一个 AI 全自动的「交易研究」工具

让 AI 直接替你做交易研究？

先别急。

TradingAgents 更像一家公司在开会。分析师、研究员、风控和经理，轮流发言。它不是一台按下按钮就稳定给出结论的机器，而是一个把研究流程拆开、再重新汇总的实验台。

它是 TauricResearch 开源的多智能体金融研究框架。制作时，GitHub 页面约 93.2k Stars。

简单说，给它一个市场标的，它会把复杂分析分给不同角色处理，最后汇总成一份研究决策。

第一层，是分析师团队。

市场、情绪、新闻、基本面，各自看不同证据。

技术分析师看指标。

情绪分析师看讨论。

新闻分析师盯宏观事件。

基本面分析师看公司数据。

但四份报告还不算完。

接下来，Bullish 和 Bearish 两位研究员会专门互相拆台。

看涨的一边讲机会。

看跌的一边挑风险。

然后再交给 Research Manager 汇总。

这个设计的关键，不是让模型更像神谕，而是先把证据摊开，再让不同立场过一遍。至少，它减少了一点单线程自嗨。

再往后，Trader 会整理交易提案。

风险团队会从激进、中性、保守三个角度做压力测试。

最后，Portfolio Manager 才做决定。

报告和决策也可以保存，方便以后复盘。

CLI 流程也很直白：输入标的，选择日期、模型和研究深度，然后看报告一步步生成。

项目支持多家模型和数据源，也能处理不同市场。

但这里有一个现实问题：配置不同，结果就可能不同。

所以，TradingAgents 更像研究实验台，不是自动交易答案机。

README 也写得很清楚：结果会受模型、时间区间和数据质量影响，最后还要由人判断。

页面里的 Buy、Sell，是研究流程里的示例输出，不等于个人行动指令。

它适合用来研究多智能体协作，搭建分析流程或回测流程。

它不适合用来把最终判断外包给模型。

一句话：它把看盘拆成一支 AI 研究团队，也把争论和风控放进了流程。

我是凸先生，专注 AI 全栈流程，我们下次再见。