Tradingagents Astock

TradingAgents-AStock A股多Agent投研系统

Overview

TradingAgents-AStock 是基于 TauricResearch/TradingAgents（65K⭐）的 A 股深度特化 fork，Apache 2.0 开源。用 LLM 模拟一家投研公司：7 位分析师（含 A 股特化的政策/游资/解禁监控）并行生成研报 → 多空研究员辩论 → 研究经理综合研判 → 交易员出方案 → 激进/保守/中立三方风控辩论 → 基金经理最终决策（评级+理由）。

数据层全免费直连：mootdx（通达信 TCP）+ 腾讯财经 + 东方财富 + 新浪 + 同花顺 + 财联社 + 百度股市通，零 API Key、零积分墙、零外部服务。

本项目为研究与教学用途，不构成投资建议。

本地部署（Windows，参照 AUGUR 处理方式）

项目源码已部署在 D:\TradingAgents-AStock，虚拟环境 D:\TradingAgents-AStock\venv。

首次部署（新机器）

# 1. 克隆项目
git clone https://github.com/simonlin1212/TradingAgents-astock.git D:\TradingAgents-AStock
cd D:\TradingAgents-AStock

# 2. 创建虚拟环境并安装（Python >= 3.10）
python -m venv venv
.\venv\Scripts\python.exe -m pip install --upgrade pip
.\venv\Scripts\python.exe -m pip install -e .
# 可选：如需 Gemini 模型，见 README「Gemini / langchain-google-genai」

# 3. 配置 LLM API Key（项目根目录建 .env）

配置 .env（LLM）

在 D:\TradingAgents-AStock\.env 中按实际使用的供应商填写（用各自的环境变量，不是 OPENAI_API_KEY）：

# 方案A：MiniMax（推荐，国内直连，性价比高）
MINIMAX_API_KEY=sk-xxx

# 方案B：DeepSeek
DEEPSEEK_API_KEY=sk-xxx

# 方案C：智谱 GLM
ZHIPU_API_KEY=xxx

# 方案D：通义千问 Qwen
DASHSCOPE_API_KEY=sk-xxx

# 方案H：任意 OpenAI 兼容网关（9Router / AI Router / 自建代理）
OPENAI_COMPATIBLE_API_KEY=sk-xxx
BACKEND_URL=https://your-relay.example/v1

启停脚本（Windows）

脚本为 PowerShell 格式（.ps1），右键「用 PowerShell 运行」即可，或命令行执行：powershell -ExecutionPolicy Bypass -File scripts/StartTradingAgents-AStock.ps1

也可以手动运行：

cd D:\TradingAgents-AStock
.\venv\Scripts\tradingagents-web.exe    # 方式一：Web UI（推荐）
.\venv\Scripts\streamlit.exe run web/app.py  # 方式二

打开浏览器访问 http://localhost:8501。

使用方式

1. Web UI（适合不写代码的用户）

侧边栏选择 LLM 供应商和模型（支持 MiniMax/DeepSeek/Qwen/GLM/OpenAI/Anthropic/Google/xAI/OpenRouter/Ollama + OpenAI 兼容自定义 base_url），输入 6 位 A 股代码 + 分析日期，点击「开始分析」。12 阶段 pipeline 实时显示进度，完成后可查看信号卡片（Buy/Hold/Sell）、7 份分析师报告、多空辩论、风控评估，并可导出 Markdown/PDF。

⚠️ Web UI 默认供应商是 MiniMax，不读 .env：即使 .env 中配了 DEEPSEEK_API_KEY 或 ZHIPU_API_KEY，Web UI 侧边栏仍默认 MiniMax。必须手动展开「⚙️ 模型配置」→ 切换 LLM 供应商下拉框为实际使用的供应商，否则会报 "未找到 minimax 的 API Key"。切换后选择会持久化到 ~/.tradingagents/llm_config.json，重启后保持。

启动时序：Streamlit 需约 30 秒才能监听 8501 端口。健康检查 Invoke-WebRequest http://localhost:8501 -UseBasicParsing 返回 200 即就绪。tradingagents-web 命令内部调用 python -m streamlit run web/app.py。

2. Python 脚本方式

项目根目录自带 main.py，或参考 examples/run_cases.py：

from tradingagents.graph.trading_graph import TradingAgentsGraph

config = {
    "llm_provider": "deepseek",
    "deep_think_llm": "deepseek-chat",
    "quick_think_llm": "deepseek-chat",
    "output_language": "Chinese",
}
ta = TradingAgentsGraph(debug=True, config=config)
final_state, decision = ta.propagate("688017", "2026-05-12")
print(decision)

3. CLI 方式

tradingagents            # 交互式 CLI
tradingagents analyze    # 分析
tradingagents performance  # 决策绩效统计（方向正确率等）

4. 批量分析多只股票

cd D:\TradingAgents-AStock
.\venv\Scripts\python.exe examples\run_cases.py 688017   # 单只

配置要点

完整配置见 tradingagents/default_config.py 与 README「配置说明」章节。

常见问题排错

API Key 预检（启动分析前必做）

直接用 PowerShell 调供应商 API 验证 Key，避免分析跑到一半才报 401：

# 智谱 GLM
[Net.ServicePointManager]::SecurityProtocol = [Net.SecurityProtocolType]::Tls12
$headers = @{ 'Authorization' = 'Bearer YOUR_KEY'; 'Content-Type' = 'application/json' }
$body = '{"model":"glm-4-flash","messages":[{"role":"user","content":"hi"}]}'
Invoke-RestMethod -Uri 'https://open.bigmodel.cn/api/paas/v4/chat/completions' -Method Post -Headers $headers -Body $body -TimeoutSec 20

# DeepSeek
$headers = @{ 'Authorization' = 'Bearer YOUR_KEY'; 'Content-Type' = 'application/json' }
$body = '{"model":"deepseek-chat","messages":[{"role":"user","content":"hi"}]}'
Invoke-RestMethod -Uri 'https://api.deepseek.com/v1/chat/completions' -Method Post -Headers $headers -Body $body -TimeoutSec 20

返回正常回复即 Key 有效；返回 401 则 Key 无效或过期，需重新申请。

项目信息

• GitHub 上游: https://github.com/simonlin1212/TradingAgents-astock（Apache 2.0）
• 论文: TradingAgents: Multi-Agents LLM Financial Trading Framework
• Python: >= 3.10 | 本地路径: D:\TradingAgents-AStock
• 数据源: mootdx（TCP）/腾讯/东财/新浪/同花顺/财联社/百度股市通（全免费直连）

本项目仅用于研究与教学，不构成投资建议；投资决策请咨询持牌专业机构。股市有风险，投资需谨慎。