如何用 TradingAgents-CN 做多智能体 A 股分析完整上手教程【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想看懂一只股票行情、新闻、财报、情绪分散在好几个地方数据从哪找、怎么交叉验证一头雾水。TradingAgents-CN是一个基于多智能体的中文金融分析平台几个 AI 分析师分头查行情、新闻、情绪和财务最后给你一份能读得懂的分析。 它在解决什么问题大多数问大模型看股票的做法是单一视角一次提问出一个答案。TradingAgents-CN 把这件事拆成团队协作四类分析师分管市场、新闻、社媒情绪、基本面再由多空两方研究员互相辩一轮才轮到交易员和风控给结论从机制上减少模型只看到一面的偏差。它同时做了中文本地化内置 Tushare、AKShare、BaoStock 等数据源支持 A 股、港股、美股界面和文档都是中文。定位说清楚这是学习与研究平台不出实盘交易指令。 先看它怎么运转整条流水线分四层每层解决一件事分析师层市场分析师看技术指标和趋势新闻分析师过滤财经新闻社交媒体分析师盯投资者情绪基本面分析师读财务报表——四个数据维度在这里分工研究员层多头、空头两名研究员各自摆证据正反辩论逼着模型把看空理由也讲出来交易员层把辩论结果合成一份交易提案风控层激进、中性、保守三级策略决定最终决策对风险的容忍度图里左边四路数据进来中间研究员辩论右边交易员提案、风控团队拍板从上到下读一遍就能对上流程。多空辩论这一步是这个框架最有意思的地方单问一个 LLM 很难让它主动反驳自己。 十分钟跑起来Docker 是主路径三条命令git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d后端、前端、MongoDB、Redis 会一起拉起浏览器打开http://localhost:3000即可。想自己改代码的话本地装完requirements.txt再跑python main.py也行细节在 docs/ 里有不展开。跑起来后先做两件事在配置页填大模型的 API 密钥先同步股票数据再开始分析后面会说为什么。️ 拿它干点实际的事分析单只 A 股。操作分析页选A股市场填股票代码比如 000858勾选要用的分析师研究深度拖到 3 级。你会看到进度条走完结果页直接给出买卖建议、置信度、风险评分、目标价外加一段 AI 推理说明结论是怎么来的。组合批量分析。操作自选股里加多只股票用批量分析功能并行跑。你会看到每只股票各出一份报告横向对比后能看清组合里各持仓的风险收益特点分散有没有分散到位。行业研究。操作把同一行业的几家公司加进批量分析再配合智能筛选按指标过滤。你会看到几份报告放在一起能对比基本面和新闻面差异再按指标排序被低估的公司更容易浮出来。⚙️ 想调得更顺手三个地方值得动都不用写代码数据源优先级A 股默认走 Tushare 主链路AKShare 多级兜底。想调整顺序或权重在数据源管理页改就行各数据源的实现在 tradingagents/dataflows/ 目录模型选择中文金融文本选国产模型DeepSeek、智谱、通义等通常更稳国际标的可用 OpenAI、Google 系聚合渠道则方便多模型切换。模型风格直接决定报告质量值得换一两个对比性能研究深度 1 级快扫、5 级全量日常先用低级别缓存默认开着避免同一数据反复拉取并发分析别一次堆太多任务⚠️ 容易踩的坑分析跑完很快但结论不对劲多半是没做股票数据同步分析师拿到的还是空数据或旧数据。处理先完成数据同步再跑分析数据获取失败或频繁限流外部数据源有访问限制或 API 密钥没配好。处理在配置页确认密钥有效临时切到备用数据源继续分析慢得离谱深度拉太高或选的模型响应慢。处理先降到 1~2 级跑通流程再换更快的模型提级同一只股票两次结论不一样大模型本身有随机性行情数据也在变。处理别把单次结果当定论多跑几次看结论分布收尾多说一句合规项目仅面向学习与研究分析结果不构成投资建议实盘决策要自己负责。整体体验下来它像一个把多智能体分工讲得很透的中文实践环境跑通一只股票再回头看架构图每层在干什么就清楚了。git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d【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 如何用 TradingAgents-CN 做多智能体 A 股分析：完整上手教程
如何用 TradingAgents-CN 做多智能体 A 股分析完整上手教程【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想看懂一只股票行情、新闻、财报、情绪分散在好几个地方数据从哪找、怎么交叉验证一头雾水。TradingAgents-CN是一个基于多智能体的中文金融分析平台几个 AI 分析师分头查行情、新闻、情绪和财务最后给你一份能读得懂的分析。 它在解决什么问题大多数问大模型看股票的做法是单一视角一次提问出一个答案。TradingAgents-CN 把这件事拆成团队协作四类分析师分管市场、新闻、社媒情绪、基本面再由多空两方研究员互相辩一轮才轮到交易员和风控给结论从机制上减少模型只看到一面的偏差。它同时做了中文本地化内置 Tushare、AKShare、BaoStock 等数据源支持 A 股、港股、美股界面和文档都是中文。定位说清楚这是学习与研究平台不出实盘交易指令。 先看它怎么运转整条流水线分四层每层解决一件事分析师层市场分析师看技术指标和趋势新闻分析师过滤财经新闻社交媒体分析师盯投资者情绪基本面分析师读财务报表——四个数据维度在这里分工研究员层多头、空头两名研究员各自摆证据正反辩论逼着模型把看空理由也讲出来交易员层把辩论结果合成一份交易提案风控层激进、中性、保守三级策略决定最终决策对风险的容忍度图里左边四路数据进来中间研究员辩论右边交易员提案、风控团队拍板从上到下读一遍就能对上流程。多空辩论这一步是这个框架最有意思的地方单问一个 LLM 很难让它主动反驳自己。 十分钟跑起来Docker 是主路径三条命令git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d后端、前端、MongoDB、Redis 会一起拉起浏览器打开http://localhost:3000即可。想自己改代码的话本地装完requirements.txt再跑python main.py也行细节在 docs/ 里有不展开。跑起来后先做两件事在配置页填大模型的 API 密钥先同步股票数据再开始分析后面会说为什么。️ 拿它干点实际的事分析单只 A 股。操作分析页选A股市场填股票代码比如 000858勾选要用的分析师研究深度拖到 3 级。你会看到进度条走完结果页直接给出买卖建议、置信度、风险评分、目标价外加一段 AI 推理说明结论是怎么来的。组合批量分析。操作自选股里加多只股票用批量分析功能并行跑。你会看到每只股票各出一份报告横向对比后能看清组合里各持仓的风险收益特点分散有没有分散到位。行业研究。操作把同一行业的几家公司加进批量分析再配合智能筛选按指标过滤。你会看到几份报告放在一起能对比基本面和新闻面差异再按指标排序被低估的公司更容易浮出来。⚙️ 想调得更顺手三个地方值得动都不用写代码数据源优先级A 股默认走 Tushare 主链路AKShare 多级兜底。想调整顺序或权重在数据源管理页改就行各数据源的实现在 tradingagents/dataflows/ 目录模型选择中文金融文本选国产模型DeepSeek、智谱、通义等通常更稳国际标的可用 OpenAI、Google 系聚合渠道则方便多模型切换。模型风格直接决定报告质量值得换一两个对比性能研究深度 1 级快扫、5 级全量日常先用低级别缓存默认开着避免同一数据反复拉取并发分析别一次堆太多任务⚠️ 容易踩的坑分析跑完很快但结论不对劲多半是没做股票数据同步分析师拿到的还是空数据或旧数据。处理先完成数据同步再跑分析数据获取失败或频繁限流外部数据源有访问限制或 API 密钥没配好。处理在配置页确认密钥有效临时切到备用数据源继续分析慢得离谱深度拉太高或选的模型响应慢。处理先降到 1~2 级跑通流程再换更快的模型提级同一只股票两次结论不一样大模型本身有随机性行情数据也在变。处理别把单次结果当定论多跑几次看结论分布收尾多说一句合规项目仅面向学习与研究分析结果不构成投资建议实盘决策要自己负责。整体体验下来它像一个把多智能体分工讲得很透的中文实践环境跑通一只股票再回头看架构图每层在干什么就清楚了。git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d【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