TradingAgents-Astock完整指南7个AI分析师如何联手产出A股投研报告【免费下载链接】TradingAgents-astockA股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)7位分析师基于A股规则的辩论决策基于TradingAgents深度改造适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull/bear debate, risk assessment。项目地址: https://gitcode.com/gh_mirrors/tr/TradingAgents-astockTradingAgents-Astock是一个面向 A 股的多 Agent 投研框架7 位 AI 分析师分别负责技术面、舆情、新闻、基本面、政策、游资、解禁再通过多空辩论与三方风险讨论最终产出一份中文 A 股投研报告。它基于 TradingAgents 深度改造数据源全部免费直连pip install装完即跑零外部服务依赖。它和原版 TradingAgents 有什么不同原版框架是为美股设计的数据走海外接口分析师不懂 A 股制度。TradingAgents-Astock 从数据层、Agent 角色、交易规则三个维度做了深度特化维度原版TradingAgents-Astock数据源Yahoo Finance 等海外接口mootdx 东财 新浪 同花顺全免费直连分析师角色4 个7 个新增政策/游资/解禁交易规则美股T0、无涨跌停A 股T1、涨跌停、最小手数、交易时段输出语言英文中文报告内部辩论保持英文以保证推理质量收益基准SPY沪深 300CSI 300完整对比见 CHANGES_FROM_UPSTREAM.md数据接入核心代码在 tradingagents/dataflows/a_stock.py。 7 位 AI 分析师的分工报告的第一阶段由 7 位分析师并行尽调每位都带着专属数据工具循环取数、写报告角色职责为什么需要 市场分析师K 线形态、技术指标、量价分析技术面是决策基础 舆情分析师社交媒体情绪、散户讨论热度散户情绪主导 A 股短线 新闻分析师行业新闻、公告、宏观事件事件驱动定价 基本面分析师财报三表、盈利能力、估值长期价值锚️ 政策分析师监管政策、产业政策、窗口指导A 股是政策市政策直接驱动板块轮动 游资追踪师龙虎榜、大单流向、主力资金动态游资是 A 股短线定价的核心力量 解禁监控师限售股解禁、大股东减持、股权质押解禁是 A 股特有的重大供给冲击其中后 3 位是 A 股特化新增角色源码分别位于 policy_analyst.py、hot_money_tracker.py、lockup_watcher.py。7 份报告会全部流入后续辩论环节确保 A 股特色因素贯穿整条决策链。⚙️ 一份报告如何产出12 阶段流水线7 份分析师报告只是开始真正的决策链条还有 5 个阶段共 12 步质量门控检查 7 份报告的数据质量缺失项会被标记多空辩论Bull Researcher 与 Bear Researcher 基于 7 份报告展开对抗辩论默认 1 轮可配置max_debate_rounds交易决策Trader 输出交易方案自动遵守 A 股约束——T1、涨跌停、最小手数、交易时段风控评估激进 / 保守 / 中立三方辩手就风险展开讨论最终决策Portfolio Manager 用深度思考模型综合全局输出最终评级与理由Buy / Hold / Sell 等五档双 LLM 设计分析师、辩手、交易员使用quick_think_llm快而省Research Manager 和 Portfolio Manager 使用deep_think_llm深度思考、综合全局可按角色甚至按厂商分别指定模型。流水线阶段定义见 web/progress.py图结构主入口在 tradingagents/graph/trading_graph.py。 快速上手三步跑起来第 1 步安装git clone https://gitcode.com/gh_mirrors/tr/TradingAgents-astock cd TradingAgents-astock pip install -e .第 2 步配置 LLM在项目根目录创建.env文件任选一家供应商写入 API Key推荐 MiniMax / DeepSeek / 通义 / 智谱国内直连# 示例DeepSeek DEEPSEEK_API_KEYsk-xxx注意每家供应商用各自的环境变量名DEEPSEEK_API_KEY、DASHSCOPE_API_KEY、ZHIPU_API_KEY…不是通用的OPENAI_API_KEY。第 3 步运行分析根目录自带可运行示例 main.py改好config后直接执行uv run python main.py或者用内置 CLI输入 6 位 A 股代码即可开始tradingagents # 交互式分析 tradingagents performance # 查看历史决策绩效统计️ Web UI不写代码的一键分析不想碰命令行运行tradingagents-web或streamlit run web/app.py打开 web/app.py 启动的可视化界面在侧边栏选择 LLM 供应商和模型输入 6 位 A 股代码 分析日期点击「开始分析」实时进度12 阶段流水线实时显示每个已完成阶段的报告都可展开查看完整报告信号卡片 7 份分析师报告 多空辩论 风控评估一键导出下载 Markdown 或 PDF自动适配三大平台中文字体历史记录所有分析自动保存展示 常见问题与注意事项Q部分分析师报告是空白的数据源本身是健康的报告为空通常是所选模型 tool-call 能力偏弱。建议换用工具调用更稳的模型DeepSeek-chat / 通义 / GLM-4 / Claude / GPT 等或重试。Q报告写到一半就断了撞的是输出 token 上限不是上下文超长。在 config 里调大max_tokens如 16000或设环境变量TRADINGAGENTS_MAX_TOKENS。Q能批量分析多只股票吗可以参考 examples/run_cases.py它复用 CLI 的报告落盘逻辑每只标的输出与 CLI 一致的complete_report.md分析师 / 研究 / 交易 / 风险 / 组合五个分区summary.json。Q判断准不准怎么验证运行tradingagents performance核心指标是方向正确率看多要跑赢、看空要跑输才算对以沪深 300 为基准算 alpha。注意这不是回测样本少于 20 条时报告会自己标注「基本是噪音」。⚠️免责声明本项目是框架的工程实现与研究复现面向研究与教学不构成任何投资建议。所有内容由 AI 自动生成可能存在错误或偏差股市有风险投资需谨慎。总结TradingAgents-Astock 把「多 Agent 辩论」这套论文架构真正落到了 A 股场景7 位覆盖政策、游资、解禁等特色维度的分析师 多空对抗 三方风控 双档 LLM配合全免费的 A 股数据源从代码到最终评级全程可追踪。如果你想在本地搭一套自己的 AI 投研流水线它是最接近开箱即用的选择之一。【免费下载链接】TradingAgents-astockA股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)7位分析师基于A股规则的辩论决策基于TradingAgents深度改造适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull/bear debate, risk assessment。项目地址: https://gitcode.com/gh_mirrors/tr/TradingAgents-astock创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
TradingAgents-Astock完整指南7个AI分析师如何联手产出A股投研报告【免费下载链接】TradingAgents-astockA股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)7位分析师基于A股规则的辩论决策基于TradingAgents深度改造适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull/bear debate, risk assessment。项目地址: https://gitcode.com/gh_mirrors/tr/TradingAgents-astockTradingAgents-Astock是一个面向 A 股的多 Agent 投研框架7 位 AI 分析师分别负责技术面、舆情、新闻、基本面、政策、游资、解禁再通过多空辩论与三方风险讨论最终产出一份中文 A 股投研报告。它基于 TradingAgents 深度改造数据源全部免费直连pip install装完即跑零外部服务依赖。它和原版 TradingAgents 有什么不同原版框架是为美股设计的数据走海外接口分析师不懂 A 股制度。TradingAgents-Astock 从数据层、Agent 角色、交易规则三个维度做了深度特化维度原版TradingAgents-Astock数据源Yahoo Finance 等海外接口mootdx 东财 新浪 同花顺全免费直连分析师角色4 个7 个新增政策/游资/解禁交易规则美股T0、无涨跌停A 股T1、涨跌停、最小手数、交易时段输出语言英文中文报告内部辩论保持英文以保证推理质量收益基准SPY沪深 300CSI 300完整对比见 CHANGES_FROM_UPSTREAM.md数据接入核心代码在 tradingagents/dataflows/a_stock.py。 7 位 AI 分析师的分工报告的第一阶段由 7 位分析师并行尽调每位都带着专属数据工具循环取数、写报告角色职责为什么需要 市场分析师K 线形态、技术指标、量价分析技术面是决策基础 舆情分析师社交媒体情绪、散户讨论热度散户情绪主导 A 股短线 新闻分析师行业新闻、公告、宏观事件事件驱动定价 基本面分析师财报三表、盈利能力、估值长期价值锚️ 政策分析师监管政策、产业政策、窗口指导A 股是政策市政策直接驱动板块轮动 游资追踪师龙虎榜、大单流向、主力资金动态游资是 A 股短线定价的核心力量 解禁监控师限售股解禁、大股东减持、股权质押解禁是 A 股特有的重大供给冲击其中后 3 位是 A 股特化新增角色源码分别位于 policy_analyst.py、hot_money_tracker.py、lockup_watcher.py。7 份报告会全部流入后续辩论环节确保 A 股特色因素贯穿整条决策链。⚙️ 一份报告如何产出12 阶段流水线7 份分析师报告只是开始真正的决策链条还有 5 个阶段共 12 步质量门控检查 7 份报告的数据质量缺失项会被标记多空辩论Bull Researcher 与 Bear Researcher 基于 7 份报告展开对抗辩论默认 1 轮可配置max_debate_rounds交易决策Trader 输出交易方案自动遵守 A 股约束——T1、涨跌停、最小手数、交易时段风控评估激进 / 保守 / 中立三方辩手就风险展开讨论最终决策Portfolio Manager 用深度思考模型综合全局输出最终评级与理由Buy / Hold / Sell 等五档双 LLM 设计分析师、辩手、交易员使用quick_think_llm快而省Research Manager 和 Portfolio Manager 使用deep_think_llm深度思考、综合全局可按角色甚至按厂商分别指定模型。流水线阶段定义见 web/progress.py图结构主入口在 tradingagents/graph/trading_graph.py。 快速上手三步跑起来第 1 步安装git clone https://gitcode.com/gh_mirrors/tr/TradingAgents-astock cd TradingAgents-astock pip install -e .第 2 步配置 LLM在项目根目录创建.env文件任选一家供应商写入 API Key推荐 MiniMax / DeepSeek / 通义 / 智谱国内直连# 示例DeepSeek DEEPSEEK_API_KEYsk-xxx注意每家供应商用各自的环境变量名DEEPSEEK_API_KEY、DASHSCOPE_API_KEY、ZHIPU_API_KEY…不是通用的OPENAI_API_KEY。第 3 步运行分析根目录自带可运行示例 main.py改好config后直接执行uv run python main.py或者用内置 CLI输入 6 位 A 股代码即可开始tradingagents # 交互式分析 tradingagents performance # 查看历史决策绩效统计️ Web UI不写代码的一键分析不想碰命令行运行tradingagents-web或streamlit run web/app.py打开 web/app.py 启动的可视化界面在侧边栏选择 LLM 供应商和模型输入 6 位 A 股代码 分析日期点击「开始分析」实时进度12 阶段流水线实时显示每个已完成阶段的报告都可展开查看完整报告信号卡片 7 份分析师报告 多空辩论 风控评估一键导出下载 Markdown 或 PDF自动适配三大平台中文字体历史记录所有分析自动保存展示 常见问题与注意事项Q部分分析师报告是空白的数据源本身是健康的报告为空通常是所选模型 tool-call 能力偏弱。建议换用工具调用更稳的模型DeepSeek-chat / 通义 / GLM-4 / Claude / GPT 等或重试。Q报告写到一半就断了撞的是输出 token 上限不是上下文超长。在 config 里调大max_tokens如 16000或设环境变量TRADINGAGENTS_MAX_TOKENS。Q能批量分析多只股票吗可以参考 examples/run_cases.py它复用 CLI 的报告落盘逻辑每只标的输出与 CLI 一致的complete_report.md分析师 / 研究 / 交易 / 风险 / 组合五个分区summary.json。Q判断准不准怎么验证运行tradingagents performance核心指标是方向正确率看多要跑赢、看空要跑输才算对以沪深 300 为基准算 alpha。注意这不是回测样本少于 20 条时报告会自己标注「基本是噪音」。⚠️免责声明本项目是框架的工程实现与研究复现面向研究与教学不构成任何投资建议。所有内容由 AI 自动生成可能存在错误或偏差股市有风险投资需谨慎。总结TradingAgents-Astock 把「多 Agent 辩论」这套论文架构真正落到了 A 股场景7 位覆盖政策、游资、解禁等特色维度的分析师 多空对抗 三方风控 双档 LLM配合全免费的 A 股数据源从代码到最终评级全程可追踪。如果你想在本地搭一套自己的 AI 投研流水线它是最接近开箱即用的选择之一。【免费下载链接】TradingAgents-astockA股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)7位分析师基于A股规则的辩论决策基于TradingAgents深度改造适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull/bear debate, risk assessment。项目地址: https://gitcode.com/gh_mirrors/tr/TradingAgents-astock创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
