市面上AI炒股项目很多，但大多数都是"一个模型包打天下"。最近试了一个叫 TradingAgents 的开源项目，它的设计思路不太一样——用多个AI Agent模拟真实投资团队，互相辩论再做决策。分享一下我的体验。

---

一个有意思的设计：让AI自己吵一架

传统AI炒股项目的逻辑很简单：喂数据 → 模型分析 → 输出结论。

TradingAgents 的逻辑不一样。它让AI先吵一架，再做决定。

具体来说，它会：

1. 派出4个分析师各自独立分析（基本面、情绪、新闻、技术面）
2. 一个"多头"AI和一个"空头"AI互相挑刺，辩论好几轮
3. 三个风险分析师从激进、保守、中性三个角度再辩论一轮
4. 最后由"投资组合经理"综合所有意见拍板

这个设计让我想到了真实的投资决策过程。在基金公司里，分析师出报告、研究员辩论、风控审核、基金经理决策，差不多也是这个流程。

---

辩论机制：最有意思的部分

我最感兴趣的是它的辩论机制。

举个例子，假设分析苹果公司（AAPL）：

🐂 多头AI会说：

• iPhone 17 销量超预期
• 服务收入持续增长
• 现金流充沛，有回购空间

🐻 空头AI会反驳：

• 中国市场竞争加剧
• 估值已经偏高
• 关税政策有不确定性

然后多头AI会针对空头的论点再反驳，空头也会继续挖坑。这种"对抗式推理"确实比单一模型的分析更全面。

我测试了几只股票，发现辩论过程中确实能发现一些单一视角容易忽略的风险点。

---

技术实现：LangGraph + 结构化输出

从技术角度看，TradingAgents 用 LangGraph 做多Agent编排，整个流程是一个有向无环图（DAG）。

几个技术亮点：

1. 结构化输出

研究主管、交易员、投资组合经理这三个决策Agent都用了 llm.with_structured_output(Schema)，返回的是 Pydantic 对象，不是自由文本。这样做的好处是：

• 输出格式稳定，不会跑偏
• 方便后续处理和展示
• 减少幻觉

2. 检查点机制

支持 LangGraph 的 checkpoint 功能，跑到一半崩了可以断点续传。对长时间运行的分析任务来说很实用。

3. 决策日志

每次分析的结果会自动记录，下次分析同一只股票时，会参考历史决策的收益率和反思。这个"记忆"机制挺有意思。

---

支持的LLM：基本覆盖主流

提供商	模型
OpenAI	GPT-5.5, GPT-5.4, GPT-5.2
Anthropic	Claude Opus 4.7, Claude Sonnet 4.6
Google	Gemini 3.1 Pro, Gemini 3 Flash
DeepSeek	V4 Pro, V4 Flash
通义千问	Qwen 3.6 Plus/Flash
智谱GLM	GLM-5.1, GLM-5
MiniMax	M2.7, M2.5, M2.1
Ollama	本地模型

我测试了 DeepSeek V4 Pro 和 Claude Sonnet 4.6，感觉 DeepSeek 的性价比更高，Claude 的分析更细腻。

---

快速体验

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
uv venv -p 3.13 && uv pip install .

# 配置 API Key
echo "OPENAI_API_KEY=你的密钥" > .env

# 运行
uv run python main.py

CLI 有交互式界面，选股票、选模型、选日期，然后等着看结果就行。

---

我的使用感受

优点：

• 辩论机制确实能提升分析质量，不是花架子
• 多维度分析比单一模型全面
• 报告格式清晰，有Markdown和HTML两种
• 支持检查点，长时间任务不怕崩

不足：

• 原版主要支持美股，A股数据有限
• 数据源依赖Yahoo Finance，国内访问有时不稳定
• 辩论轮数多了会比较慢，token消耗也大

---

如果你需要分析A股

原版对A股支持有限，Yahoo Finance 的A股数据经常缺失。社区里有个 A股增强版（TradingAgents-CN-lite），把数据源换成了 BaoStock + AkShare + 东方财富股吧，支持沪深北交所自动识别，中文LLM适配也更好。感兴趣可以看看。

---

写在最后

TradingAgents 不是一个"AI帮你炒股赚钱"的项目，它更像一个"AI帮你做研究"的工具。它的价值在于：

• 多角度分析，减少信息盲区
• 辩论机制，避免单方面偏见
• 结构化输出，方便决策参考

如果你对AI+金融感兴趣，推荐试试。但记住，任何AI工具都只是辅助，最终的决策还是要靠自己。

项目地址：

• 原版：https://github.com/TauricResearch/TradingAgents
• A股版：https://github.com/cy-Yin/TradingAgents-CN-lite