PanWatch 持仓页点一下会发生什么TradingAgents 深度分析全流程实测【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatchPanWatch盯盘侠是一款覆盖 A股、港股、美股的 AI 盯盘工具内置由 TradingAgents 驱动的深度分析功能。本文以「持仓页点一下 按钮」为起点实测拆解从行情采集、多 Agent 辩论到最终买卖建议落库的完整链路帮你搞懂这次 3-8 分钟的分析到底在算什么、花了多少钱、结果去了哪里。一次点击背后深度分析如何触发在持仓页Stocks.tsx中每只持仓股票的「操作」列都有一个 图标点击即弹出深度分析弹窗deep-analysis-modal.tsx。弹窗会先给你三个关键信息⏱预计耗时3-8 分钟异步执行可关闭弹窗完成时通过通知渠道推送预估成本按所选模型实时估算例如${low} - ${high}本月预算默认 $10/月超预算可配置「拒绝 / 警告 / 继续」触发后前端通过 SSE 订阅进度断线自动降级为 2 秒轮询tradingagents-progress.tstrace_id 会写入 localStorage关掉浏览器再回来也能恢复进度条不会失联。第一步4 类行情数据并发采集后端 TradingAgentsAgent.collect() 会并发拉取 4 类数据每个数据源带独立硬超时默认 45 秒单个源失败只降级为空结果不会阻塞整个分析数据类型说明用途实时行情最新价、行业、涨跌幅标的元信息与现价锚点K 线750 日历史验证快照与 200 日均线一次拉取全程复用资金流向主力资金动向资金面分析师事件/公告近 30 日新闻分析师A 股额外加采两项真实财报akshare和预计算的技术指标MA/MACD/RSI/KDJ/BOLL。这些指标预算好之后直接喂给 TradingAgents 的get_indicators工具避免上游重复请求 K 线——数据注入与缓存逻辑见 toolkit_adapter.py 与 data_context.py。第二步预算检查与同日缓存在真正调用大模型前还有两道省钱闸门月度预算检查observability 模块本月花费超限时按你配置的策略拒绝、警告或继续同日缓存同一只股票当天已分析过就直接返回缓存结果标题带「深度·缓存」标记零成本秒回想强制刷新可走 force refresh 通道。第三步多 Agent 决策——4 位分析师 辩论 风控真正的重头戏在 TradingAgentsGraph.propagate()。TradingAgents 内部按投资研究团队分工协作数据准备 → 技术分析师 → 情绪分析师 → 新闻分析师 → 基本面分析师 → 看多看空辩论 → 研究主管 → 交易员决策 → 风控判定 → PM 整合几个实测值得注意的细节辩论轮数可配置debate_rounds看多看空双方对辩、裁判裁决轮数越多结论越稳但耗时与 token 成本同步上升⚖️风控独立判定risk_judge_decision会与交易员计划交叉校验激进建议在风控环节可能被降级PM 出最终决策书final_trade_decision是用户实际看到的最终输出评级以正文显式标签为权威来源避免上游二次提炼失真⚠️解析失败不瞎猜无法解析评级时标记为待人工复核REVIEW阻止自动交易而不是硬套持有。完整的阶段定义与英文文案见 i18n 配置。第四步5 档评级如何映射成建议TradingAgents 输出 5 档评级PanWatch 在 decision.py 中做两层映射5 档 → 3 档买入/增持 →buy持有 →hold减持/卖出 →sell供前端建议徽章与策略执行使用5 档 → 展示标签买入、增持、持有、减持、卖出原样保留历史报告可查原始档位。结果去哪了三处落库 可选模拟盘分析完成后结果会分三路写入agent.py分析历史analysis_history.py供个股详情「深度」Tab 与弹窗回放同日复跑覆盖建议池suggestion_pool.py持仓页股票行上的卖出/持有/买入徽章就来自这里有效期 24 小时与「盘前分析」「收盘复盘」并列展示模拟盘信号默认关闭开启后符合条件的 BUY/SELL 决策才会写入信号驱动模拟盘。最终报告按「PM 最终决策书 / 四位分析师 / 辩论过程 / 风控辩论」分 Tab 呈现组装逻辑在 analysis-sections.ts弹窗与详细阅读页共用保证两处内容一致。成本与耗时一次实测的账本项目默认值单次耗时3-8 分钟硬超时 30 分钟单次成本约 $0.05deepseek-chat 档月度预算$10超预算三档策略可选缓存策略同标的同日命中即秒回超时或失败时进度条会保留已完成的阶段与累计成本便于判断是换更快的quick_model还是调低辩论轮数。整条流程的设计说明可参阅官方文档 docs/tradingagents-flow.md。总结为什么这套流程值得参考PanWatch 的 TradingAgents 深度分析把点一下按钮展开成了一条工程化链路并发采集 容错降级 → 预算与缓存双重闸门 → 多 Agent 辩论决策 → 三档映射 人工复核兜底 → 历史/建议池/模拟盘三处落库。它不只是一次 AI 调用而是把成本、可靠性、可追溯性都提前算清楚了——这正是 AI 选股工具从玩具走向可用的关键一步。 以上结果仅供学习研究参考不构成投资建议。【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
PanWatch 持仓页点一下会发生什么TradingAgents 深度分析全流程实测【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatchPanWatch盯盘侠是一款覆盖 A股、港股、美股的 AI 盯盘工具内置由 TradingAgents 驱动的深度分析功能。本文以「持仓页点一下 按钮」为起点实测拆解从行情采集、多 Agent 辩论到最终买卖建议落库的完整链路帮你搞懂这次 3-8 分钟的分析到底在算什么、花了多少钱、结果去了哪里。一次点击背后深度分析如何触发在持仓页Stocks.tsx中每只持仓股票的「操作」列都有一个 图标点击即弹出深度分析弹窗deep-analysis-modal.tsx。弹窗会先给你三个关键信息⏱预计耗时3-8 分钟异步执行可关闭弹窗完成时通过通知渠道推送预估成本按所选模型实时估算例如${low} - ${high}本月预算默认 $10/月超预算可配置「拒绝 / 警告 / 继续」触发后前端通过 SSE 订阅进度断线自动降级为 2 秒轮询tradingagents-progress.tstrace_id 会写入 localStorage关掉浏览器再回来也能恢复进度条不会失联。第一步4 类行情数据并发采集后端 TradingAgentsAgent.collect() 会并发拉取 4 类数据每个数据源带独立硬超时默认 45 秒单个源失败只降级为空结果不会阻塞整个分析数据类型说明用途实时行情最新价、行业、涨跌幅标的元信息与现价锚点K 线750 日历史验证快照与 200 日均线一次拉取全程复用资金流向主力资金动向资金面分析师事件/公告近 30 日新闻分析师A 股额外加采两项真实财报akshare和预计算的技术指标MA/MACD/RSI/KDJ/BOLL。这些指标预算好之后直接喂给 TradingAgents 的get_indicators工具避免上游重复请求 K 线——数据注入与缓存逻辑见 toolkit_adapter.py 与 data_context.py。第二步预算检查与同日缓存在真正调用大模型前还有两道省钱闸门月度预算检查observability 模块本月花费超限时按你配置的策略拒绝、警告或继续同日缓存同一只股票当天已分析过就直接返回缓存结果标题带「深度·缓存」标记零成本秒回想强制刷新可走 force refresh 通道。第三步多 Agent 决策——4 位分析师 辩论 风控真正的重头戏在 TradingAgentsGraph.propagate()。TradingAgents 内部按投资研究团队分工协作数据准备 → 技术分析师 → 情绪分析师 → 新闻分析师 → 基本面分析师 → 看多看空辩论 → 研究主管 → 交易员决策 → 风控判定 → PM 整合几个实测值得注意的细节辩论轮数可配置debate_rounds看多看空双方对辩、裁判裁决轮数越多结论越稳但耗时与 token 成本同步上升⚖️风控独立判定risk_judge_decision会与交易员计划交叉校验激进建议在风控环节可能被降级PM 出最终决策书final_trade_decision是用户实际看到的最终输出评级以正文显式标签为权威来源避免上游二次提炼失真⚠️解析失败不瞎猜无法解析评级时标记为待人工复核REVIEW阻止自动交易而不是硬套持有。完整的阶段定义与英文文案见 i18n 配置。第四步5 档评级如何映射成建议TradingAgents 输出 5 档评级PanWatch 在 decision.py 中做两层映射5 档 → 3 档买入/增持 →buy持有 →hold减持/卖出 →sell供前端建议徽章与策略执行使用5 档 → 展示标签买入、增持、持有、减持、卖出原样保留历史报告可查原始档位。结果去哪了三处落库 可选模拟盘分析完成后结果会分三路写入agent.py分析历史analysis_history.py供个股详情「深度」Tab 与弹窗回放同日复跑覆盖建议池suggestion_pool.py持仓页股票行上的卖出/持有/买入徽章就来自这里有效期 24 小时与「盘前分析」「收盘复盘」并列展示模拟盘信号默认关闭开启后符合条件的 BUY/SELL 决策才会写入信号驱动模拟盘。最终报告按「PM 最终决策书 / 四位分析师 / 辩论过程 / 风控辩论」分 Tab 呈现组装逻辑在 analysis-sections.ts弹窗与详细阅读页共用保证两处内容一致。成本与耗时一次实测的账本项目默认值单次耗时3-8 分钟硬超时 30 分钟单次成本约 $0.05deepseek-chat 档月度预算$10超预算三档策略可选缓存策略同标的同日命中即秒回超时或失败时进度条会保留已完成的阶段与累计成本便于判断是换更快的quick_model还是调低辩论轮数。整条流程的设计说明可参阅官方文档 docs/tradingagents-flow.md。总结为什么这套流程值得参考PanWatch 的 TradingAgents 深度分析把点一下按钮展开成了一条工程化链路并发采集 容错降级 → 预算与缓存双重闸门 → 多 Agent 辩论决策 → 三档映射 人工复核兜底 → 历史/建议池/模拟盘三处落库。它不只是一次 AI 调用而是把成本、可靠性、可追溯性都提前算清楚了——这正是 AI 选股工具从玩具走向可用的关键一步。 以上结果仅供学习研究参考不构成投资建议。【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
