企业官网建设流程全解析

让多个 AI 讨论你的股票：TradingAgents-CN 多智能体股票分析平台上手指南

【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 LLM 的开源多智能体股票分析平台。它让分析师、研究员、交易员、风控师等多个 AI 智能体分工协作，对 A 股、港股、美股标的给出经过辩论与风控评审的分析结论，适合想学习 AI 股票研究、又不想从零写代码的新手和量化爱好者。

它是什么

TradingAgents-CN 模拟真实投研团队的协作方式：不是让一个大模型直接给答案，而是把任务拆给多个智能体，各自产出再由团队相互质证，最后汇总成决策。

• 🤖 覆盖 A 股、港股、美股行情与历史数据，数据源多层降级，单源失效自动切换
• 📊 支持 OpenAI、DeepSeek、通义千问等多种大模型，全部在 Web 配置页完成
• 📤 报告支持 Markdown / Word / PDF 导出，界面与文档全程中文
• 🐳 提供 Docker 一键部署，另有免安装绿色版，非技术用户也能跑起来

它是怎么干活的

一次分析走的是完整链路：系统先拉取市场行情、社交媒体、新闻资讯、基本面四类信息喂给分析师团队；分析师产出初判后，研究员团队分看涨、看跌两派就同一标的展开辩论；交易员把辩论结论转成具体交易提案；风控团队再分别以激进、中性、保守三种偏好给出评审意见；最后由经理整合所有信息，形成最终决策与执行方案。

选择你的启动方式

Docker 一键部署（新手首选）

• 适用人群：装过 Docker，想最快跑起来的用户
• 最少必要步骤：

git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN cd TradingAgents-CN && docker-compose up -d

• 启动后你会看到什么：http://localhost:3000 的 Web 管理界面和 http://localhost:8000 的 API 服务，界面里已配好模型、数据源与分析设置入口

本地源码安装（开发者向）

• 适用人群：要做二次开发、加数据源或调试流程的开发者
• 最少必要步骤：

python -m venv env && pip install -r requirements.txt

其余按 docs/QUICK_START.md 依次启动后端、前端与 worker，需自备 Python 3.10+、MongoDB 与 Redis

• 启动后你会看到什么：与 Docker 版相同的 Web 界面，运行时可通过 logs 目录查看每个智能体的执行日志

绿色版快速启动（完全不懂编程）

• 适用人群：机器上没有 Python、Docker 环境的 Windows 用户
• 最少必要步骤：下载绿色版压缩包，解压到不含中文的目录，双击启动程序即可
• 启动后你会看到什么：自动打开本地 Web 界面，直接进入分析配置页

一次完整分析长什么样

以 Web 界面为例，一次完整分析按业务流程分四步走完：

1. 输入标的与配置：选择市场、填写股票代码与分析日期，勾选参与的分析师与研究深度。

   这里是分析入口，可以配置目标标的、市场与参与的分析师团队。

2. 多维分析：市场、新闻、基本面等分析师各自产出报告，覆盖技术指标、新闻情绪与财务数据。

3. 多空辩论：两名研究员分别提出看涨与看跌论点并多轮交锋，页面同时展示双方依据与辩论过程。

   这里是多空辩论画面，左侧看涨、右侧看跌，中间是对辩过程。

4. 决策与风控：交易员把辩论结论转成买入或卖出提案，风控团队给出激进、中性、保守三档意见。

   这里是风控画面，可以看到三种风险偏好下各自的评审意见。

数据源与配置要点

三条配置建议：

1. 先配好一个大模型 API 密钥（DeepSeek、通义千问、OpenAI 任选其一），这是启动分析的前置条件。
2. 分析前先完成股票数据同步，否则结果会基于残缺数据。
3. 先用免费数据源跑通全流程，再按需添加付费源，并按使用频率设置源优先级与缓存时长。

高频踩坑与快速修复

• 端口冲突：现象是启动时报端口已被占用、打不开界面；原因是本机 3000 或 8000 已被其他程序占用；修复：用netstat -tuln | grep 3000找到占用进程并结束它，或在 docker-compose.yml 中把映射改为 3001:3000 后重启。
• 数据库连接失败：现象是后端启动报错、界面加载失败；原因是 MongoDB 或 Redis 容器未就绪、连接串不匹配；修复：用docker-compose ps确认所有容器均为运行状态，再核对 .env 中的连接配置。
• 依赖安装慢或失败：现象是 pip 下载极慢或超时；原因是默认访问海外源不稳定；修复：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

• 分析数据缺失：现象是报告里行情或财务数据为空；原因是该股历史数据尚未同步进本地数据库；修复：先执行数据同步功能，等同步完成再发起分析。

进阶入口

想接入私有或第三方数据源，可参考 examples/crawlers/ 里的抓取示例；想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、风控分别放在对应子目录；完整教程与测试股票示例见 docs/QUICK_START.md，生产部署细节可翻 docs/deployment/ 下的文档。

结尾

TradingAgents-CN 把真实投研团队的分工与相互质证搬到了你自己的机器上：输入一个股票代码，拿回的是一份经过辩论和风控评审的分析报告。

1. 用 Docker 或绿色版把界面先跑起来
2. 配置一个大模型 API 密钥，同步数据后完成第一次分析
3. 对照完整报告，切换分析师组合与研究深度，对比结论差异

本项目定位为学习与研究工具，不提供实盘交易建议；投资有风险，决策请自行判断。

【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