提供多代理大型語言模型框架，模擬金融交易/股票分析場景中「真實交易機構」的角色劃分（例如，基本面分析師、情緒分析師、技術分析師、交易員、風險控制團隊等）- 這延續了最初TradingAgents的核心理念。
中文增強功能（針對中國用戶）：支持中文界面、本地化文檔、支持A股、香港股票和美股、集成多個LLM提供商（可能包括大型中國模型）、支持Docker的一鍵部署等。
教學/研究定位：該項目明確表示「僅用於學習和研究目的，不提供實時交易說明」。
如果您有興趣 人工智慧x金融x多智能體 ，那麼TradingAgents-CN是一個值得自己運行的項目。它是根據國際開源項目重寫的 貿易代理 並增加了大量中文增強功能：中文界面，對A股友好，支持國內外模式，更容易部署。
它不會做出「真正的預測」，但它非常適合 研究、策略實驗並觀察LLM如何在財務分析中推理.& nbsp;
什麼是TradingAgents-CN？
一句話：
TradingAgents-CN是一個基於多代理人的大型語言模型金融研究框架，允許您模擬「人工智慧投資機構」如何分析市場、產生意見並做出戰略判斷。
該項目內置多個角色，如下所示：
- 基本面分析師
- 技術分析師
- 新聞情緒分析師
- 策略師
- 交易執行/風險控制代理
- Manager Agent
每個角色都是一個LLM，互相交談、爭論，並最終輸出策略建議（用於研究，而不是真正的交易）。
目錄結構的快速事實（5秒了解項目）
在運行它之前，您需要知道該項目的外觀。
貿易代理-CN/
- -後台/ # FastAPI後台（核心編輯、代理、數據處理）
- -前端/ # Vue3 前端（可視交互界面）
- -docs/ # 文檔與配置說明
- -碼頭工/ # Docker部門文件
- - # 模型，自定義代理配置
- -例子/ # 示例與策略測試策略核心是： 多代理調度+ LLM推理+財務數據分析.
0.環境準備
您將需要：
- Python 3.9+
- 節點18+
- Docker（可選但最簡單）
- LLM API Key（OpenAI / DeepSeek / Moonshot / Qwen / Gemini均可用）
1.一鍵部署（推薦：Docker）
最少的投擲方法是：
git克隆https://github.com/hsliuping/TradingAgents-CN.git
CD TradingAgents-CN
碼頭工編寫-dDocker自動構建：
- 後台（FastAPI）
- 前端（Vue）
- Redis + MongoDB（緩存和數據存儲）
成功啟動後，訪問：
http：//本地主機：8080/您可以看到視覺界面。
2.配置您的LLM（關鍵步驟）
轉到項目目錄並找到：
收件箱/型號_配置.yaml填寫：
默認_模型：「deepseek-chat」
型號：
深度搜索聊天：
提供商：「openai」
api_key：「你的API_KEY」
base_url：「https://api.deepseek.com」
模型：「deepseek-chat」如果您想使用多個型號作為不同的代理，您還可以：
基本面_分析師：「GPT-4 o」
技術分析師：「deepseek-chat」
新聞_分析師：「qwen-max」多模式組合是多智能體的魅力。
3.運行「人工智慧交易團隊」測試
後台啟動後，運行隨附的示例：
CD後台
Python run_example.py你會看到類似這樣的東西：
[基本面分析師]：公司 Q3業務.
[技術分析師]：MACD 出現雙叉..
[新聞情報]：市場對其事件偏向音樂..
[策略師]：綜合三方分析.
[風控]：該位風險風控..
[最終建議]：多頭/觀察/減少這是完整的 多智能體協同決策鏈.
4.使用前端界面（最舒適的方式）
瀏覽器訪問：
http：//本地主機：8080/功能包括：
- 輸入股票代碼
- 選擇分析期
- 審查每個代理的分析思路
- 下載完整的分析師報告
- 修改代理配置（個性、風格、首選項）
前端體驗類似於「AI投研終端」，非常直觀。
5.定製您的人工智慧投資團隊
您可以自定義：
代理數量
每個代理使用哪種型號
每個代理的「角色設置」（個性，偏好）
對話鏈的順序
策略輸出的格式
例如，修改：
Inbox/agents/fundamental_anterior.yaml你可以讓它成為「特別謹慎的價值投資者」：
人物：>
你的任务是作为一个极度谨慎的价值派分析师。
你不相信股价短期波动，偏好稳健、现金流良好……這是 人工智慧代理工程.
6.做自己的研究項目（3步）
例如，您想研究「ChatGPT作為技術分析師是否穩定？"
步驟：
(1)編寫股票池：
examples/stocks.txt
(2)編寫任務腳本：
從trading_agents導入run_tasky
對於「AAPL」、「TSLA」、「NVDA」中的代碼]：
結果=運行_任務（代碼，策略=「multi_Agent」）
列印（結果）(3)運行多次，記錄分析過程，比較代理的一致性。
您可以創建自己的 LLM財務研究報告.
TradingAgents-CN的優勢（為什麼值得一玩）
- 多智能體協作 而不是單一型號
- 中國完美 （接口、數據、文檔）
- 對國內車型的支持 （DeepSeek/Qwen/Moonshot）
- 適合教學、研究和課程項目
- 可視化結果友好
它對學生、研究人員和自學者很友好。
最低運行摘要（30秒版本）
git clone碼頭工編寫-d- 填寫API密鑰
- 瀏覽器訪問8080
- 體驗多代理交易決策
就這麼簡單。