3步搭建基于多智能体LLM的智能交易系统：TradingAgents-CN完全指南

龚格成

305人浏览 · 2026-03-24 00:28:27

龚格成 · 2026-03-24 00:28:27 发布

3步搭建基于多智能体LLM的智能交易系统：TradingAgents-CN完全指南

【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

TradingAgents-CN是一个基于多智能体LLM技术的中文金融交易框架，通过AI驱动的多角色协作，实现从数据收集、市场分析到交易决策的全流程自动化。这个开源项目专为中文用户设计，支持A股、港股、美股市场分析，提供企业级的智能交易解决方案。无论你是个人投资者、量化策略开发者还是金融机构，都能通过这个框架构建符合自身需求的智能交易系统。

🚀 快速入门：5分钟启动你的智能交易助手

想要快速体验TradingAgents-CN的强大功能？只需3个简单步骤：

步骤1：环境准备与安装

# 克隆项目仓库
git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN

# 进入项目目录
cd TradingAgents-CN

# 安装依赖（推荐使用虚拟环境）
pip install -r requirements.txt

步骤2：系统初始化配置

# 初始化数据库
python scripts/init_system_data.py

# 配置API密钥（支持多种LLM提供商）
python scripts/update_db_api_keys.py

步骤3：启动系统

# 启动后端服务
python main.py

# 启动前端界面（可选）
cd frontend && npm run dev

💡 小贴士：如果遇到依赖问题，可以查看官方文档：docs/installation-guide.md 或使用Docker一键部署。

🏗️ 核心功能：四大智能体协同工作

TradingAgents-CN的核心魅力在于其多智能体协作机制，每个智能体都有独特的专业分工：

1. 分析师智能体：全方位市场洞察

分析师智能体负责从四个维度进行市场分析，为你提供全面的投资视角：

分析师智能体功能展示：市场趋势、社交媒体情绪、新闻事件、基本面数据四大维度

核心功能：

技术分析：MACD、RSI、BOLL、KDJ等指标计算
情绪分析：社交媒体和新闻情感分析
基本面分析：财务数据、估值指标分析
新闻分析：实时新闻事件影响评估

2. 研究员智能体：多视角投资辩论

研究员智能体通过看涨和看跌两方辩论，为你提供更全面的投资决策参考：

研究员智能体多视角辩论：绿色代表看涨观点，红色代表看跌观点

辩论机制：

看涨研究员：分析增长潜力、市场地位、财务健康度
看跌研究员：评估竞争风险、监管风险、估值风险
主持人智能体：综合双方观点，形成最终建议

3. 交易智能体：智能决策执行

基于前两个智能体的分析结果，交易智能体生成具体的操作建议：

交易智能体决策界面：基于多维度分析的交易建议

决策逻辑：

结合技术面、基本面、情绪面分析
考虑风险偏好和投资目标
生成具体的买入/卖出/持有建议

4. 风险控制智能体：智能风险管理

风险控制智能体：展示不同风险偏好下的投资建议

风险等级：

激进型：追求高回报，承担较高风险
平衡型：风险与收益平衡
保守型：优先保护本金，低风险投资

📊 系统架构：从数据到决策的完整流程

TradingAgents-CN采用现代化的前后端分离架构，确保系统的高性能和可扩展性：

TradingAgents-CN系统架构：展示从数据采集到交易执行的完整流程

架构核心组件：

组件	功能描述	技术栈
前端界面	用户交互界面	Vue3 + Element Plus
后端服务	业务逻辑处理	FastAPI + MongoDB
任务队列	异步任务处理	Redis + Celery
智能体系统	AI分析引擎	多智能体LLM架构
数据层	数据存储管理	MongoDB + Redis缓存

数据流程：

数据采集 → 2. 智能体分析 → 3. 多视角辩论 → 4. 决策生成 → 5. 风险评估 → 6. 执行建议

🛠️ 实战应用：从新手到专家的进阶之路

初级应用：单只股票分析

如果你是投资新手，可以从单只股票分析开始：

# 示例代码：[examples/simple_analysis_demo.py](https://link.gitcode.com/i/6f0c58b1397809b92ef725dc87066da0)
from tradingagents.agents.analyst import MarketAnalyst

# 创建分析师实例
analyst = MarketAnalyst()

# 分析单只股票
result = analyst.analyze(stock_code="000001", market="CN")

# 获取分析报告
print(f"技术分析: {result.technical_analysis}")
print(f"基本面分析: {result.fundamental_analysis}")
print(f"投资建议: {result.recommendation}")

中级应用：批量分析与选股

当你熟悉基本操作后，可以尝试批量分析功能：

# 批量分析多只股票
stocks = ["000001", "000002", "600036", "601318"]
batch_results = []

for stock in stocks:
    analysis = analyst.analyze(stock_code=stock, market="CN")
    batch_results.append(analysis)
    
# 使用内置筛选器选择优质股票
filtered_stocks = filter_stocks_by_criteria(batch_results, 
    min_roe=0.15, 
    max_pe_ratio=30,
    min_revenue_growth=0.1
)

高级应用：自定义策略开发

对于专业用户，可以开发自定义分析策略：

# 创建自定义量化策略智能体
from tradingagents.core.agent import BaseAgent

class MyQuantStrategy(BaseAgent):
    def __init__(self, config):
        super().__init__(config)
        self.name = "custom_quant_strategy"
        
    def analyze(self, stock_data):
        # 实现你的量化策略
        signals = self._calculate_signals(stock_data)
        return self._generate_recommendation(signals)

⚙️ 高级配置：个性化你的交易系统

数据源配置

TradingAgents-CN支持多种数据源，你可以根据需求灵活配置：

数据源	特点	适用场景
Tushare	A股数据全面，API稳定	A股市场分析首选
AkShare	免费开源，数据丰富	多市场数据获取
BaoStock	免费实时数据	实时行情分析
Finnhub	美股数据专业	美股市场分析

LLM提供商配置

支持多种大语言模型提供商，满足不同需求：

提供商	模型示例	特点
OpenAI	GPT-4, GPT-3.5	分析能力强，成本较高
DeepSeek	DeepSeek Chat	性价比高，中文优化
阿里百炼	通义千问	国产优秀，中文理解强
百度千帆	文心一言	中文场景优化
Google AI	Gemini系列	多模态能力强

风险偏好配置

根据你的风险承受能力调整系统参数：

# 配置文件：[config/risk_config.toml](https://link.gitcode.com/i/5c43eb944066b7b8a597a677e8df8764)
risk_level: "balanced"  # aggressive, balanced, conservative

# 激进型配置
aggressive:
  max_position_size: 0.15  # 单只股票最大仓位15%
  stop_loss: 0.08  # 止损线8%
  take_profit: [0.15, 0.25, 0.35]  # 分批止盈

# 平衡型配置  
balanced:
  max_position_size: 0.1
  stop_loss: 0.05
  take_profit: [0.1, 0.2, 0.3]

# 保守型配置
conservative:
  max_position_size: 0.05
  stop_loss: 0.03
  take_profit: [0.08, 0.15, 0.2]