导言

最近几个月股市比较火热，这两天正好看到有一个开源的金融智能体框架TradingAgents，可以像专家团队一样分析股票，给出买入、持有和卖出的判定。因此找了个时间来分析测试下这个项目。

项目概览

TradingAgents 是一个模拟真实交易公司运作模式的多智能体交易框架。通过部署由大语言模型驱动的专业智能体——从基本面分析师、情绪分析师、技术分析师，到交易员和风险管理团队，平台能够协同评估市场状况并制定交易决策。这些智能体还会进行动态讨论以确定最优策略。更加详细内容可见：https://www.zdoc.app/zh/TauricResearch/TradingAgents

执行流程

项目亮点

创新的架构设计

模块化Agent架构

专业化分工：每个Agent都有明确的职责范围（市场分析、社交媒体、新闻、基本面）

插件式设计：可以轻松添加或移除不同类型的分析师

层次化结构：从数据收集→分析→辩论→决策→风险管理的完整流程

基于LangGraph的状态机

工作流编排：使用LangGraph构建复杂的Agent交互流程
状态管理：完善的状态定义和转换机制
条件路由：根据条件动态决定执行路径

多智能体协作机制

辩论驱动决策

多头vs空头辩论：模拟真实投资委员会的辩论过程
三方风险辩论：激进vs中性vs保守的风险观点交锋
结构化辩论流程：有明确的角色定位和辩论规则

渐进式决策流程

数据收集 → 分析报告 → 投资辩论 → 交易计划 → 风险评估 → 最终决策

记忆增强学习

FinancialSituationMemory：基于ChromaDB的向量记忆系统
经验积累：通过反思机制不断优化决策质量
上下文感知：每个Agent都能访问历史经验

工具集成

工具绑定机制

动态工具分配：每个Agent绑定特定领域的工具集
错误处理：完善的API限流和异常处理机制
缓存策略：智能的数据缓存和复用

金融工程创新

多因子决策模型

技术面分析：价格走势、技术指标
基本面分析：财务报表、估值指标
情绪面分析：社交媒体、新闻舆情
宏观面分析：全球经济、地缘政治

风险管理框架

三层风险架构：激进、中性、保守
动态风险评估：基于市场环境的风险调整
压力测试思维：考虑极端市场情况

投资组合思维

头寸管理：交易规模和时机决策
风险收益比：权衡潜在回报与风险
多样化考虑：资产配置的分散化原则

项目体验

原始的TradingAgents项目是通过命令行方式启动，在命令行方式进行交互的，而且模型的输出都是英文，看起来不是很直观。不过我找到了一个https://github.com/hsliuping/TradingAgents-CN项目，这个项目的核心还是TradingAgents，不过做了一些汉化和前端页面，使用起来更加友好，我使用gpt-4.1-mini模型拿阿里股票做了下测试。简版测试结论如下（测试报告仅供演示，不作为任何投资建议），详细报告可点击原文查看：

参考资料：

1. https://tushare.pro/document/1?doc_id=13
2. https://www.zdoc.app/zh/TauricResearch/TradingAgents
3. https://akshare.akfamily.xyz/ https://arxiv.org/pdf/2412.20138
4. https://github.com/TauricResearch/TradingAgents?tab=readme-ov-file
5. https://github.com/hsliuping/TradingAgents-CN
6. https://www.luxinfeng.top/article/%E6%B7%B1%E5%BA%A6%E8%B0%83%E7%A0%94TradingAgents%E9%87%91%E8%9E%8D%E6%99%BA%E8%83%BD%E4%BD%93