一套基于 Claude Code / Codex 的价值投资研究 Skill 合集,融合四位大师方法论并支持多 Agent 并行研究。
simonlin1212/TradingAgents-astock
基于 TradingAgents 改造的 A 股多 Agent 投研框架,含 7 类分析师与多空辩论。
- Star
- 3,918
- Fork
- 985
- 未关闭 Issue
- 2
- 最近提交
- 8天前
本页只介绍开源项目,不构成投资建议。交易和投资可能造成亏损,使用前请自行评估风险,并遵守当地法律法规。
这是什么?
TradingAgents-Astock 是基于 TradingAgents 多 Agent 投研框架的 A 股改造版本。它把原本面向美股的数据源替换为 mootdx、东方财富、新浪、同花顺等可直连的免费数据接口,并新增政策分析师、游资追踪(龙虎榜)和解禁监控三类 A 股特有角色。
分析流程依次包括 7 位分析师报告、多空辩论、研究经理综合研判、交易员方案、激进/保守/中立三方风险辩论,以及最终组合决策。交易员环节内置 T+1、涨跌停、最小手数等 A 股约束。报告以中文输出,内部辩论保持英文。框架支持多家大模型供应商切换,并附带 Streamlit Web 界面、命令行工具,以及对历史判断方向正确率(以沪深 300 为 alpha 基准)的统计命令。
项目定位为研究与教学用途的工程实现,不提供投资建议,输出内容由 AI 自动生成,可能存在错误。
核心功能
- 017 位分析师分别覆盖行情技术面、舆情、新闻、基本面、政策、游资动向和解禁。
- 02先进行多空辩论,再进行三方风险辩论,最后给出组合决策。
- 03数据源免费直连,无需 API Key,包括 mootdx、东方财富、新浪、同花顺等。
- 04交易员环节内置 T+1、涨跌停、最小手数等 A 股交易约束。
- 05支持多家大模型供应商及 OpenAI 兼容网关,可为单个角色指定不同模型。
- 06提供 Streamlit Web 界面、命令行工具,以及基于沪深 300 的判断方向正确率统计。
适用场景
- 研究多 Agent 辩论机制在 A 股金融文本上的表现。
- 学习如何将国内行情数据接入 LLM Agent 流程。
- 批量分析 A 股标的,生成结构化中文报告供复核。
- 用沪深 300 为基准,统计 LLM 决策流程的历史方向正确率。
快速上手
- 1
克隆仓库
git clone https://github.com/simonlin1212/tradingagents-astock.git - 2
进入项目目录
cd tradingagents-astock - 3
以可编辑模式安装(需 Python 3.10 及以上)
pip install -e . - 4
创建 .env 文件填入你的 LLM 供应商 API Key,然后通过 CLI 运行分析
tradingagents
使用前须知
- 默认每次分析需要 30 到 50 次 LLM 调用,因此需要付费的 API Key。
- 输出仅供研究与教学,不构成投资建议。
- 东方财富接口有限流,大批量分析运行较慢。
收录于专题
标签
常见问题
- TradingAgents-astock 是什么?
- 基于 TradingAgents 改造的 A 股多 Agent 投研框架,含 7 类分析师与多空辩论。 TradingAgents-Astock 是基于 TradingAgents 多 Agent 投研框架的 A 股改造版本。它把原本面向美股的数据源替换为 mootdx、东方财富、新浪、同花顺等可直连的免费数据接口,并新增政策分析师、游资追踪(龙虎榜)和解禁监控三类 A 股特有角色。
- TradingAgents-astock 可以免费使用吗?用的什么许可证?
- TradingAgents-astock 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-astock 还在维护吗?
- 活跃维护中。TradingAgents-astock 最近一次提交是在 2026年10月30日。
- TradingAgents-astock 适合用来做什么?
- 研究多 Agent 辩论机制在 A 股金融文本上的表现。 学习如何将国内行情数据接入 LLM Agent 流程。 批量分析 A 股标的,生成结构化中文报告供复核。 用沪深 300 为基准,统计 LLM 决策流程的历史方向正确率。
- TradingAgents-astock 怎么安装和运行?
- 克隆仓库: git clone https://github.com/simonlin1212/tradingagents-astock.git 进入项目目录: cd tradingagents-astock 以可编辑模式安装(需 Python 3.10 及以上): pip install -e . 创建 .env 文件填入你的 LLM 供应商 API Key,然后通过 CLI 运行分析: tradingagents
- 在哪里获取 TradingAgents-astock?
- 源代码和安装说明在 GitHub 上:https://github.com/simonlin1212/TradingAgents-astock
概要由 AI 根据项目 README 生成;GitHub 数据每日更新。
相关项目
一个开源的个人交易智能体,通过 CLI、Web 界面、API 或 MCP 完成研究、回测、模拟交易和券商对接。
一个开源的金融 AI 智能体框架,将大语言模型与确定性估值工具及多智能体工作流结合,用于金融研究。
面向 A 股市场的多智能体 LLM 研究辅助系统,支持多角色智能体辩论分析、自然语言选股与模拟交易。
面向 A 股的多智能体投研系统,让 AI Agent 多空辩论、风控博弈后输出交易建议。
运行在 Obsidian 中的个人 AI 智能体框架,由 Claude Code 协调多个助手智能体,并以自动维护、可引用的本地知识库作为长期记忆。