下一代AI量化交易决策框架TradingAgents-CN

TradingAgents-CN 是一个基于多智能体大语言模型（LLM）的开源金融交易决策框架，专为A股、港股及美股市场设计。

杨浦老苏

2834人浏览 · 2025-08-25 09:29:27

杨浦老苏 · 2025-08-25 09:29:27 发布

简介

什么是 TradingAgents-CN ？

TradingAgents-CN 是一个基于多智能体大语言模型（LLM）的开源金融交易决策框架。它是对原项目 TradingAgents 的中文增强版，专为中文用户设计，旨在提供完整的A股、港股及美股市场的分析能力，并集成了多个国产大模型。

主要特点

多智能体协作: 项目采用专业分工的智能体团队，包括基本面、技术面、新闻和社交媒体分析师，通过结构化辩论形成投资决策。
全面的LLM支持: 集成了阿里百炼、DeepSeek、Google AI、OpenRouter等多个主流和国产大语言模型提供商，支持超过 60 种模型。
中国市场优化: 专门支持 A 股和港股市场的数据，并提供完全中文化的界面和分析报告。
强大的功能: 具备智能新闻分析、多级研究深度选择、实时分析进度跟踪、专业报告导出（支持 Markdown/Word/PDF ）等功能。
友好的用户界面: 提供基于 Streamlit 构建的现代化 Web 界面，可进行可视化操作、配置和结果展示。

应用场景

量化策略研究: 训练、测试和评估基于AI 的金融交易策略。
金融市场分析: 对特定股票（A 股/港股/美股）进行多维度（技术、基本面、新闻等）的综合分析，并生成专业报告。
AI金融教育: 作为学习和研究多智能体、LLM在金融领域应用的工具。

TradingAgents 框架将复杂交易任务分解为专业角色。这种设计确保系统采用稳健、可扩展的方法进行市场分析和决策制定。

准备

获取 TUSHARE_TOKEN

Tushare API Token 提供了专业的中国金融数据源，当然也可以只使用默认的 akshare

注意： 免费用户有调用频率限制，建议升级积分获得更高权限

获取地址： https://tushare.pro/register?reg=847217

进入个人中心 --> 获取 Token

获取 FINNHUB_API_KEY

FinnHub API Key 用于获取美股金融数据

注意： 免费账户每分钟 60 次请求，足够日常使用

获取地址: https://finnhub.io

注册一个账户就行

大模型

支持的大模型比较多，包括 OpenAI、Anthropic、Google 等，系统默认使用的是 阿里百炼，老苏还是习惯用 硅基流动

目前硅基流动（SiliconFlow），注册就送 2000 万 Tokens，虽然不是免费，但也够用一阵子的

注册地址：

https://cloud.siliconflow.cn/i/NkUiXVhQ

安装

在群晖上以 Docker 方式安装。

本文写作时， latest 版本对应为 0.1.3；

对应的软件版本是最新的 cn-0.1.13-preview

env.txt

env.txt 是环境变量文件，只是为了方便编辑增加了 .txt 扩展名

源文件地址：https://github.com/hsliuping/TradingAgents-CN/blob/main/.env.example

将文件下载到本地后，按下面的进行修改

将获取的 Tushare API Token 替换 TUSHARE_TOKEN 后面的值，同时将 TUSHARE_ENABLED 设为 true
将获取的 FinnHub API Key 替换 FINNHUB_API_KEY 后面的值
选择对应的大模型，老苏用的硅基流动，所以替换 SILICONFLOW_API_KEY 后面的值即可，但 DASHSCOPE_API_KEY=your_dashscope_api_key_here 必须保留，否则会报 API密钥配置不完整

将 MONGODB_HOST=localhost 后面的 localhost 改为 mongodb
将 REDIS_HOST=localhost 后面的 localhost 改为 redis

其他的保持默认就可以了，或者删掉注释弄个简化版

DASHSCOPE_API_KEY=your_dashscope_api_key_here
SILICONFLOW_API_KEY=<your_siliconflow_api_key_here>

FINNHUB_API_KEY=<your_finnhub_api_key_here>

TUSHARE_TOKEN=<your_tushare_token_here>
TUSHARE_ENABLED=true

DEFAULT_CHINA_DATA_SOURCE=akshare

TRADINGAGENTS_RESULTS_DIR=./results
TRADINGAGENTS_DATA_DIR=./data
TRADINGAGENTS_CACHE_DIR=./cache
TRADINGAGENTS_LOG_LEVEL=INFO
PYTHONDONTWRITEBYTECODE=1

MEMORY_ENABLED=true

MAX_WORKERS=4

MONGODB_ENABLED=true
REDIS_ENABLED=true

MONGODB_HOST=mongodb
MONGODB_PORT=27017
MONGODB_USERNAME=admin
MONGODB_PASSWORD=tradingagents123
MONGODB_DATABASE=tradingagents
MONGODB_AUTH_SOURCE=admin

REDIS_HOST=redis
REDIS_PORT=6379
REDIS_PASSWORD=tradingagents123
REDIS_DB=0

ENABLE_COST_TRACKING=true
COST_ALERT_THRESHOLD=100.0

MAX_USAGE_RECORDS=10000

USE_MONGODB_STORAGE=false

MONGODB_CONNECTION_STRING=mongodb://admin:tradingagents123@mongodb:27017/
MONGODB_DATABASE_NAME=tradingagents

mongo-init.js

这是数据库初始化脚本文件

源文件地址： https://github.com/hsliuping/TradingAgents-CN/blob/main/scripts/mongo-init.js

docker-compose.yml

在官方的基础上做了微调，将下面的内容保存为 docker-compose.yml 文件，保存时记得采用 UTF-8 格式

源文件地址： https://github.com/hsliuping/TradingAgents-CN/blob/main/docker-compose.yml

version: '3.8'

services:
  # Streamlit Web 应用服务
  web:
    image: birdxs/tradingagents-cn:latest
    container_name: tradingagents-web
    ports:
      - "8501:8501"
    volumes:
      - ./env.txt:/app/.env
    env_file:
      - env.txt
    environment:
      PYTHONUNBUFFERED: 1
      PYTHONDONTWRITEBYTECODE: 1
      # 时区配置
      TZ: "Asia/Shanghai"
      # 日志配置
      TRADINGAGENTS_LOG_LEVEL: "INFO"
      TRADINGAGENTS_LOG_DIR: "/app/logs"
      TRADINGAGENTS_LOG_FILE: "/app/logs/tradingagents.log"
      TRADINGAGENTS_LOG_MAX_SIZE: "100MB"
      TRADINGAGENTS_LOG_BACKUP_COUNT: "5"
      # Docker专用数据库配置（覆盖.env中的本地配置）
      TRADINGAGENTS_MONGODB_URL: mongodb://admin:tradingagents123@mongodb:27017/tradingagents?authSource=admin
      TRADINGAGENTS_REDIS_URL: redis://:tradingagents123@redis:6379
      TRADINGAGENTS_CACHE_TYPE: redis
      # Docker环境标识和PDF支持
      DOCKER_CONTAINER: "true"
      DISPLAY: ":99"
    command: /usr/local/bin/start-xvfb.sh python -m streamlit run web/app.py --server.address=0.0.0.0 --server.port=8501
    depends_on:
      - mongodb
      - redis
    # 健康检查
    healthcheck:
      test: ["CMD", "curl", "-f", "http://localhost:8501/_stcore/health"]
      interval: 30s
      timeout:10s
      retries: 3
      start_period: 60s
    # 重启策略
    restart: unless-stopped
    # 日志配置
    logging:
      driver: "json-file"
      options:
        max-size: "100m"
        max-file: "3"

  # MongoDB数据库服务
  mongodb:
    image: mongo:4.4
    container_name: tradingagents-mongodb
    restart: unless-stopped
    # ports:
    #   - "27017:27017"
    environment:
      MONGO_INITDB_ROOT_USERNAME: admin
      MONGO_INITDB_ROOT_PASSWORD: tradingagents123
      MONGO_INITDB_DATABASE: tradingagents
    volumes:
      - ./data:/data/db
      - ./mongo-init.js:/docker-entrypoint-initdb.d/mongo-init.js:ro
    healthcheck:
      test: echo 'db.runCommand("ping").ok' | mongo localhost:27017/test --quiet
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 40s

  # Redis缓存服务
  redis:
    image: redis:latest
    container_name: tradingagents-redis
    restart: unless-stopped
    # ports:
    #   - "6379:6379"
    command: redis-server --appendonly yes --requirepass tradingagents123
    volumes:
      - ./redis_data:/data
    healthcheck:
      test: ["CMD", "redis-cli", "--raw", "incr", "ping"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 30s

  # Redis Commander管理界面
  redis-commander:
    image: ghcr.io/joeferner/redis-commander:latest
    container_name: tradingagents-redis-commander
    restart: unless-stopped
    # ports:
    #   - "8081:8081"
    environment:
      - REDIS_HOSTS=local:redis:6379:0:tradingagents123
    depends_on:
      - redis
    healthcheck:
      test: ["CMD", "wget", "--quiet", "--tries=1", "--spider", "http://localhost:8081"]
      interval: 30s
      timeout: 10s
      retries: 3
      start_period: 30s

  # Mongo Express管理界面 (可选)
  mongo-express:
    image: mongo-express:latest
    container_name: tradingagents-mongo-express
    restart: unless-stopped
    # ports:
    #   - "8082:8081"
    environment:
      ME_CONFIG_MONGODB_ADMINUSERNAME: admin
      ME_CONFIG_MONGODB_ADMINPASSWORD: tradingagents123
      ME_CONFIG_MONGODB_URL: mongodb://admin:tradingagents123@mongodb:27017/
      ME_CONFIG_BASICAUTH_USERNAME: admin
      ME_CONFIG_BASICAUTH_PASSWORD: tradingagents123
    depends_on:
      - mongodb
    profiles:
      - management  # 使用 --profile management 启动

然后执行下面的命令

# 新建文件夹 tradingagents 和 子目录
mkdir -p /volume1/docker/tradingagents/{data,redis_data}

# 进入 tradingagents 目录
cd /volume1/docker/tradingagents

# 将 docker-compose.yml、mongo-init.js 和 env.txt 放入当前目录

# 一键启动（未启用 profile）
docker-compose --env-file env.txt up -d

运行

服务启动成功后，在浏览器中输入 http://群晖IP:8501

需要等项目完成启动后，才能看到项目的 Web 界面，开始您的 AI 量化分析之旅

左侧虽然显示 阿里百炼: your_das... (格式异常)，但可以选择我们设置了 API Key 的 硅基流动

输入股票代码，选择分析师团队

基本面分析师：评估公司财务和业绩指标，识别内在价值和潜在风险信号
社交媒体分析师：运用情绪评分算法分析社交媒体和公众情绪，研判短期市场情绪
新闻分析师：监测全球新闻和宏观经济指标，解读事件对市场状况的影响
市场分析师：运用 MACD、RSI 等技术指标识别交易模式并预测价格走势

开始分析

用了差不多 10 分钟才出结果。如果选 4 个分析师，一般需要 20 分钟

有 分析结果

也有 技术分析

最后还能 导出报告

有时候会遇到错误

看起来像是访问 硅基流动 的接口有问题，不确定是不是 bug，毕竟也是才增加的 LLM

tradingagents-web  | 2025-08-21 11:59:20,568 | INFO     | httpx | HTTP Request: POST https://api.siliconflow.cn/v1/chat/completions "HTTP/1.1 400 Bad Request"
tradingagents-web  | 2025-08-21 11:59:20,569 | ERROR    | default | ❌ [市场分析师] 工具执行或分析生成失败: Error code: 400 - {'code': 20015, 'message': '"messages" in request are illegal.', 'data': None}

有条件的，最好还是使用官方推荐的阿里百炼吧

参考文档

hsliuping/TradingAgents-CN: 基于多智能体LLM的中文金融交易框架 - TradingAgents中文增强版
地址：https://github.com/hsliuping/TradingAgents-CN

TradingAgents-CN/docs/usage/web-interface-detailed-guide.md at main · hsliuping/TradingAgents-CN
地址：https://github.com/hsliuping/TradingAgents-CN/blob/main/docs/usage/web-interface-detailed-guide.md

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Expect脚本实战：多条件匹配与防卡死技巧

在自动化测试和系统初始化中，我们常常使用 Expect 脚本来完成一系列交互操作，比如自动输入密码、监听输出并作出响应。然而，实际项目中可能遇到多步骤输出匹配的场景：只有在先匹配到某一行输出，再匹配到另一行输出时，才需要做出响应。同时，如果 “testX failed” 出现了，但 “set params error” 没有在合理时间内出现，不要卡死，而是打印警告并继续。这个写法的问题在于：如

2048 AI社区

AI模型版本控制的标签管理：架构师的技巧

在AI模型生命周期中，版本控制是保障模型可追溯性、协作效率与生产可靠性的核心环节。而标签管理作为版本控制的"语义接口"，其设计质量直接决定了团队对模型版本的理解、检索与复用能力。本文从架构师视角出发，结合第一性原理与MLOps实践，系统阐述AI模型标签管理的理论框架、架构设计、实现机制与高级考量。通过拆解标签的"唯一标识+语义描述"本质，提出四维标签模型。