TradingAgents‑CN 简介

TradingAgents‑CN 是由 hsliuping 在 GitHub 上发布的一个开源项目，定位为基于多智能体 LLM 的中文金融交易决策框架，专为中文用户设计。它是从开源项目 TradingAgents 衍生而来，针对中文界面、本地化、A 股支持、国产大模型集成等方面进行了增强。项目具备中文界面、A 股完整支持、多 LLM 提供商集成、Docker 容器化部署等特性。

  • TradingAgents‑CN GitHub 地址：https://github.com/hsliuping/TradingAgents-CN
  • TradingAgents-CN 绿色版 下载地址：https://download.csdn.net/download/benshu_001/92239460

核心功能亮点

  • 中文本地化及中文金融市场支持：TradingAgents-CN 强调中文增强版，提供中文界面、中文说明、A 股市场支持。项目说明中明确表示专为中文用户优化，提供完整的 A 股/港股/美股分析能力。
  • 多智能体 LLM 架构：框架支持多模型提供商、智能模型选择、模型能力管理，以及持久化模型选择。也就是说，在执行金融分析任务时，可以配置不同语言模型或服务实现不同角色。
  • 容器化部署与现代技术栈：项目采用 Docker 多架构（x86_64 + arm64）支持，并使用 FastAPI + Vue 3 等现代前后端技术。便于在本地、云端或 ARM 设备（如 Apple Silicon、AWS Graviton）上部署。
  • 完整的分析能力与工具集成：支持股票筛选、模拟交易、专业报告导出（Markdown/Word/PDF）、多数据源同步（如 Tushare、AkShare、BaoStock）等功能。
  • 插件与扩展友好：项目欢迎贡献、支持插件式开发、自定义 LLM 端点、配置管理中心、用户权限、日志管理等高级功能。

使用方法（快速上手）

以下是一份快速入门流程，适用于希望在本地或服务器部署并使用 TradingAgents-CN 进行分析的用户。

1. 环境准备

确保有 Python 环境（多为 3.8+）并安装 Docker 与 Docker Compose（若采用容器化部署）。

获取数据源访问权限，如 Tushare 或 AkShare 接口（如果需要 A 股数据）。

配置 LLM 服务。可以选择 OpenAI 、Google AI 或国产大模型接口，并在 .env 或相关配置文件中设置 API 密钥与端点。

2. 克隆项目并安装依赖

git clone https://github.com/hsliuping/TradingAgents-CN.git  
cd TradingAgents-CN  
pip install -r requirements.txt

或使用 Docker 方式（项目提供 docker-compose.yml）：

docker-compose up -d

3. 配置项目

复制 .env.example 为 .env，并填写必要配置项：例如 LLM 服务、数据源凭证、数据库（如 MongoDB、Redis）连接。

若使用 Docker ，确保 docker-compose 中的 environment、volumes、ports 配置符合你的环境。

在配置文件中可以启用模拟交易、报告导出、角色权限管理等模块。

4. 启动系统

本地运行：python main.py 或项目 README 中推荐的命令。

Docker 部署：docker-compose up 后，访问项目前端地址（通常 http://localhost:port）进入界面。

登录系统后，可通过 Web 界面或 REST API 调用分析任务。

5. 执行分析任务

在系统中选择股票（或批量股票）进行分析：系统会调用不同角色的 LLM（如“新闻分析师”“基本面分析师”“技术指标分析师”）协作，生成分析报告。

系统支持导出报告为 Markdown、Word 或 PDF 格式，以便进一步阅读或分享。

在模拟交易模块中，可选择策略，测试其在历史数据上的表现，验证 LLM 分析结果。

应用场景与潜在价值

  • 研究型用户：高校、科研机构或金融分析爱好者可使用该框架进行多智能体 LLM 在金融领域的实验。

  • 量化开发者：具备编码能力的交易员可在此框架基础上扩展策略插件、自定义 LLM 角色、构建模拟交易体系。

  • 金融教育与培训：可用于教学场景，向学生演示 LLM 与金融分析结合的流程、模型选择、报告撰写。

  • 中文金融社区生态：该项目为中文使用者提供了本地化入口，降低了使用 LLM 进行金融分析的门槛。

总结

TradingAgents-CN 是一个面向中文用户、功能丰富、技术栈现代、定位明确的金融交易决策框架。凭借多智能体 LLM 架构、容器化部署、多数据源集成以及中文界面支持，它在中文金融分析工具领域具有较高的关注度。虽然其仍是一款研究型工具、不能替代专业投资顾问，但对于喜欢玩转 LLM 与量化金融交叉领域的开发者而言，它提供了一个极佳的起点。