企业官网建设流程全解析

TradingAgents-CN 使用教程：如何快速搭一支完整的多智能体 AI 股票分析团队

【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 的多智能体 AI 股票分析框架，把分析师、多空研究员辩论、交易员提案和风控评审串成完整决策链。本文讲清三种部署方式，以及从股票代码到最终决策的完整分析流程。

它到底是什么

把它理解成一个虚拟投资团队。输入一个股票代码后，团队内部会跑完一整条流水线：市场、社交媒体、新闻、基本面四位分析师先各自消化原始数据，研究员团队随即拆成看涨和看跌两个立场分头论证并互相辩论，交易员根据辩论结论出具交易提案，风控团队再以激进、中性、保守三种偏好逐一过堂，最后由经理汇总所有材料给出最终决策。

• 它覆盖 A 股、港股、美股三类市场，数据源对接 Tushare、AkShare、BaoStock 等国内渠道。
• 技术栈是 FastAPI 后端加 Vue 3 前端，MongoDB 存行情与配置，Redis 做缓存，Web 和命令行两套入口共用同一套智能体。
• 界面、报告、日志全部中文输出，提示词按中文投资语境调过，不需要额外做翻译层。

上手部署：三种方式三条路径

绿色版：不装环境直接跑

适合先看看效果的场景，共三步：

1. 下载最新绿色版压缩文件并解压，目录路径避免中文和空格。
2. 双击start_trading_agents.exe启动。
3. 打开浏览器进入 Web 界面，输入股票代码即可发起分析。

Docker：两条命令起服务

有 Docker 环境的用户走这条路最快，依赖、MongoDB、Redis 都在 compose 文件里一并拉起：

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

启动后两个入口：Web 管理界面在http://localhost:3000，后端 API 在http://localhost:8000。

源码安装：需要二次开发时

适合要改代码或做集成的场景。环境要求：Python 3.10+、MongoDB 4.4+、Redis 6.0+。步骤概括为四步：建虚拟环境并安装依赖、跑数据库初始化脚本建好集合、依次启动后端 API、前端和 worker 三个进程。细节可对照 快速开始文档。

完整走一遍：从一个股票代码到决策

输入股票代码后发生了什么

请求进来后，系统先并行取数：实时行情、历史走势、财务报表、新闻与社媒帖子，分别落到市场、社媒、新闻、基本面四位分析师手里。每位分析师产出一份结构化报告；接着研究员团队把材料整理成看涨与看跌两篇立场陈述并互相质证；交易员读取辩论结果输出交易提案（买卖方向、理由、持有建议）；风控团队按三种风险偏好复核；经理把全部上游材料合并，给出最终决策并存档。

多空"辩论"怎么读

这是这个项目最有辨识度的环节。界面上左栏是看涨方，右栏是看跌方，中间是双方多轮交锋的摘要。左栏给出增长逻辑与支撑论据（例如财务强度、行业空间），右栏给出竞争压力与估值风险，每轮辩论后两侧结论会互相修订。读法上先看两侧"Key Points Summary"是否引用了相同数据但得出相反判断，再看辩论过程中哪一方的论据被对方直接驳回——那通常是决策天平的倾斜点。

同一份分析，激进/中性/保守三种结论差在哪

风控不是给一个分数，而是三个独立视角各写一份意见：激进角色主张高回报高风险策略，愿意放大仓位；中性角色只要求收益与风险平衡；保守角色默认质疑，强调风险缓释。经理的最终建议是这三份意见的折中结果，所以同一只股票在三种偏好下可能分别得出"买入""持有""减仓"。界面左侧列出三个角色的目标，右侧是经理汇总后的最终建议，对照着看能直接看到权重偏向。

习惯终端的用户可以直接用 CLI：python -m cli.main analyze发起一次单股分析，python -m cli.main help查看全部子命令，还有config、data-config、examples等。CLI 是四宫格布局：团队各角色进度、工具调用与 LLM 消息流、当前报告同屏滚动，报告里会写明 RSI、MACD、布林带这类指标的具体取值和推理依据。

数据源与配置要点

数据源分四类：实时行情走 Tushare、AkShare、BaoStock；历史数据可补充雅虎财经、东方财富；财务指标取自财报与公司披露；新闻侧覆盖彭博、路透、Finnhub 以及 X、Reddit 等社媒平台。多源并存时注意三件事：

• 付费源（如 Tushare）先填好 API 密钥再启动，否则相关分析师会降级或跳过。
• 给数据源配置优先级顺序，行情类建议国内源优先，避免限流。
• 按更新频率调缓存时长，高频看盘缩短缓存，批量回测可放大以减少请求。

架构层面的取舍可以看 数据源架构文档。

遇到问题先查这里

端口被占用。现象是 Web 页面打不开、容器日志显示端口冲突。原因是 3000 或 8000 已被其他程序占用。排查：

netstat -tuln | grep 3000

确认占用后，改docker-compose.yml中宿主端端口映射（如3001:3000）再重启。

数据库连不上。现象是启动即报错或分析卡死在取数阶段。原因是 MongoDB 或 Redis 未随容器拉起，或连接串配置指向了错误实例。检查 compose 里两个依赖服务的状态，核对连接字符串，再看容器日志定位具体驱动错误。

依赖安装慢或超时。现象是pip install长时间停在下载。原因是走了国外源。切换国内镜像：

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

想深入改一改

• 接私有数据源：参照 爬虫示例目录 里的抓取与入库写法，按统一接口注册新 provider。
• 调技术指标：分析参数集中在配置里，RSI 周期、回看天数等可直接改，无需动智能体代码。
• 改提示词：各角色提示词在 tradingagents/ 核心包内独立维护，改完重启 worker 生效，适合针对你的投资风格重写辩论与风控话术。
• 上生产：建议 4 核 8GB 起步，分析并发高时升到 8 核 16GB，MongoDB 所在盘留足 100GB。

写在最后

TradingAgents-CN 把"多个 LLM 分工辩论"落成了可运行的工程，三种部署方式覆盖从尝鲜到二次开发的完整路径，一条代码即可从取数走到最终决策。需要强调：它是学习研究工具，输出不构成实际交易建议，入市前请自行判断风险。

仓库地址：git clone https://gitcode.com/GitHub_Trending/tr/TradingAgents-CN

【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