TradingAgents: 开源多Agent LLM金融交易框架 — 2026完整指南

📅 2026-05-04 · ⭐ GitHub Trending 🐍 Python · AI Tools

TradingAgents 是一个基于大语言模型的多智能体交易框架它模拟了真实交易公司的架构由基本面分析师、情绪分析师、新闻分析师、技术分析师等多个AI角色协同工作共同做出交易决策目前支持GPT-5.x、Gemini 3.x、Claude 4.x、Grok 4.x、DeepSeek等多种主流LLM

GitHub地址: github.com/TauricResearch/TradingAgents
最新版本: v0.2.4 (2026-04) · 论文: arXiv 2412.20138
技术栈: Python · LangGraph · LLM (GPT/Gemini/Claude/Grok/DeepSeek/Qwen)

TradingAgents 是什么
多Agent架构详解
安装部署
使用教程
LLM提供商支持
与其他AI交易工具对比

TradingAgents 是什么

TradingAgents 由 Tauric Research 团队开发是一个完全开源的多智能体交易框架它将复杂的交易任务分解为多个专业化角色让不同AI Agent协作完成市场分析和交易决策核心设计理念是

多智能体协作 - 多个LLM驱动的AI角色分工合作模拟真实交易公司
结构化辩论 - 看涨和看空研究员进行结构化讨论平衡收益与风险
模块化架构 - 基于 LangGraph 构建每个组件可独立替换和定制
多模型支持 - 兼容10+种LLM提供商从OpenAI到本地Ollama模型
完整决策链 - 从数据分析到交易决策再到风险管理和投资组合优化全流程覆盖
持久化记忆 - 自动记录决策日志下次运行可参考历史决策
Docker支持 - 一键部署省去环境配置烦恼

多Agent架构详解

分析师团队 (Analyst Team)

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点
情绪分析师 - 分析社交媒体和公众情绪通过情感评分算法判断短期市场情绪
新闻分析师 - 监控全球新闻和宏观经济指标解读事件对市场的影响
技术分析师 - 利用技术指标（MACD、RSI等）检测交易模式预测价格走势

研究员团队 (Researcher Team)

由看涨研究员和看空研究员组成
对分析师团队的见解进行批判性评估
通过结构化辩论平衡潜在收益与风险

交易员 (Trader Agent)

综合分析师和研究员的报告
做出知情的交易决策
确定交易的时机和规模

风险管理与投资组合经理 (Risk Management & Portfolio Manager)

持续评估投资组合风险（市场波动性、流动性等）
评估和调整交易策略提供评估报告给投资组合经理
投资组合经理批准/拒绝交易提案决定最终执行

安装部署

方法一：源码安装

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
conda create -n tradingagents python=3.13
conda activate tradingagents
pip install .

方法二：Docker（推荐）

cp .env.example .env  # 先配置你的API密钥
docker compose run --rm tradingagents

使用本地Ollama模型：

docker compose --profile ollama run --rm tradingagents-ollama

注意： TradingAgents 是为研究目的设计的框架交易表现受多种因素影响包括底层语言模型的选择、模型温度参数、交易周期、数据质量等。不构成金融、投资或交易建议

使用教程

配置API密钥

至少需要配置一个LLM提供商的API密钥。复制模板文件并填写：

cp .env.example .env

支持的API密钥环境变量：

提供商	环境变量	支持模型
OpenAI	OPENAI_API_KEY	GPT-5.4, GPT-5.4-mini
Google	GOOGLE_API_KEY	Gemini 3.1
Anthropic	ANTHROPIC_API_KEY	Claude 4.6
xAI	XAI_API_KEY	Grok 4.x
DeepSeek	DEEPSEEK_API_KEY	DeepSeek最新模型
阿里云	DASHSCOPE_API_KEY	通义千问 (Qwen)
智谱	ZHIPU_API_KEY	GLM系列
OpenRouter	OPENROUTER_API_KEY	多模型聚合
Ollama	本地部署	本地开源模型

命令行使用

tradingagents

启动后选择目标股票代码、分析日期、LLM提供商、研究深度等参数系统会自动运行完整的多Agent分析流程

Python API 使用

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG
ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())
# 分析NVDA股票
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)

自定义配置

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"          # 选择提供商
config["deep_think_llm"] = "gpt-5.4"       # 复杂推理模型
config["quick_think_llm"] = "gpt-5.4-mini" # 快速任务模型
config["max_debate_rounds"] = 2            # 辩论轮数
ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("AAPL", "2026-03-01")
print(decision)

LLM提供商支持

TradingAgents v0.2.4 的模型覆盖率：

提供商	深度推理模型	快速推理模型
OpenAI	GPT-5.4	GPT-5.4-mini
Google	Gemini 3.1 Pro	Gemini 3.1 Flash
Anthropic	Claude 4.6 Sonnet	Claude 4.6 Haiku
xAI	Grok 4	Grok 4-mini
DeepSeek	DeepSeek最新	DeepSeek轻量版
Qwen	Qwen Max	Qwen Turbo
GLM	GLM-5	GLM-5 Flash
Ollama	本地模型	本地模型

与其他AI交易工具对比

功能	TradingAgents	FinRobot	FinGPT	TradeTheFlow
多Agent架构	✅ 6种Agent角色	❌ 单Agent	❌ 单Agent	❌ 单Agent
LLM提供商	✅ 10+种	✅ 多种	✅ GPT为主	⚠️ 有限
风险管理	✅ 完整风控	❌ 无	❌ 无	⚠️ 基础
结构化辩论	✅ 看涨/看空辩论	❌ 无	❌ 无	❌ 无
决策记忆	✅ 持久化日志	❌ 无	❌ 无	❌ 无
Docker部署	✅ 支持	⚠️ 部分	⚠️ 部分	❌ 不支持
论文支持	✅ arXiv论文	✅ 论文	✅ 论文	❌ 无
开源协议	✅ 完全开源	✅ 开源	✅ 开源	⚠️ 部分限制

相关工具推荐: 在 EasyTool.me 上你可以找到多种在线实用工具
- JSON格式化 — 格式化和验证JSON数据
- Base64编码/解码 — 通用的编码解码工具
- JWT解码器 — 解析和调试JWT令牌
- 文本转Slug — 生成SEO友好的URL别名

总结

TradingAgents 是目前最值得关注的开源AI交易框架它模拟了真实交易公司的完整架构从基本面分析、情绪分析、新闻解读到技术分析再经过研究员辩论、交易员决策和风险管理最终由投资组合经理批准交易整个流程完整覆盖了专业交易的各个环节

如果你对AI驱动的量化交易感兴趣这个框架值得一试更多免费的在线开发工具欢迎访问 EasyTool.me

--- 本文仅供技术参考 TradingAgents 是 Tauric Research 的开源项目请遵守其开源协议。交易有风险投资需谨慎