TradingAgents-CN让一群 AI 分工完成你的股票研究【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CNTradingAgents-CN 是一个基于大模型的多智能体多个 AI 角色各司其职、互相校验股票分析平台。你输入一个股票代码平台会模拟一支真实的投研团队分析师出报告研究员分两派辩论交易员提方案风控做评审最后交给经理拍板。它支持 A 股、港股、美股覆盖行情、新闻、社媒和基本面数据全程中文报告可导出 Markdown、Word 或 PDF。为什么值得试问一个大模型这只股票怎么样你得到的是单次、无人校验的回答。TradingAgents-CN 的做法是把任务拆开每个角色只负责一段产出会被另一派质疑结论还要过风控三道关。这样出来的结论比你单问一次模型更经得起推敲也更适合拿来学习 AI 股票研究的方法。三种启动方式怎么选看你是哪类用户选一条最快的路装过 Docker 的新手git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d要二次开发的开发者建虚拟环境后执行pip install -r requirements.txt再按 docs/QUICK_START.md 启动后端、前端与 worker需自备 Python 3.10、MongoDB 和 Redis。机器上什么环境都没有的 Windows 用户下载绿色版压缩包解压到不含中文的目录双击启动即可。Docker 版跑起来后访问 http://localhost:3000 是 Web 管理界面http://localhost:8000 是 API 服务。模型、数据源和分析设置都在界面上配。一次分析里AI 们都在干嘛你在界面上选好市场、填好股票代码和分析日期勾选要参与的分析师。这里你看到的是分析配置入口目标标的、市场、参与的分析师团队都在这里定。提交之后后台依次发生这些事。系统先拉取行情、社媒、新闻、基本面四类数据喂给市场、新闻、基本面等分析师各出一份技术面、情绪面、财务面的报告。接着两名研究员登场一个看涨、一个看跌就同一标的多轮辩论。这里你看到的是多空辩论画面左侧看涨、右侧看跌中间是交锋过程。辩论结束后交易员把结论转成买入或卖出提案。风控团队再分激进、中性、保守三个偏好各给一份评审。最后经理汇总全部信息形成最终决策和执行方案。这里你看到的是风控评审画面三种风险偏好下各自的意见一目了然。跑之前先配好这几样先配一个大模型 API 密钥DeepSeek、通义千问、OpenAI 任选其一这是发起分析的前置条件。先完成股票数据同步再发起分析否则结果基于残缺数据。先用免费数据源跑通全流程再按需加付费源并按使用频率设置优先级和缓存时长。卡住了查这里如果启动时报端口被占用、打不开界面 → 试试netstat -tuln | grep 3000找到占用进程结束它或在 docker-compose.yml 里把映射改成 3001:3000 后重启。如果后端启动报错、界面加载失败 → 试试docker-compose ps确认 MongoDB 和 Redis 容器都在运行再核对 .env 里的连接配置。如果 pip 安装极慢或超时 → 试试pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。如果报告里行情或财务数据为空 → 先执行数据同步等它完成再发起分析。想再深入一点接入私有或第三方数据源参考 examples/crawlers/ 里的抓取示例。改分析提示词或智能体行为入口在 tradingagents/agents/分析师、研究员、交易员、风控各占一个子目录。完整教程与测试股票示例docs/QUICK_START.md生产部署细节可翻 docs/deployment/。下一步用 Docker 或绿色版把界面先跑起来。配好一个大模型 API 密钥同步数据后完成第一次分析。切换分析师组合和研究深度对比不同配置下的结论差异。本项目仅供学习研究不构成投资建议。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
TradingAgents-CN让一群 AI 分工完成你的股票研究【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CNTradingAgents-CN 是一个基于大模型的多智能体多个 AI 角色各司其职、互相校验股票分析平台。你输入一个股票代码平台会模拟一支真实的投研团队分析师出报告研究员分两派辩论交易员提方案风控做评审最后交给经理拍板。它支持 A 股、港股、美股覆盖行情、新闻、社媒和基本面数据全程中文报告可导出 Markdown、Word 或 PDF。为什么值得试问一个大模型这只股票怎么样你得到的是单次、无人校验的回答。TradingAgents-CN 的做法是把任务拆开每个角色只负责一段产出会被另一派质疑结论还要过风控三道关。这样出来的结论比你单问一次模型更经得起推敲也更适合拿来学习 AI 股票研究的方法。三种启动方式怎么选看你是哪类用户选一条最快的路装过 Docker 的新手git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN docker-compose up -d要二次开发的开发者建虚拟环境后执行pip install -r requirements.txt再按 docs/QUICK_START.md 启动后端、前端与 worker需自备 Python 3.10、MongoDB 和 Redis。机器上什么环境都没有的 Windows 用户下载绿色版压缩包解压到不含中文的目录双击启动即可。Docker 版跑起来后访问 http://localhost:3000 是 Web 管理界面http://localhost:8000 是 API 服务。模型、数据源和分析设置都在界面上配。一次分析里AI 们都在干嘛你在界面上选好市场、填好股票代码和分析日期勾选要参与的分析师。这里你看到的是分析配置入口目标标的、市场、参与的分析师团队都在这里定。提交之后后台依次发生这些事。系统先拉取行情、社媒、新闻、基本面四类数据喂给市场、新闻、基本面等分析师各出一份技术面、情绪面、财务面的报告。接着两名研究员登场一个看涨、一个看跌就同一标的多轮辩论。这里你看到的是多空辩论画面左侧看涨、右侧看跌中间是交锋过程。辩论结束后交易员把结论转成买入或卖出提案。风控团队再分激进、中性、保守三个偏好各给一份评审。最后经理汇总全部信息形成最终决策和执行方案。这里你看到的是风控评审画面三种风险偏好下各自的意见一目了然。跑之前先配好这几样先配一个大模型 API 密钥DeepSeek、通义千问、OpenAI 任选其一这是发起分析的前置条件。先完成股票数据同步再发起分析否则结果基于残缺数据。先用免费数据源跑通全流程再按需加付费源并按使用频率设置优先级和缓存时长。卡住了查这里如果启动时报端口被占用、打不开界面 → 试试netstat -tuln | grep 3000找到占用进程结束它或在 docker-compose.yml 里把映射改成 3001:3000 后重启。如果后端启动报错、界面加载失败 → 试试docker-compose ps确认 MongoDB 和 Redis 容器都在运行再核对 .env 里的连接配置。如果 pip 安装极慢或超时 → 试试pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。如果报告里行情或财务数据为空 → 先执行数据同步等它完成再发起分析。想再深入一点接入私有或第三方数据源参考 examples/crawlers/ 里的抓取示例。改分析提示词或智能体行为入口在 tradingagents/agents/分析师、研究员、交易员、风控各占一个子目录。完整教程与测试股票示例docs/QUICK_START.md生产部署细节可翻 docs/deployment/。下一步用 Docker 或绿色版把界面先跑起来。配好一个大模型 API 密钥同步数据后完成第一次分析。切换分析师组合和研究深度对比不同配置下的结论差异。本项目仅供学习研究不构成投资建议。【免费下载链接】TradingAgents-CN基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版项目地址: https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
)
)
