一个开源智能体框架,让 AI 代理拥有运行在 Docker 中的 Linux 桌面、浏览器和文档协作工具来完成实际工作。
TauricResearch/TradingAgents
开源多智能体大模型交易框架,模拟交易公司的分析师、研究员、交易员与风控团队协作决策。
- Star
- 111,998
- Fork
- 21,644
- 未关闭 Issue
- 99
- 最近提交
- 3天前
这是什么?
TradingAgents 是基于 LangGraph 构建的 Python 框架,把一家交易公司拆分为由大模型驱动的多个智能体。基本面、情绪、新闻和技术分析师各自调用工具收集数据,随后看多与看空两类研究员围绕报告展开辩论。交易员提出交易方案,风控团队与投资组合经理负责批准或否决,获批订单发送至模拟交易所执行。
项目支持 OpenAI、Google、Anthropic、DeepSeek、通义千问、Ollama 以及任意兼容 OpenAI 接口的服务,快速模型与深度推理模型可分别使用不同提供商。它提供交互式命令行、Python API、Docker 部署、断点续跑、持久化的决策记忆日志,以及可按股票与日期网格回测决策的模块。数据来源包括 Yahoo Finance、SEC EDGAR 财报和 FRED 宏观数据,覆盖多个市场。
该框架定位为多智能体分析的研究工具,而非可直接使用的交易策略。由于大模型采样和实时数据具有非确定性,同一输入的多次运行结果可能不同。
核心功能
- 01分析师、研究员、交易员与风控智能体在决策前协作并辩论。
- 02支持 OpenAI、Google、Anthropic、DeepSeek、通义千问、Ollama 及兼容 OpenAI 接口的服务。
- 03提供交互式命令行、Python API 与 Docker 部署方式。
- 04支持断点续跑,并持久化保存决策记忆日志。
- 05可按股票与日期网格进行回测。
- 06数据覆盖 Yahoo Finance、SEC EDGAR 与 FRED,支持多个市场。
适用场景
- 研究多智能体大模型系统如何进行金融决策推理。
- 基于 LangGraph 与真实市场数据原型化智能体工作流。
- 在历史日期与多只股票上回测大模型驱动的分析结果。
- 在同一交易流程中比较不同模型提供商的表现。
快速上手
- 1
克隆仓库
git clone https://github.com/TauricResearch/TradingAgents.git - 2
进入项目目录
cd TradingAgents - 3
用 conda 创建 Python 3.13 环境
conda create -n tradingagents python=3.13 - 4
安装本包及其依赖
pip install .
使用前须知
- 仅用于研究目的,不构成财务、投资或交易建议。
- 需要 LLM 服务商的 API 密钥,或配置 Ollama 等本地模型。
- 交易表现会因所选模型、温度参数、数据质量及其他非确定性因素而有所不同。
标签
常见问题
- TradingAgents 是什么?
- 开源多智能体大模型交易框架,模拟交易公司的分析师、研究员、交易员与风控团队协作决策。 TradingAgents 是基于 LangGraph 构建的 Python 框架,把一家交易公司拆分为由大模型驱动的多个智能体。基本面、情绪、新闻和技术分析师各自调用工具收集数据,随后看多与看空两类研究员围绕报告展开辩论。交易员提出交易方案,风控团队与投资组合经理负责批准或否决,获批订单发送至模拟交易所执行。
- TradingAgents 可以免费使用吗?用的什么许可证?
- TradingAgents 以 Apache-2.0 许可证开源。用于商业产品前,请先确认许可证条款。
- TradingAgents 还在维护吗?
- 活跃维护中。TradingAgents 最近一次提交是在 2026年10月16日。
- TradingAgents 适合用来做什么?
- 研究多智能体大模型系统如何进行金融决策推理。 基于 LangGraph 与真实市场数据原型化智能体工作流。 在历史日期与多只股票上回测大模型驱动的分析结果。 在同一交易流程中比较不同模型提供商的表现。
- TradingAgents 怎么安装和运行?
- 克隆仓库: git clone https://github.com/TauricResearch/TradingAgents.git 进入项目目录: cd TradingAgents 用 conda 创建 Python 3.13 环境: conda create -n tradingagents python=3.13 安装本包及其依赖: pip install .
- 在哪里获取 TradingAgents?
- 源代码和安装说明在 GitHub 上:https://github.com/TauricResearch/TradingAgents
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
基于 LangGraph 的 Python 库与可运行教程,实现了 35 种智能体 AI 架构,涵盖反思、检索增强、记忆与多智能体等模式。
基于 LangGraph 构建的模块化 Agentic RAG 教程与项目,支持层级索引、对话记忆和查询澄清。
一组即插即用的金融分析 Agent Skills,为大模型补充新闻、行情、情感分析与预测能力。
VS Code 扩展,让 Claude Code、Codex 等多个编程智能体在同一会话中独立给出意见、交接任务并讨论方案。
开源免费的 AI Agent 设计原理与工程实践中文书,配有 109 个可运行实验与 PDF/EPUB 电子书。