TradingAgents-CN 完整上手指南多智能体 AI 股票分析从部署到出报告【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你手上有一只股票想知道该不该买又不想只盯着 K 线猜。TradingAgents-CN 帮你干这件事它是一个基于多智能体大模型LLM可以理解成会读数据、会推理的 AI的中文金融分析框架让 AI 分析师、研究员、交易员和风控一起看同一只股票最后交出一份带投资建议的报告。想快速搭一套 AI 股票分析系统的新手、以及想改造它做研究的开发者都能用得上。 看懂一个分析任务从数据到投资建议的全流程先把它怎么想讲清楚后面配置和跑通才不会懵。你可以把它想成一个迷你投研团队。行情、社媒、新闻、基本面数据先喂给研究员团队里面有人负责唱多Bullish、有人负责唱空Bearish两边把论据摆出来互相辩论交易员Trader根据辩论结果给出具体的买卖建议最后风控团队Risk Management Team按激进、中性、保守三档做复核输出最终决策。整条链路一句话数据进来 → 看多看空辩论 → 交易员出买卖方案 → 风控分档复核 → 落地执行。你只要负责给它股票代码和 LLM 密钥剩下的分工它自己跑。 三条部署路线怎么选先对比再上手三种方式各有所长先看这张表再展开你选的那条方式适合谁需要装什么访问地址一句话评价绿色版Windows 新手、只想快速体验解压即用无需环境http://localhost最快但只支持 WindowsDocker 版生产、多用户、长期运行Docker Docker Composehttp://localhost:3000最稳、跨平台本地代码版开发者、要调试或二次开发Python 3.10、MongoDB 4.4、Redis 6.2http://localhost:8000/docs最灵活配置略多绿色版适合想今天就能看到效果的新手# 以管理员身份打开 PowerShell进入解压目录后一键启动 cd D:\TradingAgentsCN-portable powershell -ExecutionPolicy Bypass -File start_all.ps1 # 启动后浏览器打开 http://localhostDocker 版适合要长期跑、要多用户、不想折腾依赖# 拉代码里面自带 docker-compose.yml 和 .env.example git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN cp .env.example .env # 生成环境文件下一步去填密钥 docker-compose up -d # 一次性起 后端前端MongoDBRedis docker-compose logs -f # 跟日志确认各服务 healthy # 前端 http://localhost:3000 后端接口 http://localhost:8000/docs本地代码版适合要改代码、要看源码、要做研究# 先装好 Python 3.10 / MongoDB 4.4 / Redis 6.2再装依赖 git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN python -m venv env source env/bin/activate # Windows 用 env\Scripts\activate pip install -r requirements.txt cp .env.example .env python -m app # 启动 FastAPI 后端 # 打开 http://localhost:8000/docs 看接口 一次性配置API 密钥与环境变量清单不管走哪条路线都至少要配一个 LLM API 密钥AI 分析才能转起来。密钥写在项目根目录的.env文件里由.env.example复制而来。选哪个提供商看这张表提供商密钥变量推荐理由大致价格阿里百炼DASHSCOPE_API_KEY稳定、中文强、性价比高约 ¥0.002/1k tokensDeepSeekDEEPSEEK_API_KEY便宜、效果好约 ¥0.001/1k tokensGoogle AIGOOGLE_API_KEY免费额度大免费额度OpenAIOPENAI_API_KEY综合能力强约 $0.01/1k tokens# 编辑 .env至少填一项国内推荐阿里百炼或 DeepSeek DASHSCOPE_API_KEYsk-你的密钥 DEEPSEEK_API_KEYsk-你的密钥 # 本地代码版还要确认这两个连接配置Docker 版由 compose 内部写好可不动 # MONGODB_PORT27017 REDIS_HOSTlocalhost REDIS_PORT6379▶️ 三步跑通你的第一次 AI 股票分析服务起来、密钥填好现在真正跑一只股票登录默认账号admin/ 密码admin123。进股票分析填代码A股600519贵州茅台、港股00700.HK腾讯控股、美股AAPL苹果。选参数并启动分析师选完整分析、研究深度选标准、LLM 模型选你刚配好的那个点开始分析等进度条走到 100% 再看报告。报告里会分别列出看涨分析师和看跌分析师的关键论点再汇成最终建议。不想开浏览器的话命令行也能跑python -m cli.main analyze会进入交互式分析依次问你市场、代码、模型然后直接出报告。 拆开看核心组件四个角色怎么分工报告不是一个人写出来的是四个角色接力完成的知道各自边界你才好改它分析师Analyst从行情、社媒、新闻、基本面四个角度做全面扫描产出初版结论。研究员Researcher拆成看多、看空两拨各自拿论据互相辩论把分歧摆到台面上。交易员Trader综合辩论结果给出买/卖/持有这类可执行决策并附理由。风控Risk Manager按激进、中性、保守三档复核给决策套上风险边界。研究员阶段是辩论交易员阶段是拍板下面是交易员给出的一个决策示例 扩展与定制命令行、配置文件、数据源跑通之后日常操作基本靠命令行改行为靠配置文件换数据靠适配器。命令行常用命令都在 cli/ 里python -m cli.main analyze # 交互式股票分析 python -m cli.main config # 查看/配置 LLM 提供商与密钥 python -m cli.main examples # 看示例程序 python -m cli.main test # 跑集成测试 python -m cli.main version # 看版本要改行为动这几个地方系统日志config/logging.toml后端全局配置app/core/config.py数据源app/services/data_sources/数据源扩展是这套框架的强项目录下有akshare_adapter.py、baostock_adapter.py、tushare_adapter.py三个适配器统一由manager.py调度公共接口在base.py。想加一个新数据源照着某个 adapter 实现base.py的接口、再注册进manager.py就行不用碰分析主流程。 启动失败自查现象→原因→解决现象常见原因解决端口被占用8000 / 3000 被别的进程占着改.env里的后端PORT和前端端口换个空闲号MongoDB 连不上服务没起、或连接串不对确认 MongoDB 在运行核对.env里的 MONGODB 连接串API 密钥无效复制多了空格、额度用完、或过期重新核对密钥、查额度、看有效期分析卡住不出进度没配 LLM 密钥、或网络不通确认至少填了一个密钥并检查网络✅ 下一步行动清单一句话总结TradingAgents-CN 把多智能体看盘做成了开箱即用的中文方案——你选一条部署路线、填一个 LLM 密钥、给个股票代码就能拿到一份带辩论和风控的 AI 股票分析。接下来照这个顺序做按上面三条部署路线挑一条把服务跑起来。在.env里配好至少一个 LLM 密钥国内推荐阿里百炼或 DeepSeek。用600519跑第一次分析重点看投资建议页里多空双方的辩论。想图省事就用python -m cli.main analyze走命令行。想改分析行为从 config/ 和 app/services/data_sources/ 入手。深入资料看这几处安装快速入门、项目总览、Docker 部署指南、完整文档以及 examples/ 里的可运行示例。社区入口微信公众号TradingAgents-CN以及仓库的 Issues。【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
