箭头方向就是信息流动的方向。三步跑通容器化部署对不想折腾环境的人来说Docker是最省事的路线全程三步git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN cp .env.example .env # 编辑 .env填入 LLM 的 API 密钥如 DeepSeek、通义千问 docker-compose up -d启动完成后浏览器打开 3000 端口就是 Web 操作台8000 端口是 API 服务。如果你更习惯在命令行里干活也可以用 Python 源码方式安装再配一个 MongoDB 和 Redis完全不想碰代码的话项目还提供绿色版压缩包解压双击启动即可。更多细节可以翻 快速开始文档。有一个官方反复强调的点先同步股票数据再开始分析否则结果里的行情和财务数据会不准。一只股票的完整分析链路选股与配置。在 Web 端的分析配置区先选市场A股、港股、美股填股票代码勾选要出场的分析师再拖动研究深度滑杆——1 级快速分析5 级全面分析。一次完整分析大约十分钟左右进度条会实时显示当前步骤不用干等。习惯命令行的人也可以直接用 CLI 发起同样的任务甚至把一批代码扔进去做批量分析。看四类分析。分析完成后结果页顶部是一排标签市场技术分析、基本面分析、新闻事件分析、风险评估。每个分析师的产出都在对应标签里。比如做 000858 时技术报告会覆盖一段时期的价格区间、最大回撤和短期支撑压力位新闻报告会逐条列出抓到的财经消息并给出影响分析基本面报告则交代行业分类、主营业务和估值水平。看多空辩论。这是整套系统里最好看的部分。研究员团队决策页里多头和空头各自立论再互相反驳你看到的是带开场白的完整论辩过程而不是一个干巴巴的结论。辩论结束后页面会先汇总看涨方的关键观点再列看跌方的关键观点让你看清双方各自抓的矛盾。出决策。切到交易团队计划标签给出的是可执行颗粒度的内容操作建议持有/买入/卖出、目标价位区间、置信度、仓位建议还会解释上下限价格的依据。控风险。最后是风控视角。风险管理团队页里激进、保守、中性三位风控分析师依次发言挑交易计划里的毛病最终决策由组合经理综合所有输入给出。整条链路串起来就是选股票 → 看四类分析 → 看辩论 → 看交易计划 → 过风控 → 出综合结论。报告支持 Markdown、Word、PDF 导出方便存档或分享。不想打开浏览器的话CLI 也能走完同样流程比如终端里的技术分析输出直接列出指标计算和趋势解读数据从哪来怎么接行情与历史数据主要走 Tushare、AkShare、BaoStock 三个接口新闻数据来自财经资讯渠道财务指标用于估值计算大模型侧支持 DeepSeek、通义千问、OpenAI、Google AI 等多家供应商覆盖 A股、港股、美股。配置上有一条实用建议先用免费额度的大模型比如 DeepSeek 或通义千问 Tushare 把流程跑通密钥直接在 Web 界面的模型配置页里填稳定了再按需加数据源。完整清单参考 快速开始文档。踩坑与提速现象分析结果里行情、财务数据不对。原因股票数据没有先同步。解决在 Web 端完成数据同步后重新发起分析。现象3000 或 8000 端口被占用起不来。原因本地已有程序占用了端口。解决改 docker-compose.yml 里的端口映射再启动。现象安装依赖慢或镜像拉不下来。原因默认网络环境慢。解决pip 换国内镜像源加速Docker 用户本身就能绕开大部分依赖冲突。给想动手的你这套工具适合想低成本体验 AI多智能体协作方式、又不想从零搭后端的人。下一步克隆仓库跑通容器挑一只自选股把完整分析链路走一遍。【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 3步搭起你的AI股票分析小组：TradingAgents-CN实操笔记
3步搭起你的AI股票分析小组TradingAgents-CN实操笔记【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晚上收盘后你想给自选股出一份像模像样的分析报告却卡在第一步行情要自己导、新闻要自己翻、结论还得自己拍脑袋。TradingAgents-CN 用多智能体方式做了这件事几个 AI 智能体模拟一支真实投研团队帮你把 AI股票分析 从取数、辩论到风控整条链路跑完你只管看结果。一个投资小组的一天多智能体如何协作出结论想象这只股票的一天。早上市场、新闻、社交媒体、基本面四类数据先被摆上桌接着市场分析师盯价格趋势和技术指标新闻分析师读最新财经消息基本面分析师核算财务与估值社交媒体分析师扫情绪面。下午多头和空头两位研究员拿着同一份材料开辩各自立论、互相反驳交易员听完给出买入、卖出还是持有以及目标价和仓位风控团队再以激进、中性、保守三种视角过一遍风险最后由组合经理拍板。上面这张图就是这条流水线的俯视图左边四个数据源中间分析师和研究员右边交易员与风控团队箭头方向就是信息流动的方向。三步跑通容器化部署对不想折腾环境的人来说Docker是最省事的路线全程三步git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN cp .env.example .env # 编辑 .env填入 LLM 的 API 密钥如 DeepSeek、通义千问 docker-compose up -d启动完成后浏览器打开 3000 端口就是 Web 操作台8000 端口是 API 服务。如果你更习惯在命令行里干活也可以用 Python 源码方式安装再配一个 MongoDB 和 Redis完全不想碰代码的话项目还提供绿色版压缩包解压双击启动即可。更多细节可以翻 快速开始文档。有一个官方反复强调的点先同步股票数据再开始分析否则结果里的行情和财务数据会不准。一只股票的完整分析链路选股与配置。在 Web 端的分析配置区先选市场A股、港股、美股填股票代码勾选要出场的分析师再拖动研究深度滑杆——1 级快速分析5 级全面分析。一次完整分析大约十分钟左右进度条会实时显示当前步骤不用干等。习惯命令行的人也可以直接用 CLI 发起同样的任务甚至把一批代码扔进去做批量分析。看四类分析。分析完成后结果页顶部是一排标签市场技术分析、基本面分析、新闻事件分析、风险评估。每个分析师的产出都在对应标签里。比如做 000858 时技术报告会覆盖一段时期的价格区间、最大回撤和短期支撑压力位新闻报告会逐条列出抓到的财经消息并给出影响分析基本面报告则交代行业分类、主营业务和估值水平。看多空辩论。这是整套系统里最好看的部分。研究员团队决策页里多头和空头各自立论再互相反驳你看到的是带开场白的完整论辩过程而不是一个干巴巴的结论。辩论结束后页面会先汇总看涨方的关键观点再列看跌方的关键观点让你看清双方各自抓的矛盾。出决策。切到交易团队计划标签给出的是可执行颗粒度的内容操作建议持有/买入/卖出、目标价位区间、置信度、仓位建议还会解释上下限价格的依据。控风险。最后是风控视角。风险管理团队页里激进、保守、中性三位风控分析师依次发言挑交易计划里的毛病最终决策由组合经理综合所有输入给出。整条链路串起来就是选股票 → 看四类分析 → 看辩论 → 看交易计划 → 过风控 → 出综合结论。报告支持 Markdown、Word、PDF 导出方便存档或分享。不想打开浏览器的话CLI 也能走完同样流程比如终端里的技术分析输出直接列出指标计算和趋势解读数据从哪来怎么接行情与历史数据主要走 Tushare、AkShare、BaoStock 三个接口新闻数据来自财经资讯渠道财务指标用于估值计算大模型侧支持 DeepSeek、通义千问、OpenAI、Google AI 等多家供应商覆盖 A股、港股、美股。配置上有一条实用建议先用免费额度的大模型比如 DeepSeek 或通义千问 Tushare 把流程跑通密钥直接在 Web 界面的模型配置页里填稳定了再按需加数据源。完整清单参考 快速开始文档。踩坑与提速现象分析结果里行情、财务数据不对。原因股票数据没有先同步。解决在 Web 端完成数据同步后重新发起分析。现象3000 或 8000 端口被占用起不来。原因本地已有程序占用了端口。解决改 docker-compose.yml 里的端口映射再启动。现象安装依赖慢或镜像拉不下来。原因默认网络环境慢。解决pip 换国内镜像源加速Docker 用户本身就能绕开大部分依赖冲突。给想动手的你这套工具适合想低成本体验 AI多智能体协作方式、又不想从零搭后端的人。下一步克隆仓库跑通容器挑一只自选股把完整分析链路走一遍。【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