你有没有想过，有一天AI能像一个交易团队一样协作？
一个人负责看指标，一个人盯新闻，一个人判断价格行为，最后由经理综合决策。

这不是幻想。
现在，这套机制已经能用一行命令跑起来👇

---

🚀 一分钟上手：体验AI多角色协作操盘

如果你对 Python 或 LangChain 不熟，也没关系。
只要会用 pip，三步就能体验到一个“6人AI操盘团队”的威力。

pip install langchain-trading-agents

然后到 GitHub 下载示例文件（examples），拷贝进自己的项目目录。
改一改提问语句，比如：

ask = "请帮我分析一下接下来几天某某股票的交易机会。"

运行之后，你会看到一个经理带着几个分析师分工合作，最后输出一份结构化分析报告（包括买卖建议、理由、置信度等）。

---

🧠 它到底是什么？

langchain-trading-agents 是一个面向“AI交易与工程集成”的多智能体插件。
它能模拟金融团队的多角色协作，比如：

• ManagerAnalyst（经理）：分配任务、整合结论

• IndicatorAnalyst（指标分析师）：看 MA、RSI、MACD 等指标

• PriceActionAnalyst（价格行为分析师）：分析趋势线、K线形态

• NewsAnalyst（新闻分析师）：监控热点与消息面

• EventAnalyst（事件分析师）：分析经济日历与突发事件

• DecisionMakerAnalyst（决策者）：给出综合性操作建议

所有角色会并行工作，然后经理负责汇总，输出结构化结果。
整个过程就像一个 AI 金融研究部在开早会。

---

⚙️ 示例：AI经理指挥五个分析师干活

下面的例子展示了最核心的调用逻辑：

manager_ai = AiBusControl(ManagerAnalyst(**model_config), DecisionMakerAnalyst(**model_config))
manager_ai.add_sub_agent(
    IndicatorAnalyst(**model_config),
    PriceActionAnalyst(**model_config),
    NewsAnalyst(**model_config),
    EventAnalyst(**model_config),
)

ask = "Please analyze for me how I should trade *** in the next few days."
result: GraphState = await manager_ai.a_analyze(ask)

print("Analysis results:\n")
print(result)

输出的结果是结构化的，比如买卖区间、理由、信号强度、置信度等。
在策略系统中，你只需要把这些字段映射成交易信号或回测数据即可。

---

🧩 对新手：快速理解、快速上手

langchain-trading-agents 用“人话”命名类和函数。
你看名字就知道它是干嘛的，比如 ManagerAnalyst、PriceActionAnalyst、NewsAnalyst——
不用啃文档，新手也能在几分钟内跑通。

几个亮点：

• 低门槛学习曲线：API 直观，角色预设好；

• 可调试的 Prompt：每个子 Agent 的 system prompt 都能单独调；

• 输出结构化：结果可以直接接到策略系统或回测模块；

• 全程可审计：所有对话、数据、工具调用都保存在 conversation_record；

• 实时多源数据：可并行拉取行情、新闻、事件数据。

---

🛠️ 对工程师：直接接入生产系统

如果你是做程序化交易、量化回测、或者智能信号系统，这部分最关键。

1. 配置环境变量：项目根目录放 .env，写入 API 密钥；

2. 配置模型与供应商：在 config.toml 指定每个角色用哪个 LLM；

3. 启动数据/工具服务（MCP）：让 AI 实时访问市场数据；

4. 映射输出到策略模块：结果字段可以直接用于止盈、止损、信号判断；

5. 持续调优 Prompt：根据策略实测表现，微调各角色 prompt。

如果你想自己改源码，可以直接这样做：

git clone https://github.com/aitrados/langchain-trading-agents.git
cd langchain-trading-agents
pip install -r requirements.txt
# 或者开发模式安装
# pip install -e .

---

💡 为什么值得接入

• 结构化输出：直接生成可用信号；

• 模块化角色设计：能随意替换或扩展某个分析模块；

• 异步与流式支持：能并发接入行情流；

• 强可观测性：日志可回溯，适合生产与审计。

---

🎯 总结

对新手，它是一个AI交易协作实验平台，你能清楚看到AI如何“分工讨论”出结论。
对工程团队，它是一条AI量化落地通路，能快速把AI分析嵌入现有交易或回测系统。

一句话总结：
langchain-trading-agents = 一个由AI组成的操盘团队，帮你从人肉分析进化到智能协作。

---

👋 如果你也在研究 AI 交易系统，欢迎关注我。
我在做「AI操盘实验室」，一起见证下一代交易团队的诞生。