当前位置：首页 > news >正文

TradingAgents-CN: 基于多智能体的中文金融交易决策框架

news 2025/8/12 5:28:01

一、项目概述

TradingAgents-CN 是一个基于多智能体大语言模型的中文金融交易决策框架，专为中文用户优化，提供完整的A股/港股/美股分析能力。该项目是对 Tauric Research 团队创造的原版 TradingAgents 框架的中文增强版本，旨在为中国用户提供完整的中文化体验，支持A股/港股市场，集成国产大模型，推动AI金融技术在中文社区的普及应用。

核心特性

多智能体协作架构：基本面、技术面、新闻面、社交媒体四大分析师
结构化辩论：看涨/看跌研究员进行深度分析
智能决策：交易员基于所有输入做出最终投资建议
风险管理：多层次风险评估和管理机制
多LLM提供商支持：支持DeepSeek V3、阿里百炼、Google AI、OpenRouter等
模型选择持久化：基于URL参数的存储方案，页面刷新配置保持
Docker容器化部署：一键部署，环境隔离，快速扩展
专业报告导出：支持Word/PDF/Markdown格式
完整A股支持：通过Tushare、AkShare等数据源
中文本地化：全中文界面和交互体验

二、系统架构

TradingAgents-CN 采用现代化容器化分层架构设计，模拟真实世界交易公司的运作模式。系统通过多个专业化的AI智能体协作，实现从市场分析到专业报告导出的完整流程。

整体架构

智能体架构

TradingAgents-CN 采用专业化的多智能体架构，每个智能体都有明确的职责和专业领域：

分析师团队 (Analysts)：
- 基本面分析师：分析公司财务和基本面数据
- 技术分析师：分析技术指标和价格趋势
- 新闻分析师：分析新闻事件和宏观因素
- 社交媒体分析师：分析社交媒体情绪
研究员团队 (Researchers)：
- 看涨研究员：从乐观角度评估投资机会
- 看跌研究员：从悲观角度评估投资风险
交易执行 (Trader)：
- 交易员：综合各方分析，制定最终交易决策
风险管理团队 (Risk Management)：
- 风险评估智能体：评估投资风险，提供风险控制建议

数据流架构

TradingAgents-CN 的数据流架构设计用于高效地获取、处理和分发金融数据：

外部数据源：
- FinnHub API：实时金融数据
- Yahoo Finance：历史价格数据
- Reddit API：社交媒体数据
- Google News：新闻数据
- 自定义数据源：扩展接口
数据处理流程：
1. 数据获取层：从各数据源获取原始数据
2. 数据处理层：统一接口、处理、验证和转换数据
3. 缓存层：Redis缓存、本地缓存、内存缓存
4. 数据分发层：将处理后的数据分发给各智能体

三、功能特性

Web界面体验

多LLM提供商：4大提供商，60+模型，智能分类管理
模型选择持久化：URL参数存储，刷新保持，配置分享
快速选择按钮：一键切换热门模型，提升操作效率
320px侧边栏：优化空间利用，响应式设计
实时进度显示：异步进度跟踪，智能步骤识别，准确时间计算
智能会话管理：状态持久化，自动降级，跨页面恢复
一键查看报告：分析完成后一键查看，智能结果恢复

CLI用户体验

界面与日志分离：用户界面清爽美观，技术日志独立管理
智能进度显示：多阶段进度跟踪，防止重复提示
时间预估功能：智能分析阶段显示预计耗时
Rich彩色输出：彩色进度指示，状态图标，视觉效果提升

LLM模型支持

模型提供商	支持模型	特色功能
阿里百炼	qwen-turbo/plus/max	中文优化，成本效益高
DeepSeek	deepseek-chat	工具调用，性价比极高
Google AI	gemini-2.0-flash/1.5-pro	多模态支持，推理能力强
OpenRouter	60+模型聚合平台	一个API访问所有主流模型

数据源与市场

市场类型	数据源	覆盖范围
A股	Tushare, AkShare, 通达信	沪深两市，实时行情，财报数据
港股	AkShare, Yahoo Finance	港交所，实时行情，基本面
美股	FinnHub, Yahoo Finance	NYSE, NASDAQ，实时数据
新闻	Google News	实时新闻，多语言支持

四、使用指南

快速开始

Docker部署 (推荐)

# 1. 克隆项目
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN# 2. 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入API密钥# 3. 启动服务
docker-compose up -d --build# 4. 访问应用
# Web界面: http://localhost:8501

本地部署

# 1. 安装依赖
pip install -r requirements.txt# 2. 启动应用
python start_web.py# 3. 访问 http://localhost:8501

投资分析流程

选择模型：DeepSeek V3 / 通义千问 / Gemini
输入股票：000001 (A股) / AAPL (美股) / 0700.HK (港股)
开始分析：点击"🚀 开始分析"按钮
实时跟踪：观察实时进度和分析步骤
查看报告：点击"📊 查看分析报告"按钮
导出报告：支持Word/PDF/Markdown格式

分析内容详解

技术面分析：价格趋势、技术指标、支撑阻力、成交量
基本面分析：财务状况、业务结构、市场地位、增长前景
市场情绪分析：投资者情绪、分析师评级、机构持仓、热点关注
风险评估：宏观风险、行业风险、公司风险、监管风险
投资建议：评级建议、目标价位、时间框架、风险控制

五、技术架构

核心技术栈

编程语言：Python 3.10+
AI框架：LangChain
Web框架：Streamlit
数据库：MongoDB
缓存：Redis
容器化：Docker, Docker Compose
AI模型：DeepSeek V3, 阿里百炼, Google AI, OpenRouter

系统组件

Web应用：TradingAgents-CN主程序
MongoDB：数据持久化存储
Redis：高速缓存
MongoDB Express：数据库管理界面
Redis Commander：缓存管理界面

六、项目优势

多LLM集成：4大提供商，60+模型，一站式AI体验
配置持久化：模型选择真正持久化，URL参数存储，刷新保持
快速切换：5个热门模型快速按钮，一键切换不同AI
界面优化：320px侧边栏，响应式设计，空间利用更高效
实时进度：异步进度跟踪，告别黑盒等待
智能会话：状态持久化，页面刷新不丢失分析结果
中国优化：A股/港股数据 + 国产LLM + 中文界面
容器化：Docker一键部署，环境隔离，快速扩展
专业报告：多格式导出，自动生成投资建议
稳定可靠：多层数据源，智能降级，错误恢复

七、未来展望

计划功能

更多数据源集成：增加更多A股专业数据源
高级分析模型：引入量化分析和机器学习模型
投资组合管理：支持多股票组合分析和优化
回测系统：历史数据回测和策略验证
实时交易接口：连接券商API实现自动交易

社区合作与技术探索

开源贡献：欢迎社区贡献代码和功能，共同打造更强大的金融AI工具
模型优化：探索针对金融领域的模型微调技术，提升分析精度和效率
数据共享：建立开放的金融数据共享平台，促进社区合作与发展
教育资源：提供AI金融分析的学习资源和教程，帮助更多人掌握AI投资分析技能

八、总结

TradingAgents-CN 作为一个基于多智能体大语言模型的中文金融交易决策框架，通过集成多种LLM提供商、优化用户界面、支持A股市场和中文本地化，为中国用户提供了一个强大的AI金融分析工具。项目采用现代化的容器化分层架构，模拟真实世界交易公司的运作模式，通过多个专业化的AI智能体协作，实现从市场分析到专业报告导出的完整流程。

无论您是个人投资者、金融分析师还是AI技术爱好者，TradingAgents-CN 都能为您提供专业、全面、易用的金融分析体验。通过持续的更新和社区贡献，项目将不断完善和发展，为中文金融科技领域带来更多创新和价值。