117
// 项目简介
TradingAgents 是一个基于多智能体的大模型金融交易框架，旨在模拟真实交易公司的运作流程。该框架通过部署包括基本面、情绪、新闻和技术分析在内的专业智能体，协同评估市场状况并制定交易策略。系统利用 LangGraph 构建，支持多种主流大模型提供商，并提供交互式命令行界面及 Python 开发接口。
// 技术分析
TradingAgents 是一个基于 LangGraph 构建的多智能体金融交易框架，旨在模拟真实交易公司的运作流程。该系统通过将复杂的交易任务分解为基本面、情绪、新闻和技术分析等专业角色，并引入研究员辩论机制，实现了对市场条件的深度评估。这种架构设计不仅提高了决策的鲁棒性，还通过风险管理和投资组合经理的层级控制，确保了交易决策的严谨性。该框架支持多种主流 LLM 提供商，为研究人员提供了一个高度模块化且可扩展的金融 AI 实验平台。
// 核心亮点
01
采用多智能体协作架构，模拟从市场分析到风险控制的完整金融交易流程。
02
内置多维分析团队，涵盖基本面、情绪、新闻及技术指标，提供全面的市场洞察。
03
引入多空辩论机制，通过结构化讨论平衡潜在收益与固有风险。
04
支持广泛的 LLM 提供商，包括 OpenAI、Google、Anthropic、xAI、OpenRouter 及本地 Ollama 模型。
05
基于 LangGraph 构建，具备高度的灵活性和模块化，便于开发者自定义配置与扩展。
06
提供交互式 CLI 工具，支持实时跟踪智能体的分析进度与交易决策过程。
// 典型使用场景
01
通过多智能体协作进行深度市场分析与交易决策
02
利用基本面、技术指标及情绪分析评估金融资产
03
通过风险管理与投资组合经理智能体实现自动化交易策略执行
// 快速开始
开发者可通过克隆仓库并使用 conda 创建 Python 3.13 环境，随后运行 pip install . 安装依赖。配置 .env 文件填入必要的 API 密钥后，即可通过 tradingagents 命令启动交互式 CLI，或在 Python 代码中导入 TradingAgentsGraph 类进行自定义交易策略开发。