前言

在人工智能飞速发展的今天，大语言模型（LLM）已经渗透到各行各业，金融领域也不例外。今天要向大家介绍的是一个专为中文用户打造的多智能体 AI 金融交易框架——TradingAgents-CN。

项目简介

TradingAgents-CN 是基于 TauricResearch/TradingAgents 项目的中文增强版本，是一个利用多智能体协作和大型语言模型进行股票分析研究的开源框架。

核心特性

特性	说明
🤖 多智能体协作	模拟专业投研团队分工（分析师、交易员、风控等）
🌐 多市场支持	A股、港股、美股全覆盖
🔗 多数据源	Tushare、AKShare、BaoStock 等
💡 多 LLM 支持	DeepSeek、Claude、GPT、MiniMax、通义千问等
🐳 Docker 部署	一键部署，开箱即用

技术架构

┌─────────────────────────────────────────────────────────────┐
│                      前端 (Vue 3 + Element Plus)              │
├─────────────────────────────────────────────────────────────┤
│                      后端 (FastAPI + Uvicorn)               │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────────────┐  │
│  │  MongoDB    │  │   Redis     │  │  LangGraph + LangChain │  │
│  │  数据存储    │  │   缓存      │  │  多智能体编排         │  │
│  └─────────────┘  └─────────────┘  └─────────────────────┘  │
├─────────────────────────────────────────────────────────────┤
│                    AI 模型 (MiniMax/DeepSeek/Claude...)     │
└─────────────────────────────────────────────────────────────┘

核心功能

1. 智能股票分析

系统模拟专业投研团队的工作流程：

• 市场分析师：收集宏观经济数据、行业动态

• 基本面分析师：分析财务报表、估值指标

• 技术分析师：识别价格形态、计算技术指标

• 风险分析师：评估市场风险、提出风控建议

• 交易员：综合各方意见，给出交易决策

2. 多数据源支持

数据源	说明	特点
AKShare	免费开源	无需 API Key，数据全面
Tushare	专业数据	需要 Token，数据质量高
BaoStock	轻量级	适合快速查询

3. 报告导出

支持多种格式的专业分析报告导出：

• 📄 Markdown

• 📝 Word (.docx)

• 📑 PDF

快速部署

环境要求

• Python 3.10+

• MongoDB 4.4+

• Redis 6.2+

Docker 部署（推荐）

# 克隆项目
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 配置环境变量
cp .env.example .env
# 编辑 .env 填入您的 API Key

# 启动服务
docker-compose up -d

本地源码部署

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装依赖
pip install -e .

# 配置并启动
cp .env.example .env
python -m app

配置 LLM API

TradingAgents-CN 支持多种 LLM 提供商，以下是常用配置：

MiniMax（推荐国内用户）

MINIMAX_API_KEY=your_api_key_here
MINIMAX_BASE_URL=https://api.minimax.chat/v1

DeepSeek（高性价比）

DEEPSEEK_API_KEY=your_api_key_here
DEEPSEEK_BASE_URL=https://api.deepseek.com

阿里百炼

DASHSCOPE_API_KEY=your_api_key_here

使用示例

Python API 调用

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# 配置 MiniMax API
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"
config["backend_url"] = "https://api.minimax.chat/v1"
config["deep_think_llm"] = "MiniMax-M2.7"
config["quick_think_llm"] = "MiniMax-M2.7"

# 初始化
ta = TradingAgentsGraph(debug=True, config=config)

# 分析股票
ticker = "600519"  # 贵州茅台
date = "2024-05-10"
_, decision = ta.propagate(ticker, date)

print(decision)

CLI 命令行使用

# 股票分析
python -m cli.main analyze

# 配置检查
python -m cli.main config

项目结构

TradingAgents-CN/
├── app/                    # FastAPI 后端
│   ├── core/              # 核心配置
│   ├── models/            # 数据模型
│   ├── routers/           # API 路由
│   └── services/          # 业务服务
├── cli/                    # 命令行工具
├── frontend/               # Vue.js 前端
├── docs/                  # 详细文档
├── examples/              # 示例代码
├── scripts/                # 部署脚本
└── tests/                  # 测试文件

许可证说明

组件	许可证	说明
核心算法	Apache 2.0	可自由使用
后端代码	商业授权	需单独购买
前端代码	商业授权	需单独购买

⚠️ 注意：本框架仅用于研究和教育目的，不构成投资建议。投资有风险，决策需谨慎。

总结

TradingAgents-CN 为中文用户提供了一个功能强大、易于部署的 AI 金融分析工具。无论是专业投资者还是金融科技研究者，都能从中获得有价值的辅助决策支持。

项目资源

• 🌐 项目地址：https://github.com/hsliuping/TradingAgents-CN

• 📖 官方文档：https://tradingagents-cn.readthedocs.io/

• 💬 微信公众号：TradingAgents-CN

---

如果这篇文章对您有帮助，欢迎点赞、收藏！也欢迎在评论区与我交流讨论。

🎯 关注作者，第一时间获取更多 AI + 金融干货！