🎯 项目概述

革命性的多智能体AI金融分析框架

TradingAgents-CN 是基于多智能体大语言模型的中文金融交易决策框架,专为中文用户优化。 该项目基于 Tauric Research 的革命性多智能体交易框架,为中国用户提供完整的中文化体验, 支持A股/港股/美股市场,集成国产大模型,推动AI金融技术在中文社区的普及应用。

🏗️ 系统架构特色

🌐

用户接口层

Streamlit Web界面 + Python API + CLI工具

🧠

核心框架层

TradingAgentsGraph + ConditionalLogic + Propagator

🤖

智能体层

分析师团队 + 研究员团队 + 风险管理 + 交易执行

📊

数据处理层

多源数据集成 + 智能缓存 + 实时更新

🚀 核心亮点

  • 多智能体协作:8个专业化智能体协同工作
  • 实时进度显示:v0.1.10新增异步进度跟踪系统
  • 智能会话管理:Redis/文件双重持久化机制
  • 中文本地化:完整A股/港股数据 + 国产LLM深度集成
  • 容器化部署:Docker Compose一键部署完整服务栈
  • 专业报告:Word/PDF/Markdown多格式导出
  • 数据源丰富:集成Tushare、AKShare、FinnHub等
  • LLM适配器:统一接口支持多种大模型

💡 技术创新

🔄
LangGraph工作流
基于状态图的智能体协作流程
🧩
模块化设计
可插拔的智能体和数据源组件
智能缓存
多层缓存策略优化性能
🔍
自适应分析
根据市场类型自动选择数据源

🛠️ 技术栈

Python 3.10+ LangChain Streamlit MongoDB Redis Docker

🧠 AI模型支持

🇨🇳 DeepSeek V3
🇨🇳 阿里百炼
🌍 Google AI
🤖 OpenAI

✨ 核心特性

专业的多智能体协作架构

🤖

多智能体协作

基本面、技术面、新闻面、社交媒体四大分析师专业分工, 看涨/看跌研究员进行结构化辩论,交易员基于所有输入做出最终投资建议。

专业分工 智能决策
📊

实时进度显示

v0.1.10全新升级:异步进度跟踪,智能步骤识别,准确时间计算, 告别黑盒等待,实时了解分析进展。

v0.1.10新增 实时跟踪
💾

智能会话管理

状态持久化,支持页面刷新后恢复分析状态和历史报告, Redis不可用时自动切换到文件存储。

v0.1.10新增 自动降级
🇨🇳

中文本地化

完整的A股/港股数据支持,集成DeepSeek V3、阿里百炼等国产大模型, 专为中文用户优化的界面和体验。

A股支持 国产LLM
🐳

容器化部署

Docker Compose一键部署,包含Web应用、MongoDB、Redis、 管理界面等完整服务栈,环境隔离,快速扩展。

一键部署 完整服务
📄

专业报告导出

支持Word、PDF、Markdown多种格式导出, 自动生成专业的投资分析报告,满足不同场景需求。

多格式 专业报告

🏗️ 技术架构深度解析

深入了解TradingAgents-CN的核心技术实现

🔄 LangGraph工作流引擎

TradingAgents-CN基于LangGraph构建状态驱动的智能体协作工作流,实现复杂的金融分析决策流程。

🎯 TradingAgentsGraph核心类

class TradingAgentsGraph:
    """主要的编排类,管理整个交易流程"""

    def propagate(self, company_name, trade_date):
        # 创建初始状态
        init_state = self.propagator.create_initial_state(
            company_name, trade_date
        )

        # 执行工作流
        final_state = self.graph.invoke(init_state)

        # 处理决策信号
        decision = self.signal_processor.process_signal(
            final_state, company_name
        )

⚙️ 条件逻辑控制

ConditionalLogic类管理智能体间的交互流程,根据分析结果动态调整工作流路径。

  • 智能体状态转换控制
  • 辩论轮次动态调整
  • 异常情况处理机制
  • 性能优化路径选择

📡 信息传播机制

Propagator负责管理智能体间的信息流,确保分析结果的有效传递和状态同步。

数据收集
分析师处理
研究员辩论
风险评估
交易决策

📊 数据处理系统

🔌 多源数据集成

🇨🇳
中国市场数据

Tushare、AKShare、TDX

A股实时数据 财务报表 公告信息
🌏
港股数据

改进的港股工具、AKShare港股

港股行情 公司信息 财务数据
🇺🇸
美股数据

Yahoo Finance、FinnHub

美股行情 新闻数据 技术指标
📰
新闻与社交

Google News、Reddit、中文财经

实时新闻 社交情绪 热点分析

⚡ 智能缓存系统

多层缓存架构
内存缓存
文件缓存
数据库缓存
远程API
🔄 自适应缓存策略
TTL过期管理
📈 性能监控优化

🧠 LLM适配器系统

统一接口支持多种大语言模型

🔌 统一适配器架构

TradingAgents-CN采用统一的LLM适配器架构,支持国内外主流大语言模型,实现无缝切换和混合使用。

🇨🇳 国产大模型

🌟
阿里百炼
响应速度快
🛡️ 企业级稳定
📊 金融场景优化
配置示例
config["llm_provider"] = "dashscope"
config["deep_think_llm"] = "qwen-plus"
config["quick_think_llm"] = "qwen-turbo"

🌍 国际大模型

🤖
OpenAI GPT
🎯 理解能力强
📝 文本生成优秀
🔧 工具调用精准
🔍
Google Gemini
🌐 多模态支持
📈 数据分析强
🆓 免费额度大
🧬
Anthropic Claude
🛡️ 安全性高
📚 长文本处理
🎭 角色扮演佳

⚙️ 适配器核心特性

🔄

统一接口设计

所有LLM适配器都继承自统一的基类,提供一致的调用接口,支持无缝切换。

class OpenAICompatibleBase(ChatOpenAI):
    """OpenAI兼容适配器基类"""

    def __init__(self, model, api_key, base_url, **kwargs):
        # 统一初始化逻辑
        super().__init__(
            model=model,
            api_key=api_key,
            base_url=base_url,
            **kwargs
        )
🛠️

智能降级机制

当主要LLM服务不可用时,自动切换到备用服务,确保系统稳定运行。

主要LLM
备用LLM
本地模型

性能优化

支持连接池、请求重试、超时控制等性能优化特性,提升系统响应速度。

< 2s 平均响应时间
99.9% 服务可用性
3次 自动重试

🌐 Web界面与进度跟踪

基于Streamlit的现代化Web应用

🎨 现代化界面设计

📱

响应式布局

完美适配桌面、平板、手机等各种设备,提供一致的用户体验。

🎯

直观操作流程

简化的三步操作:选择模型 → 输入股票代码 → 开始分析,降低使用门槛。

🎨

专业视觉设计

金融科技风格的配色方案,清晰的信息层次,专业而美观。

📊 实时进度跟踪系统

🔄 v0.1.10 全新升级

异步进度跟踪系统,告别黑盒等待,实时了解分析进展。

⚡ 异步进度更新

基于Redis/文件的双重存储机制,前端定时轮询获取最新进度。

分析启动
进度存储
前端轮询
实时显示
🎯 智能步骤识别

根据选择的分析师和研究深度,动态生成分析步骤和时间估算。

📊 基本面分析师工作中... 预计 45s
🔬 研究员辩论进行中... 预计 60s
🎯 交易决策制定中... 预计 30s
⏱️ 精确时间计算

基于历史数据和模型性能,提供准确的时间估算和剩余时间预测。

已用时间 2分30秒
预计总时间 4分15秒
剩余时间 1分45秒

💾 智能会话管理

状态持久化技术,支持页面刷新后恢复分析状态和历史报告。

🔄
状态持久化

分析状态自动保存,页面刷新不丢失进度

📚
历史报告管理

自动保存分析报告,支持查看和下载历史记录

🛡️
自动降级机制

Redis不可用时自动切换到文件存储

📄 专业报告导出

📝
Word文档

专业格式的投资分析报告,适合商务场景

📊
PDF报告

高质量PDF格式,保持格式一致性

📋
Markdown

纯文本格式,便于二次编辑和分享

🚀 安装指南

选择适合你的部署方式

🐳 Docker部署 (推荐)

适用场景:生产环境、快速部署、团队协作

1

克隆项目

bash
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN
2

配置环境变量

bash
cp .env.example .env
# 编辑 .env 文件,填入API密钥
3

启动服务

bash
docker-compose up -d --build

🛠️ Docker服务包含

🌐 Web应用
🗄️ MongoDB
Redis
📊 管理界面

💻 本地部署

适用场景:开发环境、自定义配置、离线使用

📋 环境要求

  • Python 3.10+ (推荐 3.11)
  • 4GB+ RAM (推荐 8GB+)
  • 稳定的网络连接
1

创建虚拟环境

bash
python -m venv env
# Windows: env\Scripts\activate
# Linux/macOS: source env/bin/activate
2

安装依赖

bash
pip install -r requirements.txt
3

启动应用

bash
python start_web.py

📊 使用指南

快速开始你的第一次股票分析

🤖

选择AI模型

DeepSeek V3 / 通义千问 / Gemini / GPT-4

📈

输入股票代码

000001 (A股) / AAPL (美股) / 0700.HK (港股)

🚀

开始分析

点击"🚀 开始分析"按钮,实时观察分析进度

📊

查看报告

分析完成后点击"📊 查看分析报告"按钮

📄

导出报告

支持Word/PDF/Markdown格式导出

🤖 智能体团队

专业分工的AI分析师协作体系

📊 分析师团队

📈

技术分析师 (Market Analyst)

运用技术指标和图表模式识别,提供价格趋势和交易信号分析

核心能力
  • 技术指标计算 (RSI、MACD、布林带等)
  • 趋势识别和图表模式分析
  • 支撑阻力位判断
  • 交易信号生成
StockStats TA-Lib YFinance
💰

基本面分析师 (Fundamentals Analyst)

深度分析公司财务数据和基本面指标,评估内在价值

核心能力
  • 财务比率分析 (P/E、ROE、债务比率等)
  • 盈利能力和成长性评估
  • 行业对比分析
  • 估值模型计算
Tushare AKShare FinnHub
📰

新闻分析师 (News Analyst)

实时监控和分析市场新闻、公告、宏观经济事件对股价的影响

核心能力
  • 新闻情感分析和影响评估
  • 公司公告解读
  • 宏观经济事件分析
  • 行业热点追踪
Google News FinnHub News 中文财经
💬

社交媒体分析师 (Social Media Analyst)

分析社交媒体情绪、投资者讨论热度和市场心理状态

核心能力
  • 社交媒体情绪指数计算
  • 投资者讨论热度分析
  • 市场心理状态评估
  • 舆论趋势预测
Reddit API 中文社交 情感分析
🇨🇳

中国市场分析师 (China Market Analyst)

专门针对A股市场的本土化分析师,深度理解中国市场特色

核心能力
  • A股市场特色分析
  • 政策影响评估
  • 板块轮动分析
  • 中国经济周期判断
统一接口 政策数据 板块数据

🔬 研究团队

🐂

看涨研究员

挖掘投资机会、构建看涨论据

🐻

看跌研究员

识别风险因素、构建看跌论据

🎯

交易决策员

综合分析结果、制定投资策略

👔 管理层

🛡️

风险管理员

风险评估、资金管理、止损策略

👔

研究主管

协调团队、质量控制、最终决策

🔄 协作流程

📊
数据收集
🔍
多维分析
💭
观点辩论
🎯
投资决策
📄
报告生成

🌟 社区支持

加入我们的开源社区

📦

GitHub仓库

查看源码、提交Issue、参与贡献

访问仓库 →
📚

完整文档

安装指南、使用教程、API文档

查看文档 →