如何建立一套可复用的AI交易工作流?

把分析、辩论、决策、风控拆解成一套可复用的完整流程，可能比只做一个“最强交易Agent”更重要。

最近我在想一个问题：

如果我们真正想要的，不是一个“会看K线的AI”，而是一整个能分析、能辩论、能决策、还能控风险的AI交易团队，那这套工作流到底应该怎么搭？

——TradingAgents: Multi-Agents LLM Financial Trading Framework这个项目给出了这个问题的答案。

一、为什么这个问题重要？

很多人做 AI 交易，第一反应是做一个“大而全”的 Agent：

给它新闻、给它价格、给它指标、给它财报，然后让它直接输出买卖结论。

但问题也很明显：

信息太杂，容易顾此失彼

观点没有对抗，结论容易一边倒

决策和风控经常是脱节的

多 Agent 如果全靠来回聊天，时间一长还容易“传话失真”

所以真正要解决的，不只是“让 AI 更会分析”，而是让多个 AI 之间更会协作。

二、怎么建立一个AI工作流交易团队？

TradingAgents给出了一个比较有代表性的思路，不是继续堆一个超级 Agent，而是直接照着真实交易团队来拆角色。

1. 先拆分析层

第一层不是一个 Agent 包打天下，而是先拆成四类分析角色：

基本面分析 Agent：看财报、估值、公司经营和长期价值

情绪分析 Agent：看社交媒体、市场情绪和投资者反应

新闻分析 Agent：看新闻、政策、宏观事件和重大变化

技术分析 Agent：看价格行为、成交量和技术指标

这一步的核心，不是让每个 Agent 都很全，而是让每个 Agent 只做自己最擅长的那部分判断。

2. 再拆研究层

有了前面的分析，还不能直接下单。

更合理的做法，是再放一层“研究团队”，让不同立场先碰撞起来。

最典型的方式，就是分成：

看多视角

看空视角

先让两边把理由讲清楚，再通过辩论把真正有价值的信息留下来。

这一步很重要，因为它解决的不是“有没有观点”，而是观点有没有经过对抗。

3. 再进入决策层

等分析层和研究层结束之后，再交给 Trader Agent 做交易决策。

这个角色做的事情，不是重新分析一遍，而是把前面的信息真正落成行动，比如：

现在该不该买

现在该不该卖

是继续持有，还是调整仓位

这笔交易应该做多大

也就是说，前面解决“怎么看”，这里解决“怎么做”。

4. 最后补上风控层

这一层我觉得特别关键。

很多“AI做交易”的内容，最容易忽略的其实不是分析，而是风控。

但真实交易里，风控从来都不是附属品，而是决策链路里必须单独存在的一层。

更好的做法，是让风控也变成多角色协作，比如从三个方向来审视同一笔交易：

激进视角：愿意承担更高风险，追求更高收益

中性视角：平衡风险和收益

保守视角：优先控制回撤和暴露

最后再由一个类似 Fund Manager 的角色做最终批准。

到这里，这套流程才算完整闭环：分析 → 辩论 → 决策 → 风控 → 执行

三、这套工作流最值得学的，不只是分工，而是通信方式

我觉得这个项目真正聪明的地方，不只是“角色拆得细”，而是它意识到了一个更现实的问题：

多 Agent 一旦全靠自然语言聊天，很容易越聊越乱。

所以它的思路不是让所有角色一直对话，而是：

大部分时候，用结构化报告传递信息

只有在关键节点，比如研究辩论、风控讨论时，才用自然语言展开讨论

这么做的好处很直接：

第一，前面的信息不会在传递过程中被不断稀释。

第二，后面的角色能直接读取关键结论，而不是翻一大串聊天记录。

第三，整条链路会更像一个真正可复用的工作流，而不是一堆 Prompt 临时拼出来的对话。

所以如果你也想搭自己的 AI 工作流交易团队，我觉得这里最值得抄的，不是某个 Prompt，而是这个原则：

该结构化的地方结构化，该辩论的地方辩论。

四、这样做，效果怎么样？

从论文的实验结果看，这套框架做的是 2024 年 1 月到 3 月底的一段历史回测。

它不是只看价格，而是把多种信息一起放进来，包括：

历史股价

新闻

社交媒体情绪

内幕交易相关信息

财报和公司资料

技术指标

结果上，在这组实验里，它在 AAPL、GOOGL、AMZN 上的累计收益分别做到：

26.62%

24.36%

23.21%

整体跑赢了 Buy & Hold、MACD、KDJ+RSI、ZMR、SMA 这些基线策略。

当然，这里也要看清楚一点：这更像是在说明这种“AI团队式工作流”是有潜力的，而不是说“现在已经能稳定实盘印钱了”。

五、我觉得这篇内容真正重要的结论

如果只把它理解成“AI会炒股了”，我觉得其实有点可惜。

因为它真正有价值的地方，不是证明某个模型已经神了，而是证明了一件更值得关注的事：

交易团队这件事，已经可以被做成一套 AI 原生工作流。

这件事对量化研究、对 AI 工作流、甚至对个人开发者都很有启发。

未来更值得搭的，也许不是一个“万能 Agent”，而是这样一条可以拆分、可以替换、可以追踪、可以复用的协作链路：

分析层负责看清市场，研究层负责对抗观点，决策层负责输出动作，风控层负责兜住风险。

这比单纯追求“让一个 AI 更聪明”，可能更接近真正可落地的方向。

六、最后一句话总结

如果你想建立一个 AI 工作流交易团队，核心不是先找一个最强模型，而是先把交易这件事拆对：

谁负责分析，谁负责辩论，谁负责决策，谁负责风控。

当这条链路被搭起来之后，AI 才不只是“会回答问题”，而是真的开始接近一个可以协作的交易团队。