夜雨聆风
【AI工具】这个多智能体AI交易框架让15个Agent替你盯盘
— 一粒黑子 · 落子AI新世界 —
腾讯10+年程序员
核心看点：TradingAgents今天日涨2112颗星，总星数突破6万。它模拟了一家真实交易公司的组织架构，15个Agent分工协作，覆盖研究员、分析师、交易员、风控全部角色。
昨天刷GitHub Trending，一个Python项目直接让我坐直了——TauricResearch/TradingAgents，6万星，日涨超2000。点进去一看，这不就是我一直在找的东西吗。
一、TradingAgents到底是什么？
简单说，它用多智能体架构模拟了一家完整交易公司。你不用写策略，也不用盯盘，系统里有15个Agent各干各的活：
核心角色分工
🔹 研究员Agent— 抓新闻、财报、研报
🔹分析师Agent— 技术面+基本面分析
🔹交易员Agent— 执行交易决策
🔹风控师Agent— 仓位管理、止损止盈
🔹辩论Agent— 多空辩论，防认知偏差
🔹投研主管Agent — 统筹决策，最终拍板
最让我感兴趣的是”结构化辩论”机制。多个分析师对同一只股票做多头空头辩论，最后投研主管综合判断。比单模型直接出结果靠谱不少，至少不容易一边倒。
二、为什么涨这么猛？
我在腾讯做了10年，AI金融项目见得多了。大部分要么是”情绪分析+买卖信号”的简单组合，要么就是套壳调API。TradingAgents让我觉得不一样的地方：
三个让我觉得不一样的地方
1. 真正的多Agent协作
不是调一次LLM就出结果。多个Agent像真实团队一样分工、讨论、辩论、决策，每个Agent有自己的prompt、记忆和上下文。
2. 辩论驱动决策
这个设计我觉得是最有想法的。Agent之间做多空辩论，互相挑战观点，最后收敛到交易建议。跟人类交易团队的决策流程很像。
3. A股已经有人做了
开源社区有TradingAgents-CN（中文增强版）和TradingAgents-AShare（A股专属版），接了A股行情、新闻、情绪数据，基本开箱即用。
GitHub数据上看，中文版fork超11000，A股版也在快速涨。AI+金融确实在从概念往实用走了。
三、实测：怎么跑起来
花了一下午把原版和中文版都跑了一遍，说几个关键点：
快速启动
# 克隆项目 git clone https://github.com/TauricResearch/TradingAgents.git cd TradingAgents # 安装依赖 pip install -r requirements.txt # 配置LLM API Key export OPENAI_API_KEY=”your-key” # 运行回测 python run.py –ticker AAPL –start 2024-01-01 –end 2024-12-31
想做A股的话，直接用中文增强版：
# 中文增强版（A股支持） git clone https://github.com/hsliuping/TradingAgents-CN.git cd TradingAgents-CN pip install -r requirements.txt # Docker一键启动（推荐） docker-compose up -d
跑完一次大概3-5分钟，看LLM和股票数量。我用DeepSeek V4跑的，一只股票完整分析成本大约$0.05，确实便宜。
四、适合什么人
👨💻
程序员
学多Agent架构的实战项目
📈
量化交易
当决策辅助用，别当提款机
🏢
研究团队
Agent协作模式能迁移到其他领域
五、我的看法
优点
• 架构设计确实专业，模拟交易公司的路子是对的
• 辩论机制能有效降低单模型偏差
• 开源免费，社区活跃，中文生态做得不错
• 接DeepSeek等国产模型成本很低
• Agent协作模式可以复用到别的场景
缺点
• 实盘表现没经过充分验证，回测和实盘是两回事
• Agent多，单次分析耗时3-5分钟
• 数据源依赖第三方API，稳定性存疑
• 重要提醒：AI交易不等于稳赚，别直接上实盘
说两句实在话
我觉得TradingAgents最有价值的不是”帮你赚钱”，而是它展示了一种多Agent协作的玩法。辩论驱动决策、角色分工协作、结构化输出——这些设计思路完全可以搬到代码Review、需求分析、技术评审之类的场景里用。
项目地址
🔗 原版：github.com/TauricResearch/TradingAgents
🔗 中文增强版：github.com/hsliuping/TradingAgents-CN
🔗 A股专属版：github.com/LCehoennardo/TradingAgents-AShare
今天的话题：你觉得AI交易Agent靠谱吗？评论区聊聊